Получить консультацию
Нажимая кнопку, я соглашаюсь с Положением о персональных данных и даю согласие на их обработку и хранение
Записаться на курс
Нажимая кнопку, я соглашаюсь с Положением о персональных данных и даю согласие на их обработку и хранение
#
Средняя зарплата ML-инженера в области нейросетей
#
Получите реальный опыт в компании «Моторика»
#
Начнем с основ и шаг за шагом доведем до реальных проектов
#
Поможем найти работу уже через 9 месяцев обучения
230 000 ₽
Стажировка в IT-компании
Подходит новичкам
Трудоустройство
Вернем деньги, если не найдете работу
Мы уверены в качестве обучения, поэтому вернем деньги, если не найдете работу за 6 месяцев после прохождения курса.
Подробнее об условиях участия в правилах
Кто такой ML-инженер
ML-инженер — это специалист в области Data Science, который разрабатывает и обучает модели машинного обучения, в том числе нейросети
Благодаря таким специалистам появляются рекомендательные системы (как у Netflix или Ozon), прогнозы спроса, автоматизация рутинных процессов, чат-боты, нейросети и системы распознавания лиц. Это помогает бизнесу увеличивать прибыль, снижать затраты и создавать новые сервисы
Благодаря таким специалистам появляются рекомендательные системы (как у Netflix или Ozon), прогнозы спроса, автоматизация рутинных процессов, чат-боты, нейросети и системы распознавания лиц. Это помогает бизнесу увеличивать прибыль, снижать затраты и создавать новые сервисы
Заработок будет расти вместе с опытом
По даннным исследования издания
GeekLink
GeekLink
~ 150к+
после курса
Junior
1-3 года
~ 250к+
Middle
~ 300к+
01
3+ лет
Senior
Одна из самых востребованных профессий в 2025 году
По данным World Economic Forum, специалисты по AI и машинному обучению — сегодня одни из самых востребованных. А из-за глобального роста рынка AI спрос на экспертов в Data Science будет высоким до 2030 года и дальше
Курс разработан совместно с академиком РАН из МГУ им. Ломоносова
Алексей Львович Семенов
Заведующий кафедрой математической логики
и теории алгоритмов МГУ
№1
среди российских вузов
по версии Times Higher Education World Reputation Rankings 2024 года
68%
работодателей доверяют качеству образования в МГУ
Участник разработок ПО для ИИ и суперкомпьютеров, лауреат премии ЮНЕСКО в области цифровых технологий в образовании и премии им. А. Н. Колмогорова за выдающиеся достижения в области математики
Топ-100
лучших университетов мира в области естественных наук в рейтинге QS World University Rankings by Subject 2024
Выпускник курса
Python-разработчик
Инструменты:
Ваши навыки после обучения
→
Использовать Python как основной рабочий инструмент
Вы сможете:
→
Интегрироваться с сервисами через API
→
Работать в направлениях ML или Computer Vision
→
Готовить данные для моделей и проводить их анализ
→
Разрабатывать и обучать модели машинного обучения
→
Формулировать задачи так, чтобы их одинаково понимали и бизнес, и разработчики
Официальные документы
Мы обучаем аналитиков по государственной лицензии. В конце курса выдаем документы, которые подтвердят ваши навыки
Диплом
Получите диплом о профессиональной переподготовке установленного образца
Сертификат
Можем перевести на английский и добавить рекомендацию куратора
Практика на реальных бизнес-задачах
Фэктори — формат, где студенты решают реальные кейсы с техническим заданием от компаний-партнеров.
ФЭКТОРИ
Реальные проекты в вашем портфолио
уникальных задач от компаний решили студенты
Участие в стажировках и хакатонах
Возможность устроиться на работу
Опыт работы над проектом в команде
300+
150+ партнеров
работали с Фэктори, среди них «Ашан», «Детский мир», Россельхозбанк, Ozon, АСТ, «Газпром нефть», «Антон тут рядом», «Ночлежка»
благодаря Фэктори достигли карьерных целей
75% студентов
в 2 раза чаще
других студентов трудоустраиваются участники Фэктори
Сервисы для PetSitter
Студенты разработали веб-парсер новостей для одного из самых популярных русскоязычных YouTube-каналов. Теперь команде не нужно искать инфоповоды вручную — система делает это автоматически.
Парсер новостей для «This is хорошо»
На кросс-функциональном хакатоне студенты предложили несколько вариантов сервиса. Лучшее решение доработали с партнёром — теперь оно доступно пользователям.
Сервис колаборативной аналитики для Vard
Кросс-функциональная команда студентов разработала игру для благотворительного фонда «Антон тут рядом». Цель — рассказать широкой аудитории о людях с расстройством аутистического спектра. Проект победил в IT-Песочнице и покорил сотрудников фонда.
Игра для «Антон тут рядом»
На хакатоне студенты создали Telegram-бота для сбора пожертвований в программу опеки зоопарка. История проекта набрала более 2 млн просмотров в соцсетях. Все животные из бота получили поддержку через программу опеки.
Бот для Московского зоопарка
Студенты предложили обновления для текущего приложения благотворительного проекта «Помощь». В обновлённом приложении появился функционал срочных сборов, удобная категоризация, блок спецпроектов с брендами и многое другое.
Приложение для «Помощи»
На хакатоне студенты обновили сайт сервиса аренды автомобилей для такси. Добавили определение локации, выбор города и подтверждение местоположения.
Лендинг для «Ё-такси»
Банк предложил студентам придумать игру, которая расскажет школьникам об агротехнологиях. На хакатоне разработали 6 прототипов, победила «Цифровая ферма» — её доработали и разместили на сайте банка.
Игра для «Россельхозбанка»
Кросс-функциональная команда студентов на IT-Песочнице обновила систему фонда. Теперь всё в одном приложении: волонтёры регистрируются, получают задачи и маршруты, зарабатывают бонусы, а кураторы следят за прогрессом.
Приложение для «Дари Еду»
Студенты разработали приложение, графическую новеллу и Telegram-бота, чтобы владельцы могли быстро найти надёжных ситтеров или комфортную передержку для своих питомцев.
Истории студентов,
окончивших курс
-
Анна
Данилова36 лет, София, Болгария
Раньше:
инструктор по йогеПосле курса:
дата-сайентист в DSK Bank«C собеседования я вышла с уверенностью, что упустила шанс. Но мне перезвонили, и вот я Data Scientist в самом крупном банке Болгарии.»
-
Даниил
Югай26 лет, Москва
Раньше:
руководитель группы кредитных инспекторовПосле курса:
аналитик процессов в «Тинькофф Банк»«Обучение быстро окупилось по деньгам, но не это главное — я занимаюсь тем, что мне интересно, с удовольствием езжу на работу, трачу часть своей жизни не впустую, а на любимое дело.»
-
Борис
Казаков26 лет, Петровац, Черногория
Раньше:
инструктор по скалолазаниюПосле курса:
аналитик данных в компании «Спутник»«На поиск работы у меня ушло два месяца. Я получил примерно 10 откликов, сделал около четырех тестовых заданий, прошел одно собеседование, после которого меня взяли на работу.»
-
Асият
Щамхалова36 лет, София
Раньше:
переводчикПосле курса:
«Эксмо-АСТ»: дата-сайентист и проджект-менеджер«На хакатоне „Эксмо-АСТ“ я показала навыки и теперь совмещаю две роли: дата-сайентиста и проджект-менеджера»
-
Виктор
Коваценко25 лет, Берлин, Германия
Раньше:
Procter and Gamble, финансистПосле курса:
AUTO1, джуниор дата-сайентист«Я стал дата-сайентистом, и моя зарплата выросла в 3,5 раза»
-
Сергей
Светлаков25 лет, Москва
Раньше:
Центральный институт авиационного моторостроения, специалистПосле курса:
Страховой дом ВСК, middle дата-сайентист«Я прошел годовой курс за три с половиной месяца и стал middle дата-сайентистом»
-
Надежда
Ковалева39 лет, Краснодар
Раньше:
Johnson & Johnson, финансовый контролер«Главное во всем — целенаправленно действовать, и все обязательно получится»
-
Олег
Плюснин48 лет, Киров
Раньше:
заведующий складом в автотранспортном хозяйствеПосле курса:
«Юникс», менеджер по оптовым продажам автотоваров«Я учился программированию в 90-х, но решил все вспомнить и теперь обучаю нейронные сети»
«Моторика»
Пройдете стажировку от компании-партнера
В рамках стажировки вы усовершенствуете прототип протеза руки на базе оптических датчиков. Это отличная возможность применить полученные знания на практике и добавить проект в портфолио
Российский разработчик и производитель роботизированных функциональных тяговых
и бионических протезов рук для детей и взрослых
Как проходит
обучение
В среднем оно занимает 10 часов в неделю — это 2 часа учебы в день по будням или 5 часов по выходным. Доступ к материалам курса остается навсегда
-
Формат
- Теория на понятном языке и много практики внутри единой онлайн- платформы
- Записанные лекции и задания для самостоятельной работы
- Разбор сложных тем на вебинарах с менторами
- Тренажеры с десятками заданий в каждом модуле программы
-
Обратная связь
- Менторы и координаторы поддержат и ответят на вопросы
- Менторы — опытные дата-сайентисты. Помогут разобраться в темах и проверят домашние задания.
- Координаторы — команда заботы о студентах. Решат организационные вопросы, поддержат и помогут пройти обучение до конца.
-
IT-сообщество
- На курсе у вас появятся связи, полезные для продвижения в сфере
- Общий чат курса, чтобы общаться с другими студентами
- Чат с ментором, чтобы прояснить непонятные темы и задания
- Мероприятия и стажировки с партнерами, чтобы наработать опыт и показать свои скиллы работодателям
-
Центр карьеры
- Поможем построить новую карьеру и будем с вами до самого оффера
- Соберем сильное резюме и расскажем, где искать вакансии
- Сформируем карьерный трек и подготовим к поиску работы
- Потренируем проходить собеседования
- Научим искать работу за рубежом
Кто обучает студентов
Куратор, преподаватели и менторы — опытные дата-сайентисты. Они составляют программу, следят за ее актуальностью
на рынке, продумывают и проверяют задания
Алексей Семенов
Академик РАН
Заведующий кафедрой математической логики и теории алгоритмов МГУ
Эмиль Магеррамов
Ведущий автор разделов ML и DS
Руководитель группы вычислительной химии в BIOCAD
Создает сервисы и модели машинного обучения, которые помогают химикам быстрее выпускать лекарства
Создает сервисы и модели машинного обучения, которые помогают химикам быстрее выпускать лекарства
Михаил Баранов
Автор раздела курса
Эксперт по Data Science
Компетенции: машинное обучение, большие данные, Python
Компетенции: машинное обучение, большие данные, Python
Маргарита Бурова
Ведущий автор раздела MATH&ML
Эксперт по Data Science
Компетенции: Python, машинное обучение, статистика, анализ данных
Компетенции: Python, машинное обучение, статистика, анализ данных
Александр Рыжков
Автор раздела про Kaggle
Руководитель команды LightAutoML
Kaggle Grandmaster
Компетенции: ML/DS, Python, математика, статистика, Kaggle
Kaggle Grandmaster
Компетенции: ML/DS, Python, математика, статистика, Kaggle
Екатерина Трофимова
Автор модулей по EDA
Исследователь лаборатории методов анализа больших данных, факультет компьютерных наук НИУ ВШЭ
Компетенции: Python, PyTorch, CV, GNN
Компетенции: Python, PyTorch, CV, GNN
Мария Жарова
Data Scientist в Wildberries
Владимир Горюнов
Антон Киселев
Ведущий автор раздела «Введение в DS»
Head of Marketing Analytics, Playrix
Эксперт по данным с опытом 15+ лет
Компетенции: Data Science
Эксперт по данным с опытом 15+ лет
Компетенции: Data Science
Ментор Skillfactory на курсах по Data Science, Data Engineering и fullstack-разработке на Python
Леонид Саночкин
Ментор по NLP
Андрей Рысистов
Автор модулей по Python и ML
Эксперт DS, преподаватель Skillfactory, автор курсов, автор и соавтор нескольких научных исследований и работ.
Сфера интересов — искусственный интеллект в авиационных технических системах
Сфера интересов — искусственный интеллект в авиационных технических системах
Елена Мартынова
Научный сотрудник AIRI
10+ лет занимается исследованиями в области NLP
10+ лет занимается исследованиями в области NLP
Ментор Skillfactory
Компетенции: BI, SQL, Python, аналитика
Алек Леков
Senior ML Engineer, МТС
Основные компетенции — временные ряды, Deep Learning и нейронные сети.
Занимается консалтингом в сфере AI
Занимается консалтингом в сфере AI
КУРАТОР КУРСА
Вернем деньги, если не найдете работу
ЦЕНТР КАРЬЕРЫ
Поделимся профильными telegram-каналами и своей базой работодателей
Дадим инструменты для поиска вакансий
Расскажем об особенностях найма в IT на карьерном интенсиве
Подготовим к собеседованию
Адаптируем под запросы компаний, подсветим ваши достоинства
Соберем сильное резюме
6000 выпускников
достигли своих целей
90% выпускников
Мы уверены в качестве обучения, поэтому вернем деньги, если не найдете работу за 6 месяцев после прохождения курса.
Это закреплено в договоре.
работают по новой специальности
Программа обучения профессии
Программа курса составлена вместе с опытными дата-сайентистами — они прошли путь от новичка до старшего специалиста и знают, какие навыки нужны нанимающим компаниям
25 месяцев 520 часов практики 224 часа теории 7 проектов 2 финальных проекта
База
Введение
1 неделя
- INTRO-1. Как учиться эффективно — онбординг по обучению
- INTRO-2. Обзор профессии. Типы задач в Data Science. Этапы и подходы к разработке Data Science-проекта
Вы сможете
- сформулировать для себя реальные цели обучения
- узнать, в чем ценность DS для бизнеса
- познакомиться с основными задачами дата-сайентиста
- разобраться, как строится разработка любого DS-проекта
Проектирование разработки
5 недель
- PYTHON-1. Основы Python
- PYTHON-2. Погружение в типы данных
- PYTHON-3. Условные операторы
- PYTHON-4. Циклы
- PYTHON-5. Функции и функциональное программирование
- PYTHON-6. Практика
- PYTHON-7. Бонус: гайд по стилю в среде Python
Вы сможете
- работать с основными типами данных с помощью языка Python
- применять в повседневной работе циклические конструкции, условные операторы и функции
Основы математики
7 недель
- MATH-1. Числа и выражения
- MATH-2. Уравнения и неравенства
- MATH-3. Основные понятия теории функций
- MATH-4. Основы геометрии: планиметрия, тригонометрия и стереометрия
- MATH-5. Множества, логика и элементы статистики
- MATH-6. Комбинаторика и основы теории вероятности
- MATH-7. Решение задач
Вы научитесь:
- совершать операции над числами
- решать уравнения
- использовать свойства функций и их графиков
- решать математические задачи
Работа с данными
8 недель
1 проект
- PYTHON-8. Инструменты Data Science
- PYTHON-9. Библиотека NumPy
- PYTHON-10. Введение в Pandas
- PYTHON-11. Базовые приемы работы с данными в Pandas
- PYTHON-12. Продвинутые приемы работы с данными в Pandas
- PYTHON-13. Очистка данных
- PYTHON-14. Визуализация данных
- PYTHON-15. Принципы ООП в Python и отладка кода (дополнительный модуль)
Вы научитесь:
- подготавливать, очищать и преобразовывать данные
- анализировать данные с помощью популярных библиотек Matplotlib, Seaborn, Plotly
Проект 1. Аналитика датасета по закрытым вопросам
Подгрузка данных
6 недель
1 проект
- PYTHON-16. Как выгружать данные из файлов разных форматов
- PYTHON-17. Получение данных из веб-источников и API
- SQL-0. Привет, SQL!
- SQL-1. Основы SQL
- SQL-2. Агрегатные функции
- SQL-3. Соединение таблиц
- SQL-4. Сложные объединения
Вы научитесь:
- выгружать данные из разных форматов и источников при помощи SQL
- использовать агрегатные функции, соединения таблиц и сложные объединения
Проект 2. Подгрузка новых данных. Уточнение анализа
Разведывательный анализ данных
7 недель
1 проект
- EDA-1. Введение в разведывательный анализ данных. Алгоритмы и методы EDA
- EDA-2. Математическая статистика в контексте EDA. Типы признаков
- EDA-3. Проектирование признаков (Feature Engineering)
- EDA-4. Статистический анализ данных на Python. Часть 1
- EDA-5. Статистический анализ данных на Python.
- EDA-6. Проектирование экспериментов
- EDA-7. Kaggle-площадка
Вы научитесь:
- проводить разведывательный анализ данных (EDA) с помощью библиотек Statsmodels, Scikit Learn, Seaborn, Matplotlib, SciPy, Pandas
- работать на Kaggle, популярной платформе для участия в соревнованиях
Проект 3. EDA + Feature Engineering. Соревнование на Kaggle
Введение в машинное обучение
9 недель
1 проект
- ML-1. Теория машинного обучения
- ML-2. Обучение с учителем: регрессия
- ML-3. Обучение с учителем: классификация
- ML-4. Обучение без учителя: кластеризация и техники понижение размерности
- ML-5. Валидация данных и оценка модели
- ML-6. Отбор и селекция признаков
- ML-7. Оптимизация гиперпараметров модели
- ML-8. ML Cookbook
Вы научитесь:
- обучать основные виды ML-моделей
- проводить валидацию
- интерпретировать результаты работы и выбирать важные признаки (feature importance)
Проект 4. Задача классификации
Основной блок
Математика и машинное обучение
6 недель
1 проект
- MATH&ML-1. Линейная алгебра в контексте линейных методов. Часть 1
- MATH&ML-2. Линейная алгебра в контексте линейных методов. Часть 2
- MATH&ML-3. Математический анализ в контексте задачи оптимизации. Часть 1
- MATH&ML-4. Математический анализ в контексте задачи оптимизации. Часть 2
- MATH&ML-5. Математический анализ в контексте задачи оптимизации. Часть 3
Вы научитесь
- решать практические задачи с помощью ручного счета и Python
- производить векторные и матричные вычисления
- работать с множествами
- исследовать функции с помощью дифференциального анализа
Проект 5. Задача регрессии
Математика и машинное обучение
6 недель
1 проект
- MATH&ML-6. Теория вероятностей в контексте наивного байесовского классификатора
- MATH&ML-7. Алгоритмы на основе деревьев решений
- MATH&ML-8. Бустинг и стекинг
- MATH&ML-9. Кластеризация и техники понижения размерности. Часть 1
- MATH&ML-10. Кластеризация и техники понижения размерности. Часть 2
- Вы познакомитесь с основными понятиями теории вероятности и математической статистики, алгоритмами кластеризации.
- Научитесь оценивать качество произведенной кластеризации и представлять результаты в графическом виде.
Проект 6. Сегментирование клиентов онлайн-магазина подарков
Дискретная математика
4 недели
- MATH&MGU-1 Множества и комбинаторика
- MATH&MGU-2 Логика
- MATH&MGU-3 Графы. Часть 1
- MATH&MGU-4 Графы. Часть 2
ML в бизнесе
8 недель
1 проект
- MATH&ML-11. Временные ряды. Часть 1
- MATH&ML-12. Временные ряды. Часть 2
- MATH&ML-13. Рекомендательные системы. Часть 1
- MATH&ML-14. Рекомендательные системы. Часть 2
- PROD-1. Подготовка модели к продакшену
- PROD-2. Прототип Streamlit + Heroku
- PROD-3. Бизнес-понимание. Кейс
Вы научитесь:
- использовать ML-библиотеки для решения задачи временных рядов и рекомендательных систем
- обучать ML-модель и проводить ее валидацию
- создавать работающий прототип и запускать модель в веб-интерфейсе
- проводить A/B-тесты для оценки модели
Проект 7. Тема на выбор: временные ряды или рекомендательные системы
Уровень PRO
Профориентация: ML или CV
10 недель
Вам предстоит сделать выбор, по какому пути двигаться дальше.
Вы узнаете о каждой специализации и решите несколько практических задач, чтобы было проще определиться.
ML-инженер
29 недель
- Введение в Deep Learning
- Основы Data Engineering
- Дополнительные главы Python и ML
- Экономическая оценка эффектов и разработка MVP
- ML в продакшене
- Углубленное изучение ML-разработки
Вы научитесь:
- решать углубленные задачи машинного обучения
- работать с библиотеками Python
- создавать MVP (минимально жизнеспособную версию продукта)
Выпускной проект по выбранной теме
CV-инженер
29 недель
- Deep Learning в задачах Computer Vision
- Базовые задачи Computer Vision
- Проект: детектирование медицинских масок
- Проект: сегментация космических аппаратов
- Продвинутые задачи Computer Vision
- Real life CV-специалиста и работа над дипломом
Вы научитесь:
- решать задачи компьютерного зрения (классификация изображений, сегментация и детекция, генерация и стилизация)
- выводить нейронные сети в продакшен
Выпускной проект по выбранной теме
Остались вопросы
по программе? Оставляйте заявку на бесплатную консультацию
Ответим на ваши вопросы и поможем забронировать место на курсе
Нейросети + Data Science
В бонусном курсе по нейросетям для IT-специалистов вы научитесь использовать ИИ-инструменты для ускорения работы: от генерации кода до автоматизации рутинных задач.
Исследования показывают:
Айтишники, применяющие нейросети, работают до 40% быстрее и сокращают количество ошибок в коде на 35%.
Вы сможете:
подключать ИИ к проектам
работать с API и плагинами
искать баги, писать тесты и упрощать работу с документацией
Кем сможете работать после курса
Так выглядят вакансии, доступные младшим ML-специалистам после курса обучения
Стажер ML-инженер
Требования:
Python | SQL | Основы машинного обучения | Git | Понимание принципов масштабирования ML-сервисов
до 75 000 ₽
ML Engineer
Требования:
Python, включая ООП и асинхронное программирование | Опыт создания или обучения нейросетей | Git и Docker | Знание современных AI фреймворков и библиотек
121 000 ₽
ML Engineer
Требования:
Python | Знание CI/CD-пайплайнов | Опыт портирования нейронных сетей | Работа с GitLab или GitHub
от 150 000 ₽
Выгодные условия оплаты курса
[2]
рассрочка на 36 месяцев без процентов и переплат
[3]
отсрочка платежа: первый взнос через три месяца после начала обучения
[1]
полная оплата с дополнительной скидкой 10%
Оплатить обучение можно несколькими способами. Выбирайте комфортный:
Сотрудничаем с Т-Банком, Сбером, ОТП
После окончания курса сможете оформить налоговый вычет 13%
Тарифы
обучения
Осталось 6 мест
Акция действует при записи на ближайший поток
Для самостоятельных студентов
9 проектов в портфолио
9 проектов в портфолио
9 проектов в портфолио
Стажировка от компании-партнера
Стажировка от компании-партнера
Стажировка от компании-партнера
Модуль продвинутой математики для Data Science
Модуль продвинутой математики для Data Science
Модуль продвинутой математики для Data Science
Карьерный курс и поддержка
Карьерный курс и поддержка
Карьерный курс и поддержка
Консультации с экспертом в Data Science
12 консультаций с экспертом в Data Science
48 консультаций с экспертом в Data Science
Тестовое техническое собеседование
Тестовое техническое собеседование
Тестовое техническое собеседование
Карьерная консультация
Карьерная консультация
Карьерная консультация
Ревью резюме
Ревью резюме
Ревью резюме
Мини-курс «Английский для IT»
Мини-курс «Английский для IT»
Мини-курс «Английский для IT»
Реализация личного/рабочего проекта с экспертом
Реализация личного/рабочего проекта с экспертом
Реализация личного/рабочего проекта с экспертом
Для тех, кому важна поддержка
Для тех, кто хочет получить максимум навыков
Базовый
6790 ₽/мес.
9390 ₽/мес.
19 890 ₽/мес.
11 317 ₽/мес.
15 650 ₽/ мес.
33 150 ₽/ мес.
Персональный
Персональный +
-40%
-40%
-40%
в рассрочку на 36 мес.
в рассрочку на 36 мес.
в рассрочку на 36 мес.
Записаться на курс по тарифу Базовый
Нажимая кнопку, я соглашаюсь с Положением о персональных данных и даю согласие на их обработку и хранение.
Записаться на курс по тарифу Персональный
Нажимая кнопку, я соглашаюсь с Положением о персональных данных и даю согласие на их обработку и хранение.
Записаться на курс по тарифу Персональный+
Нажимая кнопку, я соглашаюсь с Положением о персональных данных и даю согласие на их обработку и хранение
Skillfactory — обучаем работе в IT с 2016 года
Школа с фокусом на практику
Skillfactory — онлайн-школа IT-профессий. Специализируемся на программировании, Data Science, аналитике данных. Мы — резидент «Сколково» и участник проекта «Цифровые профессии».
Главное отличие нашей школы — глубокое погружение студентов в реальные задачи уже во время обучения. Для этого мы с компаниями-партнерами запустили ФЭКТОРИ, в рамках которого студенты решают бизнес-кейсы. И сразу после курса могут устроиться на работу
Главное отличие нашей школы — глубокое погружение студентов в реальные задачи уже во время обучения. Для этого мы с компаниями-партнерами запустили ФЭКТОРИ, в рамках которого студенты решают бизнес-кейсы. И сразу после курса могут устроиться на работу
Высокие рейтинги школы на независимых площадках
98% студентов оставляют положительные отзывы о школе и качестве обучения на независимых интернет-площадках
4.8
298 отзывов
4.6
172 отзыва
4.6
432 отзыва
78%
235 отзывов