Profesionalni profil

Kompjuterski znanstvenik / kompjuterska znanstvenica

Brz pregled

Kompjuterski znanstvenici provode istraživanja u području računalnih i informacijskih znanosti, usmjerena prema stjecanju više znanja i razumijevanju temeljnih aspekata fenomena informacijske i komunikacijske tehnologije. Sastavljaju izvješća o istraživanjima i prijedloge. Kompjuterski znanstvenici također smišljaju i oblikuju nove pristupe računalnoj tehnologiji, pronalaze inovativne načine upotrebe postojeće tehnologije i studija te rješavaju složene probleme u računarstvu.

Tržište rada
Manjak u zemlji Austrija i još 8 zemalja
ELA/EURES 2025
Industrija
Digitalna tehnologija
Obrazovanje
Preddiplomski sveučilišni studij
36%
Otpornost Rezultat · 2026 (Što više, to bolje)
Preddiplomski sveučilišni studij 56% AI izloženost · 2026
Tržište rada

Gdje se traži ovo zanimanje

Prijavljeni manjak i višak radne snage, po godinama. Objavljuje se za skupine zanimanja, ne za pojedinačne nazive radnih mjesta.

Brojke obuhvaćaju Stručnjaci/stručnjakinje za informacijsku i komunikacijsku tehnologiju — 75 zanimanja, uključujući ovo.

10 od 14 s manjkom2025Svih 30 raste3.7Mradna mjesta do 2035.

Manjak: Austrija, Belgija, Bugarska, Cipar i još 6.

Najdulji manjak: Austrija, 3 godine.

Odaberite područje na karti kako biste vidjeli njegove podatke.

O ovom izvoru›

Izvor: ELA/EURES, manjak i višak radne snage. Podaci se objavljuju na razini skupine zanimanja i obuhvaćaju Europu. Izdanja se razlikuju po ustroju priloga i po obuhvaćenim zemljama, pa razlika među godinama ne znači uvijek da se tržište rada promijenilo. Zemlje u sivoj nisu prijavljene, što nije isto što i uravnoteženost.

Što ove riječi znače

Četiri stvari koje ovaj odjeljak prikazuje

Prijavljena potražnja
Prijavljena potražnja pokazuje navode li poslodavci da im trebaju ljudi za ovo zanimanje — riječ je o procjeni koju objavljuje nacionalno tijelo ili tijelo EU-a, a ne o brojčanom podatku.
U kojem smjeru ide
U kojem smjeru ide pokazuje u kojem se smjeru očekuje da će se zaposlenost u ovom zanimanju kretati tijekom sljedećih godina, na temelju službene projekcije.
Slobodna mjesta
Slobodna mjesta pokazuju koliko se otprilike otvara radnih mjesta — zbog rasta i zbog ljudi koji napuštaju to zanimanje.
Uobičajena plaća
Uobičajena plaća pokazuje koliko ljudi u ovom zanimanju obično zarađuju ondje gdje izvor objavljuje taj podatak. Ako je podatak prazan, to ne znači da se posao ne plaća; znači da ga nitko ne objavljuje za to mjesto.

Mjera se izostavlja kada je nitko ne objavljuje za to mjesto, umjesto da se prikaže kao nula.

Na koju stranu tržište naginje

U vašu korist
Više slobodnih mjesta nego tražitelja — poslodavci se natječu za kandidate.
Uravnoteženo
Slobodna mjesta i tražitelji približno su izjednačeni.
Konkurentno
Više tražitelja nego slobodnih mjesta — očekujte konkurenciju.
Proturječni podaci
Izvori se ne slažu ili u istoj skupini zanimanja negdje nedostaje ljudi, a drugdje ih je višak.

Svaki izvor rezultat svrstava u jednu od ove četiri kategorije: U vašu korist, Uravnoteženo, Konkurentno ili Proturječni podaci, pa trebate naučiti samo jedan skup naziva. Razlikuju se dokazi koji stoje iza toga, a oni su navedeni ispod svake kategorije — izmjereni omjer slobodnih mjesta i tražitelja posla ili procjena koju objavljuje nacionalno tijelo.

Kako se ovo zanimanje uspoređuje s drugim zanimanjima u istoj zemlji

Snažna
Među najjačima u državi that country
Dobra
Jače od većine zanimanja u državi that country
Mješovita
Otprilike uobičajeno za državu that country
Slaba
Slabije od većine zanimanja u državi that country

Ovo je poredak unutar jedne zemlje, a ne ocjena koju možete uspoređivati preko granica — registri na kojima se podaci temelje u dvjema zemljama obuhvaćaju različite ljude, pa isti broj u svakoj zemlji znači nešto drugo. Zato se zanimanje može ubrajati među najjača u zemlji, a ipak biti označeno kao Konkurentno: predvodi područje na tržištu koje je u cjelini pretrpano.

Odakle dolaze ovi podaci

Svaki podatak objavljuje nacionalni statistički ured, javna služba za zapošljavanje ili tijelo EU-a, a na svakoj je kartici naveden izvor i razdoblje na koje se podatak odnosi. U nekim se mjestima podaci prikupljaju mjesečno, a u drugima se procjenjuju jednom ili dvaput godišnje, pa dva mjesta na istoj karti mogu opisivati različite trenutke — datum je uvijek naveden.

Ništa od ovoga ne predviđa izglede pojedinca. Opisuje tržište.

Prijavljena potražnja · Uobičajena plaća · U kojem smjeru ide (Hrvatska, Slovenija, Austrija, Njemačka, Italija, Irska)
Prijavljena potražnja · Uobičajena plaća · U kojem smjeru ide
Prijavljena potražnja Uobičajena plaća U kojem smjeru ide
Hrvatska Prijavljen manjak ELA/EURES 2022 * — +96,6% 2023–2035 · Cedefop 2026 *
Slovenija Prijavljen manjak ELA/EURES 2025 * — +60,9% 2023–2035 · Cedefop 2026 *
Austrija Prijavljen manjak ELA/EURES 2025 * — +48,8% 2023–2035 · Cedefop 2026 *
Njemačka Prijavljen manjak ELA/EURES 2024 * — +15,6% 2023–2035 · Cedefop 2026 *
Italija Nije prijavljeno — +40% 2023–2035 · Cedefop 2026 *
Irska Prijavljen manjak ELA/EURES 2025 * — +32,3% 2023–2035 · Cedefop 2026 *

* Objavljuje se za skupine zanimanja, ne za pojedinačne nazive radnih mjesta.

Pružate li karijerno savjetovanje učenicima, klijentima ili zaposlenicima? Upotrijebite ove podatke o zanimanju u svojoj organizaciji.

NexFuture™

Budućnost za kompjuterski znanstvenik / kompjuterska znanstvenica

The outlook for kompjuterski znanstvenik / kompjuterska znanstvenica reflects a balanced mix of automation exposure and durable, human-led work.

Kako se računaju ovi rezultati?

Indeks otpornosti (0–100) procjenjuje koliko je ovo zanimanje strukturalno zaštićeno od automatizacije i AI ometanja, temeljen na analizi na razini zadataka. Viši rezultati znače više zadataka koji zahtijevaju ljudsku prosudbu. AI izloženost prikazuje procijenjeni postotak radnih sati koje bi trenutačne AI mogućnosti mogle zahvatiti. Ovo su strukturalni pokazatelji izvedeni iz modela, ne predviđanja o individualnoj sigurnosti posla.

Igraj budućnost
Kako bi se kompjuterski znanstvenik / kompjuterska znanstvenica mogao promijeniti kako usvajanje umjetne inteligencije raste?

Nekoliko područja zadataka može se pomaknuti prema tijekovima rada potpomognutim umjetnom inteligencijom, tako da ponovna vještina postaje važnija.

Značajna transformacija na razini zadataka procjenjuje se za 12 godina (oko 2038) prema odabranom scenariju „Očekivano“.
~35%
Otpornost
Rizik automatizacije
EXP~60%
Ljudski rub
MOAT~35%

Ilustrativni scenarij na temelju automatizacije zadataka — nije prognoza. Vrijednosti se zaokružuju što gledate dalje unaprijed.

2026
2033
2043
Brzina usvajanja umjetne inteligencije:

Procjena na temelju modela. Koristite ga kao signal za planiranje, a ne jamstvo.

Kako AI može promijeniti ovu ulogu

Deterministička interpretacija trenutnih signala uloga na temelju modela — nije jamstvo zamjene.

36% U ljudskom vlasništvu

Što još ovisi o ljudima

  • Komunicirati na profesionalnoj razini u istraživačkom i poslovnom okruženju.
  • ocjenjivati istraživačke aktivnosti
  • upravljati pravima intelektualnog vlasništva
Ljudska prednost Da biste ostali ispred u ovoj ulozi, fokusirajte se na metodologija znanstvenog istraživanja i podatkovna znanost. Ove vještine usmjerene na čovjeka najteže je AI replicirati u sljedećih 20 godina.
27% Asist

Gdje AI može postati kopilot

  • primijeniti tehnike statističke analize
  • upotrebljavati sučelje specifično za aplikaciju
  • upravljati otvorenim publikacijama
56% Automatizirati

Zadaci koji su najviše izloženi automatizaciji

  • sintetizirati istraživačka izdanja
  • objedinjavati informacije
  • prijavljivati se za financiranje istraživanja
Detaljna analiza

Vitalni znakovi i AI vektori

Vektori izloženosti umjetnoj inteligenciji

0-100%
AI / strojno učenje 27%

Izloženost AI-podržanoj analizi, prepoznavanju uzoraka i zadacima prediktivnog modeliranja

Generativna AI 10%

Izloženost generiranju sadržaja, kreativnom povećanju i alatima velikih jezičnih modela

Kognitivni softver 2%

Izloženost automatizaciji toka rada, softveru za podršku odlučivanju i digitalizaciji procesa

Robotska i fizička automatizacija 0%

Izloženost fizičkoj automatizaciji, robotici i pomicanju zadataka vođenom senzorima

Tehnički detalji
Metodologija: NexFuture v3.0 Izvori: O*NET® 30.3, ESCO v1.2.1 Ažurirano: lis 2026.

NexFuture v3.0 procjenjuje izloženost automatizaciji izravno iz ESCO-ovih ključnih skupina vještina, ponderiranu masom vještina i kalibriranu prema stručnim sidrima. Rezultati su vjerojatnosne procjene, ne jamstva. Za potpune pojedinosti pogledajte NexFuture metodološku bijelu knjigu.

Mjeri izloženost automatizaciji. Ne mjeri plaću, potražnju ni koliko poslova postoji u vašoj blizini.

Dan u životu

Što ljudi u ovoj ulozi obično rade

Digitalna tehnologija

Dan u životu

Tipičan dan kao kompjuterski znanstvenik / kompjuterska znanstvenica

09
09:00 · jutro
definirati tehnološke strategije
Izraditi opći plan ciljeva, praksi, načela i taktika povezanih s upotrebom tehnologija unutar organizacije i opisati načine za postizanje ciljeva, uzimajući u obzir analize i relevantne propise.
10
10:30 · Sredina jutra
izvršiti istraživanje aktivnosti IKT korisnika
Obavljati istraživačke zadaće kao što su pronalaženje sudionika, izrada rasporeda zadaća, prikupljanje empirijskih podataka, analiza podataka i izrada materijala kako bi se procijenila interakcija korisnika s IKT sustavom, programom ili aplikacijom.
12
12:00 · podne
primijeniti obrnuto inženjerstvo
Upotrebljavati tehnike radi izdvajanja informacija ili rastavljanja komponenti, softvera ili sustava IKT-a radi analize, ispravka i ponovnog sastavljanja ili reprodukcije.
14
14:00 · poslijepodne
razvijati softver otvorenog koda
Koristiti i proizvoditi softvera otvorenog koda. Poznavati glavne modele otvorenog koda, sustave licenciranja i prakse kodiranja koje se obično primjenjuju u proizvodnji softvera otvorenog koda.
15
15:30 · Kasno popodne
upotrebljavati sučelje specifično za aplikaciju
Razumjeti i upotrebljavati sučelja specifična za aplikaciju ili vrstu upotrebe.
17
17:00 · Zaključak
upravljati pravima intelektualnog vlasništva
Baviti se privatnim pravima kojima se proizvodi intelektualnog vlasništva štite od nezakonite uporabe.

Redoslijed zadataka je ilustrativan. Pojedini dani variraju.

Vještine i znanja

Što vam je potrebno za ovaj posao

Vještine, znanja i alati koje ova uloga zahtijeva — te osobine i nagrade koje s njom dolaze.

Bitne vještine
provođenje akademskog istraživanja ili istraživanja tržišta
  • provoditi znanstvena istraživanja

    Sudjelovati u osmišljavanju ili stvaranju novih znanja oblikovanjem istraživačkih pitanja, istraživanjem, poboljšanjem ili razvojem koncepata, teorija, modela, tehnika, instrumenata, softvera ili operativnih metoda te korištenjem znanstvenih metoda i tehnika.

  • provesti kvantitativna istraživanja

    Provesti sustavnu empirijsku istragu pojava koje se mogu promatrati putem statističkih, matematičkih ili računalnih tehnika.

  • primjenjivati načela istraživačke etike i znanstvenog integriteta u istraživačkim aktivnostima

    Primjenjivati temeljna etička načela i zakonodavstvo na znanstvena istraživanja, uključujući pitanja istraživačkog integriteta. Provoditi, preispitivati ili izvještavati o istraživanjima izbjegavajući kršenje tih načela izmišljanjem, krivotvorenjem i plagijatima.

  • promicati otvorene inovacije u istraživanju

    Poticati integriranu suradnju u okviru koje različiti dionici zajedno stvaraju inovacije kao zajedničku vrijednost.

  • proučavati literaturu

    Sveobuhvatno i sustavno proučavati informacije i publikacije o određenoj temi. Predstaviti usporedni sažetak o vrednovanju literature.

  • provesti znanstvena istraživanja

    Planirati znanstveno istraživanje oblikovanjem istraživačkog pitanja i provođenjem empirijskih istraživanja ili istraživanja literature kako bi se istražila istina o istraživačkom pitanju.

  • upravljati pristupačnim, interoperabilnim podacima koji se mogu pronaći i ponovno upotrijebiti

    Izrađivati, opisivati, pohranjivati, čuvati i (ponovno) upotrebljavati znanstvene podatke na temelju načela „FAIR” (pristupačni, interoperabilni podaci koji se mogu pronaći i ponovno upotrijebiti), čime se podaci čine što otvorenijima i zatvorenima prema potrebi.

  • uključivati rodnu dimenziju u istraživanje

    U cijelom istraživačkom procesu uzeti u obzir biološke karakteristike te društvene i kulturne značajke žena i muškaraca koje se mijenjaju (rod).

  • provoditi istraživanja u različitim disciplinama

    Provoditi istraživanja u različitim područjima i izvan uobičajenih granica djelovanja.

  • provesti kvalitativno istraživanje

    Prikupljati relevantne informacije primjenom sustavnih metoda kao što su razgovori, fokusne skupine, analiza teksta, opažanja i studije slučaja.

  • promicati sudjelovanje javnosti u istraživanju

    Surađivati s javnošću u oblikovanju, provedbi i diseminaciji istraživanja.

pisanje stručnih ili akademskih tekstova
  • objavljivati znanstvena istraživanja

    Provoditi znanstvena istraživanja u svojem području na visokoj školi, sveučilištu ili samostalno i objavljivati rezultate u knjigama ili znanstvenim i stručnim časopisima kako bi ostvarili znanstveni doprinos i postigli osobnu akademsku akreditaciju.

  • pisati znanstvene i stručne radove, izrađivati tehničku dokumentaciju

    Pisati i uređivati znanstvene, akademske ili tehničke tekstove o različitim temama.

  • pisati prijedloge istraživanja

    Sažimati i pisati prijedloge u cilju rješavanja problema istraživanja. Izraditi temeljni plan prijedloga i ciljeve, procijenjeni proračun, rizike i utjecaj. Dokumentirati napretke i nove razvoje događaja o relevantnom predmetu i području istraživanja.

  • dijeliti i širiti rezultate u znanstvenoj zajednici

    Objavljivati znanstvene rezultate javnosti svim prikladnim sredstvima, uključujući na konferencijama, radionicama, seminarima i u znanstvenim publikacijama.

  • pisati znanstvene publikacije

    Prezentirati hipotezu, pronalaske i zaključke znanstvenog istraživanja u vašem stručnom području u profesionalnoj publikaciji.

provođenje studija, istraživanja i ispitivanja
  • izvršiti istraživanje aktivnosti IKT korisnika

    Obavljati istraživačke zadaće kao što su pronalaženje sudionika, izrada rasporeda zadaća, prikupljanje empirijskih podataka, analiza podataka i izrada materijala kako bi se procijenila interakcija korisnika s IKT sustavom, programom ili aplikacijom.

  • pokazivati stručno znanje u svojem području

    Pokazivati temeljito znanje i složeno razumijevanje određenog istraživačkog područja, što podrazumijeva odgovorno istraživanje, istraživačku etiku, načela znanstvenog integriteta i usklađenost sa zahtjevima Opće uredbe o zaštiti podataka kad je riječ o istraživačkim aktivnostima u okviru određene discipline.

programiranje računalnih sustava
  • primijeniti obrnuto inženjerstvo

    Upotrebljavati tehnike radi izdvajanja informacija ili rastavljanja komponenti, softvera ili sustava IKT-a radi analize, ispravka i ponovnog sastavljanja ili reprodukcije.

  • razvijati softver otvorenog koda

    Koristiti i proizvoditi softvera otvorenog koda. Poznavati glavne modele otvorenog koda, sustave licenciranja i prakse kodiranja koje se obično primjenjuju u proizvodnji softvera otvorenog koda.

prikupljanje informacija iz fizičkih ili elektroničkih izvora
  • sintetizirati istraživačka izdanja

    Pročitati i interpretirati znanstvene publikacije koje predstavljaju istraživački problem, metodologiju, njezino rješenje i hipotezu. Usporediti ih i izvući potrebne informacije.

  • objedinjavati informacije

    Kritički čitati, tumačiti i sažimati nove i složene informacije iz različitih izvora.

pregovaranje i upravljanje ugovorima i sporazumima
  • upravljati pravima intelektualnog vlasništva

    Baviti se privatnim pravima kojima se proizvodi intelektualnog vlasništva štite od nezakonite uporabe.

pripremanje dokumentacije za ugovore, zahtjeve ili dozvole
  • prijavljivati se za financiranje istraživanja

    Utvrditi glavne relevantne izvore financiranja i pripremiti zahtjev za financiranje istraživanja kako bi se dobila sredstva i bespovratna sredstva.

zaštita ikt uređaja
  • upotrebljavati alate za izradu sigurnosnih kopija i oporavak

    Upotrebljavati alate koji korisnicima omogućuju da kopiraju i arhiviraju računalne softvere, konfiguracije i podatke te da ih vrate u slučaju gubitka.

intervjuiranje
  • provesti istraživački intervju

    Upotrebljavati metode i tehnike profesionalnog istraživanja i vođenja intervjua radi prikupljanja relevantnih podataka, činjenica ili informacija, za stjecanje novih uvida i potpuno razumijevanje poruke ispitanika.

savjetovanje o pravnim, regulatornim ili postupovnim pitanjima
  • promicati prijenos znanja

    Upoznati širok krug dionika s postupcima vrednovanja znanja čiji je cilj maksimizirati dvosmjerni tok tehnologije, intelektualnog vlasništva, stručnosti i sposobnosti između istraživačke baze te industrije ili javnog sektora.

Područja znanja & Softver i tehnologije
Područja znanja
  • Apache Tomcat

    Mrežni poslužitelj otvorenog koda Apache Tomcat pruža okruženje mrežnog poslužitelja Java mrežni poslužitelj koje upotrebljava ugrađeni spremnik gdje se HTTP zahtjevi učitavaju, čime se Java mrežnim aplikacijama omogućuje da rade na lokalnim sustavima i sustavima koji se temelje na poslužitelju.

  • inovacijski procesi

    Tehnike, modeli, metode i strategije kojima se pridonosi promicanju koraka prema inovaciji.

  • izvlačenje informacija

    Tehnike i metode koje se upotrebljavaju za prikupljanje i izvlačenje informacija iz nestrukturiranih ili polustrukturiranih digitalnih dokumenata i izvora.

  • JavaScript Framework

    JavaScript Framework okruženja za razvoj mikrosoftverskog okvira kojima se omogućuju posebna obilježja i komponente (kao što su alati za generiranje HTML-a, Canvas support ili Visual design) kojima se podupire i usmjerava razvoj mrežnih aplikacija JavaScript.

  • kategorizacija informacija

    Postupak razvrstavanja informacija u kategorije i prikaz odnosa između podataka u neke jasno definirane svrhe.

  • kognitivno računalstvo

    Interdisciplinarno područje kognitivne znanosti i računalstva koje uključuje simulaciju procesa ljudskog razmišljanja pomoću računalnog pristupa. Upotrebljava algoritme za rudarenje podataka i obradu prirodnog jezika za oponašanje funkcioniranja ljudskog mozga.

  • kvantno računalstvo

    Grana računalstva koja slijedi načela kvantne teorije. Upotrebljava subatomske čestice koje mogu postojati u više od jednog stanja zahvaljujući kvantnim bitovima (qubitima).

  • LDAP

    Računalni jezik LDAP je jezik upita za dohvaćanje informacija iz baze podataka i dokumenata koji sadržavaju potrebne informacije.

  • LINQ

    Programski jezik LINQ je jezik upita za dohvaćanje informacija iz baze podataka i dokumenata koji sadržavaju potrebne informacije. Razvija ga softverska tvrtka Microsoft.

  • matematička fizika

    Interdisciplinarno područje koje povezuje matematiku i fiziku, a bavi se matematičkim temeljima teorijske fizike. Bavi se pitanjima u području kvantne mehanike te atomske i molekularne fizike.

Međusektorske vještine
  • metodologija znanstvenog istraživanja
  • podatkovna znanost
Softver i tehnologije
Structured query language SQLSASPythonRMicrosoft SQL ServerThe MathWorks MATLABIBM SPSS StatisticsMicrosoft Visual BasicOracle DatabaseExtensible markup language XMLC++TableauOracle JavaESRI ArcGIS softwareJavaScriptTeradata DatabaseGoogle AnalyticsCPerlMicrosoft Visual Basic for Applications VBAPHPAmazon Web Services AWS softwareMicrosoft Azure softwareMySQLC#Eclipse IDEApache HadoopMicrosoft Visual StudioGitSplunk EnterpriseApache HiveGitHubApache CassandraRubyNoSQLAmazon RedshiftPuppetPostgreSQLElasticsearchApache Subversion SVN
Ključne osobine koje su vam potrebne
Analitičko razmišljanje Suradnja Priznanje Neovisnost Postignuće/Napori Postignuće Inovacija Integritet Prilagodljivost/Fleksibilnost Pouzdanost Raznolikost Otpornost na stres Vođstvo Briga za druge Socijalna orijentacija Samokontrola
Ključne nagrade koje možete očekivati
PostignućeUvjeti radaPriznanjeOdnosiPodrškaNeovisnost
Kako se kvalificirati

Kompjuterski znanstvenik: kako steći kvalifikacije i gdje studirati

Što je obično potrebno za kvalifikaciju: razina obrazovanja, gdje je to regulirana profesija i gdje studirati.

Tipična razina obrazovanja

Preddiplomski sveučilišni studij

Napredovanje u karijeri

Putovi rasta i slične uloge

Istražite tipične putove napredovanja u karijeri, srodne vještine i slične uloge kako biste planirali svoj sljedeći prijelaz.

Krajolik karijere

Gdje se uklapa kompjuterski znanstvenik / kompjuterska znanstvenica?

Ova uloga
kompjuterski znanstvenik / kompjuterska znanstvenica Ova uloga

Rezultati sličnosti temeljeni na preklapanju vještina iz ESCO podataka.

Za organizacije

Podaci na ovoj stranici u službi su vaših učenika, klijenata i zaposlenika.

Uobičajena pitanja

Često postavljana pitanja

Koje su ključne vještine potrebne za uspjeh kao kompjuterski znanstvenik/kompjuterska znanstvenica?
Osim dubokog znanja računalnih znanosti, ključne su analitičke vještine, sposobnost rješavanja problema, kreativnost, te sposobnost usmjeravanja i vođenja timova. Važno je i kontinuirano usavršavanje i praćenje najnovijih trendova u industriji.
Kako se radni dan tipičnog kompjuterskog znanstvenika/kompjuterske znanstvenice odvija?
Radni dan može uključivati istraživanje literature, pisanje koda, testiranje i analizu rezultata, sudjelovanje na sastancima s timom, te prezentiranje rezultata istraživanja. Često se radi na složenim projektima koji zahtijevaju koncentraciju i preciznost.
Koji su najčešći oblici zaposlenja za kompjuterske znanstvenike/kompjuterske znanstvenice u Hrvatskoj?
Kompjuterski znanstvenici/kompjuterske znanstvenice su najčešće zaposleni u tvrtkama, institucijama ili fakultetima. Uspostavili su se kao zaposlenici u tvrtkama, te je to najčešći oblik zaposlenja.
Kompjuterski Znanstvenik / Kompjuterska Znanstvenica — kolika je plaća u Sjedinjenim Državama?
140.910 dolara godišnje prema medijanu, na dan 2025-05. Medijani saveznih država kreću se od 82.590 do 206.220 dolara. Izvor: US Bureau of Labor Statistics. Podatak se odnosi na Sjedinjene Države i nije projekcija za Europu.

Izvori: ESCO O*NET ELA/EURES Cedefop BLS Podaci ažurirani 3. listopada 2026. O našim podacima