Kierunki studiów związane z tą dyscypliną to połączenie klasycznej, akademickiej nauki matematyki z praktycznym podejściem do jej zastosowań w nowoczesnym świecie technologii. Od samego początku kładzie się tu nacisk na rozwijanie umiejętności logicznego i analitycznego myślenia, ale równie ważne jest nauczenie studentów wykorzystywania tej wiedzy w praktyce – w informatyce, analizie danych, automatyce, czy projektowaniu algorytmów.
	Pierwsze semestry skupiają się na solidnych podstawach. Studenci uczą się analizy matematycznej, algebry liniowej, rachunku prawdopodobieństwa, logiki matematycznej i metod numerycznych. Są to przedmioty, które wymagają dużej precyzji i zrozumienia, ale to właśnie one budują fundament pod bardziej zaawansowane zagadnienia.
	Z czasem program studiów zaczyna przyjmować coraz bardziej aplikacyjny charakter. Pojawiają się zajęcia z programowania (najczęściej w językach takich jak Python, C++ czy R), modelowania matematycznego, statystyki, teorii algorytmów, matematyki obliczeniowej czy przetwarzania danych. Studenci poznają też zagadnienia związane z kryptografią, sztuczną inteligencją, uczeniem maszynowym oraz nowoczesnymi systemami informatycznymi. Uczą się, jak przekształcać dane i problemy rzeczywiste w modele matematyczne, które można badać, rozwiązywać i optymalizować przy użyciu komputerów.
	Ważną częścią studiów są również laboratoria i projekty zespołowe – to właśnie one pozwalają przekuć teorię w praktykę. Studenci uczą się pracy zespołowej, zarządzania projektami i wykorzystywania nowoczesnych narzędzi technologicznych, często uczestnicząc w projektach opartych na rzeczywistych problemach biznesowych lub inżynierskich. U niektórych uczelni oferowane są także przedmioty w języku angielskim, co daje możliwość przygotowania się do pracy w międzynarodowym środowisku.
	 
	1. Typ i tryb studiów:
	Studia na kierunku matematyka nowoczesnych technologii możemy podzielić na:
	1. Typ:
	 
	2. Tryb:
	 
	2. Zdobywana wiedza i umiejętności
	Uczestnicy studenci zdobywają szeroki zestaw umiejętności, które łączą w sobie ścisłe myślenie, biegłość w narzędziach informatycznych i zdolność rozwiązywania rzeczywistych problemów technicznych. Podstawową kompetencją rozwijaną na tym kierunku jest umiejętność logicznego, abstrakcyjnego i algorytmicznego myślenia, które pozwala analizować złożone problemy i sprowadzać je do formuł matematycznych. Wraz z tym rozwija się precyzja w formułowaniu założeń, wniosków i dowodów, co jest nie tylko ważne w nauce, ale również w inżynierii, informatyce i biznesie.
	Studenci uczą się modelować rzeczywistość matematycznie – potrafią przełożyć zjawiska fizyczne, ekonomiczne czy techniczne na równania, układy i algorytmy, które da się przeanalizować i rozwiązać przy użyciu odpowiednich narzędzi. W trakcie zajęć rozwijają także biegłość w programowaniu, szczególnie w kontekście analizy danych, automatyzacji obliczeń czy implementacji algorytmów. Opanowują pracę z językami takimi jak Python, R, C++, a także środowiskami MATLAB, Mathematica czy SQL, co pozwala im na swobodne operowanie danymi i tworzenie rozbudowanych narzędzi analitycznych.
	Równolegle rozwijane są kompetencje w zakresie statystyki, probabilistyki i analizy danych, co daje podstawy do pracy w sektorach związanych z data science i machine learning. Studenci uczą się nie tylko jak interpretować dane, ale też jak je oczyszczać, wizualizować, wydobywać z nich wzorce i budować modele predykcyjne. Uczą się także, jak wykorzystywać matematykę w systemach uczących się, a więc jak rozwijać rozwiązania z zakresu sztucznej inteligencji.
	Dużą wagę przykłada się również do pracy projektowej – studenci uczą się współpracy w zespołach interdyscyplinarnych, prezentowania wyników, zarządzania projektami oraz korzystania z repozytoriów kodu i systemów wersjonowania (np. Git). Zyskują umiejętność pracy w dynamicznym środowisku technologicznym, ucząc się jednocześnie myśleć krytycznie i twórczo, analizować błędy oraz doskonalić własne rozwiązania.