Generative AI and its systems

Students are introduced to the principles and types of generative artificial intelligence. The ethical and legal issues of using the results of generative artificial intelligence are reviewed. Get acquainted with the principles and application possibilities of RAG (Retriev Augment Generate) framework and MAS (Multi Agent System). Existing systems for different fields of activity and working with different types of data are analyzed.

Sistemų integracija

Šiame kurse nagrinėjamas sistemų integravimo apibrėžimas ir reikšmė, sprendžiami pagrindiniai šios srities iššūkiai ir tendencijos. Dalyviai gilinsis į integracijos architektūrą ir komponentus, apimančius reliacines duomenų bazes ir jų optimizavimą, taip pat NoSQL duomenų bazes ir duomenų saugyklą. Bus nagrinėjamos duomenų integravimo koncepcijos ir strategijos, įskaitant ištraukimo, transformavimo, įkėlimo (ETL) procesus, kartu su tarpinės programinės įrangos technologijomis, į pranešimus orientuota tarpine programine įranga (MOM) ir žiniatinklio paslaugomis, daugiausia dėmesio skiriant RESTful API projektavimui ir integravimui. Kursas taip pat apima autentifikavimo ir autorizacijos reikalavimus, vieno prisijungimo (SSO) sprendimus ir debesų kompiuterijos integraciją, įskaitant be serverio ir mikropaslaugų architektūras. Bus nagrinėjama daiktų interneto ekosistema ir įrenginiai, mobiliųjų programėlių kūrimas, kelių platformų integracija ir integracijos sėkmės įvertinimas. Be to, dalyviai apžvelgs esamas integravimo priemones ir platformas, užbaigdami dabartinių tyrimų sričių ir sistemų integravimo bei architektūros ateities tyrimą.

Verslo analitika 2026

Kurso temos apima duomenų kokybę, valdymą, procesų automatizavimą naudojant RPA ir statistinius metodus, tokius kaip regresinė analizė ir hipotezių tikrinimas. Mokymo programa apima laiko eilučių analizę, prognozavimo metodus ir tiria linijinį ir netiesinį optimizavimą, įskaitant sveikųjų skaičių programavimą. Aptariamas sprendimų palaikymas naudojant duomenų analizę, apimantis tokias sritis kaip klientų segmentavimas, tiekimo grandinės analizė ir erdvinė analizė. Įtrauktas A/B testavimas, pagrindinės DI projektų metrikos ir verslo žvalgybos įrankių apžvalga bei naujausių verslo analitikos pasiekimų tyrimas.

Debesų kompiuterija ir didieji duomenys

This comprehensive course delves into the fundamentals of computer networks, cloud computing for AI, and the pivotal role of big data in artificial intelligence (AI). Participants will explore network protocols, architecture, and management alongside cloud computing concepts and services, emphasizing major providers like AWS, Azure, and GCP. The curriculum extends to data management in the cloud, containerization, and orchestration for AI applications. AI model deployment, integration with network services, and strategies for multi-cloud and hybrid cloud deployment are covered. The course also introduces edge computing for AI applications. The big data segment covers data collection, storage, management, processing, and distributed computing. Machine learning and deep learning with big data, as well as real-time analytics and streaming analytics for big data, are explored. The course concludes with a review of existing big data applications, solutions, current research areas, and future trends.

Time Series Analysis and Forecasting

The course aims to provide the needed knowledge and skills on time-series analysis and forecasting. The participants of the course will be able to:

  • Understand the time-series data and its forecasting task principles 
  • Understand the regression application for time-series forecast limitations
  • Be able to estimate time-series forecasting accuracy metrics
  • Apply different time-series forecasting methods 

System Security

The main attention in the course would be dedicated to the initial system design phase (what goes before the real implementation of the system), integrating the security-first approach. To do it the course would cover mostly UML based approaches, helping to integrate security aspects into the system requirement gathering and design steps by specifying and modeling the system. 

Verslo analitika

Kurso temos apima duomenų kokybę, valdymą, procesų automatizavimą naudojant RPA ir statistinius metodus, tokius kaip regresinė analizė ir hipotezių tikrinimas. Mokymo programa apima laiko eilučių analizę, prognozavimo metodus ir tiria linijinį ir netiesinį optimizavimą, įskaitant sveikųjų skaičių programavimą. Aptariamas sprendimų palaikymas naudojant duomenų analizę, apimantis tokias sritis kaip klientų segmentavimas, tiekimo grandinės analizė ir erdvinė analizė. Įtrauktas A/B testavimas, pagrindinės DI projektų metrikos ir verslo žvalgybos įrankių apžvalga bei naujausių verslo analitikos pasiekimų tyrimas.

Fundamentals of Artificial Intelligence

The course coverers such topics as Artificial intelligence (AI) definition, historical development, and its prominent role in computer science research. Participants will delve into key concepts and terminology in AI, gaining practical skills in data handling, cleaning, and feature engineering. The course will explore various supervised and unsupervised learning methods, including linear regression, logistic regression, decision trees, ensemble methods, clustering techniques, and dimensionality reduction. Emphasis will be placed on the practical application of tools and libraries for both supervised and unsupervised learning, allowing participants to build, test, and analyze models. Additionally, the course will cover data visualization techniques and explore trends and innovations in AI research, equipping participants with a solid foundation in AI concepts and practical skills for real-world applications.

Business Analytics

Course topics include data quality, governance, process automation using solutions like RPA, and statistical techniques such as regression analysis and hypothesis testing. The curriculum covers time series analysis, forecasting methods, and explores linear and nonlinear optimization, including integer programming. Decision support through data analytics is addressed, covering areas like customer segmentation, supply chain analytics, and spatial analytics. A/B testing, key metrics for AI projects, and a review of Business Intelligence tools are included, along with an examination of the latest advancements in business analytics.

Ethical, Legal and Human Aspects of AI and Cybersecurity

This course provides the fundamentals for ensuring the responsible governance of information technology systems with a particular focus on Artificial Intelligence (AI) and other cyber-physical systems.  Students examine the societal implications of AI across various domain, fostering critical thinking and ethical decision-making skills. In particular, it explores issues such as accountability, control, privacy, and transparency in AI technologies. Moreover, an overview of the global landscape of AI governance initiatives is provided before delving further into EU-centric legislative efforts (e.g. AI Act, GDPR, etc). Topics related to security and robustness for the safe use of the technology are also studied. Through hands-on case studies and discussions, students gain a nuanced understanding of the complex interplay between technology, ethics, and society, preparing them to navigate the ethical, legal, and social challenges posed by AI in their professional endeavours.