Хочу поступить
Скидка до
-20%
до 24 мая
Успей забронировать
место на курсе

Факультет искусственного интеллекта

Получите одну из самых востребованных IT-профессий. Машинное обучение от профессиональных преподавателей.

Хочу поступить
Программа разработана совместно с компаниями
Скидка до
-30%
до 21 октября
Платите позже ― отсрочка до 6 месяцев

Вам не нужно платить первый взнос и переплачивать процентную ставку, если оформите рассрочку у наших надёжных банков-партнёров.

• Без переплат по процентам
• Без оплаты первого взноса 
• Для граждан Беларуси 
• Надёжные банки-партнёры

Освойте Data Science с нуля и получите востребованную профессию

За два года спрос на Data Scientist-ов вырос в два раза, по данным rabota.by. С помощью методов машинного обучения они строят прогнозы и повышают эффективность бизнес-процессов в любой отрасли. Вы станете таким специалистом с нуля, а мы поможем вам с поиском работы.

После учебы вы сможете работать по специальностям
  • Data Scientist
  • Data Analyst
  • Machine Learning Engineer
  • Computer Vision-специалист
  • NLP-специалист

Зарабатывайте в любых условиях

Получайте заказы на фрилансе или удаленке
Стройте карьеру в компании или стартапе
Развивайте свой бизнес

Обучение в GeekBrains — двойная выгода для карьеры

По данным сайта rabota.by, выйдя на уровень middle-специалиста, Вы будете претендовать на более высокую зарплату и на большее количество вакансий.

2 400 BYN

Зарплата в месяц

11%от всех на rabota.by

Доступных вакансий

4 000 BYN

Зарплата в месяц

56%от всех на rabota.by

Доступных вакансий

Как вы найдете работу с помощью GeekUniversity

1

Дадим необходимые знания

Вы получите все навыки на курсах основного обучения и факультативах от компаний-партнёров.
2

Вместе оформим резюме

Вы подадите заявку в сервис трудоустройства, а HR-специалисты GeekBrains помогут создать резюме, которое выделит вас среди других кандидатов.
3

Предложим подходящие вакансии

Мы поможем вам с поиском идеального места работы на популярных ресурсах. И вместе с вами напишем сопроводительное письмо.
4

Поможем получить работу мечты

Мы дадим советы по прохождению собеседования. И поздравим с оффером :)

Гарантия трудоустройства закреплена в договоре. Если после успешного обучения, вы не найдёте работу, мы вернём вам деньги

Наши ученики трудоустроились в компании

Почему нас выбирают

Живое общение

В курсе 70% вебинаров с кураторами: вы сможете задать вопросы по теме и быстро получить обратную связь.

Актуальная программа

Каждый месяц мы обновляем материал, чтобы вы получали актуальные знания.

Постоянная практика

Вы сможете тренироваться на наших учебных стендах — специальной инфраструктуре, и добавите 14 кейсов в портфолио.

Методические материалы

После каждого занятия вы получите методички в формате Jupiter Notebook —  это мощный инструмент для интерактивных вычислений.

Куратор

Поможет вам освоиться в личном кабинете, в процессе обучения всегда будет на связи и поможет найти ответы на вопросы.

Доступ к сообществу GeekBrains

Вы найдёте полезные контакты и единомышленников в вашем городе, сможете делиться опытом в базе знаний GeekBrains. Будете посещать закрытые митапы, хакатоны и другие онлайн-мероприятия как слушатели и спикеры.

Студент-ментор

Специалисты, которые успешно прошли этот курс, станут вашими менторами. Они подскажут, как справиться с практическими работами и помогут исправить ошибки.

Вас будут обучать эксперты-практики

Сергей Ширкин
Data Scientist в Dentsu Aegis Network Russia, декан факультета

Применял технологии машинного обучения и искусственного интеллекта в Сбербанке и Росбанке, компаниях Equifax и Dentsu Aegis Network Russia.

Дмитрий Коробченко
Deep Learning R&D инженер и руководитель направления в NVIDIA

Эксперт в области нейронных сетей и машинного обучения, спикер на образовательных и научно-популярных мероприятиях. Опыт в Deep Learning – с 2012 года. Закончил ВМиК МГУ. Ранее работал в исследовательском центре Samsung.

Алексей Петренко
Python Developer, фрилансер

Разрабатывает IT-решения по автоматизации процессов учёта наличия и движения людей и технических средств для Министерства обороны. За 20 лет в IT писал программы на более чем 30 языках программирования.

Андрей Буранов
Cистемный администратор ОС Linux в Mail.ru Group

Работал в компании NetCracker: получил опыт инженера NIX-систем и тренера-эксперта, преподавал курсы «Linux and UNIX Basic» и «Файловые системы».

Ксения Густокашина
Аналитик данных в X5 Retail Group

Строит дашборды для планирования ассортимента сети «Пятёрочка», создаёт пайплайн по обработке данных от витрины до продакшна, исследует данные для запуска моделей. До этого работала в компании «Платформа ОФД».

Никита Баранов
Data Scientist в компании oneFactor

Сотрудничал с «Платформой ОФД», прогнозировал спрос для «Пятёрочки». Соавтор проекта о влиянии транскрипционного шума в ДНК на процессы старения — призёра Летней школы Института биоинформатики.

Александр Шеметов
Системный администратор Linux

С 2006 года работает в филиале МТС. Эксперт в области поддержки вычислительных платформ.

Мария Корлякова
Доцент университета им. Н. Э. Баумана (калужский филиал)

К. т. н., доцент кафедры «Системы автоматического управления и электротехника» Московского государственного технического университета им. Н. Э. Баумана (калужский филиал). Отвечает за модуль интеллектуальной обработки информации.

Инна Котова
Фрилансер, математик-экономист

Выпускница экономического факультета МГУ по специальности «Математические методы анализа экономики». Преподает высшую математику и математический анализ.

Артем Зраев
Data scientist в игровой студии Creative Mobile

Создает внутриигровые системы рекомендаций и автоматизирует распределение бюджетов рекламных кампаний. До этого строил поведенческие профили пользователей в Mail.ru Group и прогнозировал отток клиентов в МТС. Преподаватель в МГУ.

Учитесь по своим правилам

У курса два формата обучения:
• живые вебинары;
• видеолекции в записи.



Везде предусмотрены практические работы и их проверка куратором. Выберите удобный формат, проконсультировавшись с менеджером.

Программа обучения

Наша программа одна из самых объёмных и содержательных. В то же время её легко понять, потому что знания даются постепенно: от базы к продвинутым инструментам.

380

часов обучающего контента

14

проектов в портфолио

2

вебинара в неделю

I год

Подготовительные курсы

Их необязательно проходить, но они помогут лучше погрузиться в обучение.

Курсы

Видеокурс: как учиться эффективно
  • Расскажем, как спланировать обучение, чтобы сохранить интерес, получить максимум пользы и всё успеть.
7 видеоуроков
Основы математики
  • Сможете освежить базовые знания по математике и облегчить погружение в методы машинного обучения.
14 видеоуроков
Основы программирования
  • Узнаете об особенностях языков программирования и получите первый опыт написания кода.
17 видеоуроков
Основы языка Python
  • Курс для новичков и опытных программистов: вы познакомитесь с инструментами разработки и освоите машинное обучение на Python.
17 видеоуроков
Git. Базовый курс
  • Познакомим с основными понятиями: репозиторий, коммит, тег, ветки, создание и клонирование репозитория, слияние веток, запрос истории изменений.
13 видеоуроков
I четверть

Программирование

Научитесь работать в Linux и создавать сервера в облачных сервисах AWS, проводить поиск информации и основные операции с файлами, выполнять мониторинг работы сервера. Научитесь использовать язык запросов SQL, создавать и оптимизировать сложные запросы. Освоите библиотеки языка Python, предназначенные для Data Science: Numpy, Pandas, Matplotlib, SciKit-Learn.

Курсы

Встреча декана со студентами
Основы языка Python
  • Знакомство с Python
  • Встроенные типы и операции с ними
  • Функции
  • Полезные инструменты
  • Работа с файлами
  • Объектно-ориентированное программирование
  • ООП. Продвинутый уровень
  • ООП. Полезные дополнения
4 недели— 8 занятий
Linux. Рабочая станция
  • Введение. Установка ОС
  • Настройка и знакомство с интерфейсом командной строки
  • Пользователи. Управление Пользователями и группами
  • Загрузка ОС и процессы
  • Устройство файловой системы Linux. Понятие Файла и каталога
  • Введение в скрипты bash. Планировщики задач crontab и at
  • Управление пакетами и репозиториями. Основы сетевой безопасности
  • Введение в docker
4 недели — 8 видеоуроков
Основы реляционных баз данных и MySQL
  • Вебинар. Установка окружения. DDL - команды
  • Видеоурок. Управление БД. Язык запросов SQL
  • Вебинар. Введение в проектирование БД
  • Вебинар. CRUD-операции
  • Видеоурок. Операторы, фильтрация, сортировка и ограничение. Агрегация данных
  • Вебинар. Операторы, фильтрация, сортировка и ограничение. Агрегация данных
  • Видеоурок. Сложные запросы
  • Вебинар. Сложные запросы
  • Видеоурок. Транзакции, переменные, представления. Администрирование. Хранимые процедуры и функции, триггеры
  • Вебинар. Транзакции, переменные, представления. Администрирование. Хранимые процедуры и функции, триггеры
  • Видеоурок. Оптимизация запросов. NoSQL
  • Вебинар. Оптимизация запросов
6 недель — 12 занятий
Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn
  • Введение в курс
  • Вычисления с помощью Numpy. Работа с данными в Pandas
  • Визуализация данных в Matplotlib
  • Обучение с учителем в Scikit-learn
  • Обучение без учителя в Scikit-learn.
  • Обучение без учителя в Scikit-learn и введение в итоговый проект
  • Консультация по итоговому проекту
5 недель — 10 занятий

Проект:

  • Предсказание цен на недвижимость
II четверть

Сбор данных и статистическое исследование

Познакомитесь с теорией вероятностей и математической статистикой. Изучите методы проведения корреляционного, дисперсионного и регрессионного анализа. Научитесь работать с RESTful/SOAP-сервисами, форматами XML и JSON в Python, а также познакомитесь с особенностями открытых данных (OpenData).

Курсы

Библиотеки Python для Data Science: продолжение
  • Введение в задачу классификации. Постановка задачи и подготовка данных.
  • Анализ данных и проверка статистических гипотез.
  • Построение модели классификации.
  • Оценка и интерпретация полученной модели. Обсуждение курсового проекта.
2 недели — 4 занятия
Методы сбора и обработки данных из сети Интернет
  • Основы клиент-серверного взаимодействия. Парсинг API
  • Парсинг HTML. BeautifulSoup, MongoDB
  • Системы управления базами данных MongoDB и SQLite в Python
  • Парсинг HTML. XPath
  • Scrapy
  • Scrapy. Парсинг фото и файлов
  • Selenium в Python
  • Работа с данными
4 недели — 8 занятий
Введение в математический анализ
  • Вводный урок
  • Множество. Последовательность. Часть 1
  • Множество. Последовательность. Часть 2
  • Предел функции. Часть 1
  • Предел функции. Часть 2
  • Производная функции одной переменной. Часть 1
  • Производная функции одной переменной. Часть 2
  • Производная функции нескольких переменных. Часть 1
  • Производная функции нескольких переменных. Часть 2
  • Интеграл. Ряды. Часть 1
  • Интеграл. Ряды. Часть 2
5 недель — 11 занятий
Теория вероятностей и математическая статистика
  • Случайные события. Вероятные события. Условная вероятность. Формула Байеса
  • Дискретные случайные величины. Закон распределения вероятностей. Биноминальный закон распределения. Распределение Пуассона
  • Основы математической статистики. Количественные характеристики популяции. Графическое представление данных
  • Непрерывные случайные величины. Функция распределения и функция плотности. Нормальное распределение. Центральная предельная теорема
  • Проверка статистических гипотез. P-значения. Доверительные интервалы
  • Взаимосвязь величин. Показатели корреляции. Корреляционный анализ. Проверка на нормальность
  • Линейная регрессия. Двухвыборочный t-тест. A/B-тестирование
  • Дисперсионный анализ. Метод главных компонент. Логистическая регрессия
4 недели — 8 занятий

Проекты:

  • Сбор информации по заданным критериям
  • Разведочный анализ данных (EDA) на основе полученной информации
III четверть

Математика для Data Scientist

Рассмотрите математические аспекты алгоритмов, применяемых в Data Science: линейная и логистическая регрессия, градиентный спуск, метод ближайших соседей, кластеризация, деревья решений, случайный лес, градиентный бустинг. Поймете, как устроены алгоритмы на уровне математики.

Курсы

Линейная алгебра
  • Линейное пространство
  • Матрицы и матричные операции
  • Линейные преобразования
  • Системы линейных уравнений
  • Сингулярное разложение матриц
3 недели — 5 занятий
7 часов обучающего контента, 15 часов практики
Алгоритмы анализа данных
  • Алгоритм линейной регрессии. Градиентный спуск
  • Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спуск
  • Логистическая регрессия. Log Loss
  • Алгоритм построения дерева решений
  • Случайный лес
  • Градиентный бустинг (AdaBoost)
  • Классификация с помощью KNN. Кластеризация K-means
  • Снижение размерности данных
4 недели — 8 занятий

Проект:

  • Построение модели кредитного скоринга для банка
IV четверть

Машинное обучение

Освоите Python: от основ программирования до автоматизации, сбора, обработки, анализа и визуализации данных.

Курсы

Машинное обучение в бизнесе
  • Data-driven-подход на примере задачи маршрутизации заявок в helpdesk
  • Профилирование пользователей. Сегментация: unsupervised learning (clustering, LDA/ARTM), supervised (multi/binary classification)
  • Связь бизнес-показателей и DS-метрик
  • Uplift-моделирование
  • Задача оттока: варианты постановки, возможные способы решения
  • Задача look-alike
  • Интерпретация прогнозов модели (SHAP): объясняем поведение модели на отдельных наблюдениях
  • Проверяем работу модели на практике: A/B-тестирование
  • Интеграция. Итоговый проект
5 недель — 10 занятий
Рекомендательные системы
  • Введение, примеры задач, бизнес- и ML-метрики
  • Бейзлайны и детерминированные алгоритмы item-item
  • Коллаборативная фильтрация
  • Рекомендательные системы на основе контента
  • Поиск похожих товаров и пользователей. Гибридные рекомендательные системы
  • Двухуровневые модели рекомендаций
  • Рекомендательные системы в бизнесе
  • Консультация к курсовому проекту
4 недели — 8 занятий
Видеокурс от Мегафон + курсовой проект
  • Видеотеория
  • Курсовой проект
2 недели — 2 занятия

Проекты:

  • Рекомендательная система для интернет-магазина
  • Прогнозирование оттока абонентов
  • Алгоритм для определения вероятности подключения услуги

II год

V четверть

Нейронные сети

Научитесь решать задачи Machne Learning с данными из соцсетей, геоданными, применением графов, а также познакомитесь с нейронными сетями. На практике познакомитесь с фреймворками для разработки нейронных сетей: Tensorflow, Keras, PyTorch.

Курсы

Введение в нейронные сети
  • Основы обучения нейронных сетей
  • Keras
  • TensorFlow
  • Сверточные нейронные сети
  • Рекуррентные нейронные сети
  • Сегментация
  • Детектирование объектов
  • GAN
4 недели — 8 занятий
Фреймворк PyTorch для разработки искусственных нейронных сетей
  • Введение в PyTorch
  • CNN and LSTM for human action recognition
  • Generative adversarial networks (GAN): генеративные сети
  • Image Segmentation
  • Face Detection and Emotion Recognition
3 недели — 5 занятий

Проект:

  • Распознавание и классификация изображений
VI четверть

Задачи искусственного интеллекта

Изучите продвинутые архитектуры сверточных нейронных сетей, обработку естественного языка и компьютерное зрение.

Курсы

Введение в обработку естественного языка
  • Предобработка текста
  • Создание признакового пространства
  • Embedding word2vec fasttext
  • Тематическое моделирование. EM-алгоритм
  • Part-of-Speech разметка, NER, извлечение отношений
  • Классификация текста. Анализ тональности текста
  • Сверточные нейронные сети для анализа текста
  • Рекуррентные нейронные сети RNN LSTM GRU
  • Языковое моделирование
  • Машинный перевод. Модель seq2seq и механизм внимания
  • Модель Transformer-1
  • Модель Transformer-2
  • Модель BERT и GPT
  • Transfer learning
  • Консультация по курсовому проекту. Создание чат-бота в Telegram
  • Консультация по курсовому проекту. Создание чат-бота в Telegram
8 недель — 16 занятий
Глубокое обучение в компьютерном зрении
  • Обработка изображений и компьютерное зрение
  • Свёрточные нейронные сети (СНС)
  • Продвинутые архитектуры свёрточных нейросетей
  • Семантическая сегментация
  • Детектирование объектов
  • Metric learning
  • Обработка видео
  • Синтез изображений
4 недели — 8 занятий

Проекты:

  • Определение эмоциональной окраски текста и классификация текстов
  • Приложение, которое анализирует объекты на камере
  • Чат-бот на основе искусственного интеллекта, который может общаться на любые темы
II четверть

Углубленное изучение направления

Изучите фреймворк PyTorch и углубитесь в работу с компьютерным зрением и обработкой естественного языка.

Курсы

Введение в компьютерное зрение от Nvidia
  • Обработка изображений и компьютерное зрение
  • Свёрточные нейронные сети
  • Продвинутые архитектуры свёрточных нейросетей
  • Семантическая сегментация
  • Детектирование объектов
  • Metric learning
  • Обработка видео
  • Синтез изображений
4 недели — 8 занятий
12 часов обучающего контента, 24 часа практики
Фреймворк PyTorch для разработки искусственных нейронных сетей
  • Введение в PyTorch
  • Распознавание действий человека. Свёрточная нейронная сеть (CNN) и LSTM.
  • Generative adversarial networks (GAN): генеративные сети
  • Сегментация изображений
  • Распознавание лиц и эмоций
3 недели — 5 вебинаров
10 часов теории, 15 часов практики
Введение в обработку естественного язык
  • Предобработка текста
  • Создание признакового пространства
  • Разметка part-of-speech Распознавание именованных сущностей (NER). Извлечение отношений
  • Классификация текста. Анализ тональности текста
  • Свёрточные нейронные сети для анализа текста
  • Рекуррентные нейронные сети. LSTM. Управляемые рекуррентные блоки (GRU)
  • Модель Transformer
  • Модель BERT
  • Консультация по курсовому проекту. Создание чат-бота в Телеграме
4 недели — 10 занятий
15 часов теории, 30 часов практики

Проекты:

  • Приложение, которое анализирует объекты на камере
  • Чат-бот на основе искусственного интеллекта, который может общаться на любые темы
Курсы вне четверти

Предметы с индивидуальным выбором даты старта

Вы можете формировать часть расписания самостоятельно и регулировать интенсивность обучения.

Курсы

Подготовка к поиску работу
  • Как составить резюме, которое точно заметят
  • Составляем карту поиска работы
  • Зачем нужны сопроводительные письма
  • Что вас ждет на собеседовании с HR
2 недели — 4 занятия
История развития искусственного интеллекта
  • Историческая справка об искусственном интеллекте
  • Три парадигмы искусственного интеллекта и подходы в них
  • Мифы и факты об искусственном интеллекте
  • Философия сознания и краткое введение в нейрофизиологию
  • Методы искусственного интеллекта
  • Сферы применения искусственного интеллекта
  • Смежные технологии и дальнейшее развитие
3 недели — 7 занятий
Алгоритмы и структуры данных на Python
  • Введение в Алгоритмизацию и простые алгоритмы на Python
  • Циклы, рекурсия, функции
  • Массивы
  • Эмпирическая оценка алгоритмов
  • Коллекции. Модуль Collections
  • Работа с динамической памятью
  • Алгоритмы сортировки
  • Графы
  • Деревья. Хеш-функции
5 недель — 9 занятий
Введение в высшую математику
  • Элементарная алгебра
  • Введение в аналитическую геометрию. Графики на плоскости
  • Элементы теории вероятностей
  • Введение в линейную алгебру
2 недели — 4 занятия
Спортивный анализ данных. Платформа Kaggle
  • Введение в спортивный анализ данных, Exploration Data Analysis.
  • Обзор основных алгоритмов машинного обучения, используемых в соревнованиях
  • Построение надежных схем валидации решения, оптимизация целевых метрик
  • Консультация №1
  • Feature Engineering, Feature Selection. Часть 1
  • Feature Engineering, Feature Selection. Часть 2
  • Тюнинг гиперпараметров, построение ансамблей алгоритмов.
  • Консультация №2.
  • Курсовой проект: inclass соревнование на площадке kaggle
9 недель — 9 занятий
Язык R для анализа данных
  • Начало работы в R
  • Обработка данных для анализа
  • Разведочный анализ данных в R
  • Статистический анализ в R. Доверительный интервал и тест гипотезы
  • Статистический анализ в R. Anova. Регрессионный анализ.
3 недели — 5 занятий
Визуализация данных в Tableau
  • Знакомство с основным функционалом Tableau Desktop
  • Вычисления и графики
  • Сложные вычисления
  • Использование TabPy для интеграции Python в Tableau
2 недели — 4 занятия
Сверточные нейронные сети в компьютерном зрении
  • Знакомство со сверточными нейронными сетями
  • Влияние параметров архитектуры на свойства нейронной сети
  • Использование сверточных нейронных сетей в компьютерном зрении
2 недели — 3 занятия

Проект:

  • Соревнование на площадке Kaggle

Получите программу курса на email

Нажимая на кнопку, вы даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.
Спасибо!
Программа отправлена на вашу почту.
Oops! Something went wrong while submitting the form.

Освойте современные технологии и компетенции Data Science за полтора года практического обучения

Python
Tensorflow
Keras
PyTorch
Scrapy
MongoDB
Numpy
Pandas
Matplotlib
Scikit-learn
Seaborn
spaCy
Jupyter
SQL
Linux
PyCharm
Beautiful soup
OpenCV
Docker
Git
Опыт выступлений в соревнованиях по Data Mining (Kaggle)
Опыт построения моделей прогнозирования цен и спроса
Опыт сегментации, кластеризации и классификации клиентской базы
Владение методами прикладной статистики, теории вероятностей
Опыт построения скоринговых моделей
Опыт формирования отчетов анализа данных
Опыт построения рекомендательных систем
Знание алгоритмов и структур данных
Знание библиотек для машинного обучения (Scikit-learn, XGBoost, Vowpal Wabbit)
Умение писать «чистый» код

Вы получите сертификат о профессиональной переподготовке

Мы проводим обучение на основании государственной лицензии № 040485. Это значит, что у вас будет официальный документ, который подтвердит профессиональную переподготовку. Для работодателя это показатель, что вы разобрались в Data Science и самостоятельно выполнили проекты из вашего портфолио.

диплом факультета искусственного интеллекта

Истории успеха

Истории успеха GeekBrains
«Поменял специальность и избавился от рутины»
Юрий Рябинин
Читать подробнее
Истории успеха GeekBrains
«Развиваю бизнес с помощью искусственного интеллекта»
Ярослав Стеценко
Читать подробнее
Истории успеха GeekBrains
«Прогнозирую спрос с помощью Data Science»
Константин Воронков
Читать подробнее
Истории успеха GeekBrains
«Зарабатываю в 2,5 раза больше, чем раньше»
Алексей Старцев
Читать подробнее
Истории успеха GeekBrains
«Мир меняется всё быстрее, нужно соответствовать реалиям»
Александр Вайншток
Читать подробнее

GeekBrains дарит подарки слушателям курса

Стоимость обучения

Рассрочка до 24 месяцев: удобно вносить небольшие суммы
230 BYN /месяц
36 458 ₸ ₽/месяц
Полгода обучения за наш счет: разбиваем стоимость и первые полгода платим за вас

Стоимость курса

Рассрочка до 24 месяцев без переплат

Удобно вносить небольшие суммы

Платите в удобном темпе

Если вам комфортно платить за образование по частям ― оформите рассрочку от банка-партнёра без переплат. 
0 ₽
в месяц
первые шесть месяцев
Цена сегодня
158 BYN/мес
Цена без скидки
226 BYN/мес
Рассрочка до 24 месяцев
Удобно вносить небольшие суммы
Планируйте свой бюджет
Оформите рассрочку, не оплачивая первый взнос. Вы сможете начать платить за курс через 6 месяцев после начала занятий. Оставляйте заявку и узнайте подробности от нашего консультанта. 

Записаться на курс и получить бесплатную карьерную консультацию

Начало занятий: 15 июля
Бесплатный звонок  +375 29 171-55-70
Отправляя заявку,  вы принимаете условия публичного договора и даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.
Спасибо! 
Ваша заявка принята. Наш менеджер свяжется с вами в ближайшее время.
Упс! Что-то пошло не так
Скидка до
-30%
до 21 октября

Часто задаваемые вопросы

Как проходит обучение?

Несколько раз в неделю, вечером, проходят online-лекции, на которых куратор объясняет темы. Слушатели курса следят за действиями эксперта на экране, задают вопросы, получают практические задания и обсуждают материал в чате. На следующем занятии куратор проверяет, выделяет плюсы и минусы в самостоятельной работе. Некоторые курсы будут представлены в виде заранее записанных видеолекций.

Что делать, если я не могу учиться онлайн?

Для тех, кто не смог вовремя посмотреть лекцию, команда GeekBrains записывает занятия на видео, которые доступны в разделе обучения. Чтобы быстрее вникнуть в суть пропущенного вебинара, воспользуйтесь методичкой.

Можно ли делать перерывы в обучении?

Между курсами можно делать перерывы и регулировать интенсивность своего развития по мере усвоения знаний. Мы рекомендуем не записываться на все курсы сразу, а проходить их последовательно и работать на результат.

Кто преподаёт в GeekBrains?

Преподавать в GeekBrains могут только специалисты с большим опытом реализации проектов. Мы проводим жёсткий отбор кандидатов с помощью программ аттестации и внутреннего обучения. Пользователи платформы оценивают уровень куратора и качество программы по пятибалльной шкале. Таким образом, мы улучшаем образовательный процесс ежедневно.

Помогаете ли вы с трудоустройством?

Мы помогаем с трудоустройством слушателям курса, которые показывали хорошую успеваемость на протяжении обучения и подали заявку в сервис трудоустройства. Мы поможем вам с поиском идеального места работы на популярных ресурсах. И вместе с вами напишем сопроводительное письмо. Вместе мы сделаем все, чтобы вы начали строить карьеру и расти профессионально.


Что делать, если у меня проблема или срочный вопрос?

Если вы являетесь слушателем платных курсов и у вас возникли вопросы, связанные с образовательным процессом, свяжитесь с нами: info@geekbrains.by или +375 29 171-55-70 (звонок бесплатный). По остальным вопросам пишите нам на info@geekbrains.by

Для прохождения курса нужны специальные знания?

Курс ориентирован на тех, кто хочет изучить Data Science с нуля, поэтому специальные знания не нужны.

Какие минимальные требования к оборудованию и программному обеспечению?

Для учебы вам необходим компьютер с двухъядерным (желательно четырехъядерным) процессором с частотой 1.8 ГГц и выше, и оперативной памятью от 2 Гб (в идеале 4Гб). На нем должна быть установлена любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: для Java — установленный JDK и любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.