Востребованная профессия

Факультет
искусственного интеллекта

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

Диплом о профессиональной переподготовке
Государственная образовательная лицензия
от 5 490  ₽ в месяц
от 2 490 в месяц
При рассрочке на 36 месяцев
Разные форматы обучения
  • Занятия в группе с преподавателем
  • Онлайн-лекции и вебинары
  • Видеозаписи занятий
Длительность
18 Месяцев
2 занятия в неделю
Результат
Диплом
14 работ в портфолио
Гарантия
Трудоустройство
после обучения
40%
скидка
до 21 июля
40%
скидка
до 21 сентября

Оставьте заявку

Начало обучения: 23 Июля, 10 августа
Старт потока каждые 2 недели

Отправляя заявку,  вы принимаете условия договора-оферты 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.
Oops! Something went wrong while submitting the form.
Длительность
18 Месяцев
2 занятия в неделю
Результат
Диплом
14 работ в портфолио
Гарантия
Трудоустройство
после обучения
Программа разработана совместно с компаниями
Хочу поступить
-40%
7 курсов  бесплатно
Купите этот курс со скидкой до 19 апреля, получите ещё 7 в подарок и прокачайте суперсилы любого востребованного специалиста: от умения считать юнит-экономику до знаний в интернет-маркетинге.

Пройдите обучение по Data Science с нуля и получите востребованную профессию

За два года спрос на Data Scientist-ов вырос в два раза, по данным HeadHunter. Применяя методы машинного обучения, они строят прогнозы и повышают эффективность бизнес-процессов в любой отрасли. Мы поможем стать таким специалистом с нуля и найдем вам работу.

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 hh.ru, выйдя на уровень middle-специалиста, вы будете претендовать на более высокую зарплату и на большее количество вакансий.

70 000 ₽

Зарплата в месяц

11%от всех на hh.ru

Доступных вакансий

150 000 ₽

Зарплата в месяц

56%от всех на hh.ru

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

Вы будете рассматривать предложенные нами позиции, откликаться на вакансии из раздела «Карьера» и участвовать в поиске идеального места работы.
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 преподавателями: 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- и офлайн-мероприятия как слушатели и спикеры.

Студент-наставник

Во время обучения вам может понадобиться поддержка и помощь с домашним заданием. Вашим наставником станет выпускник или студент, который получил такой же опыт обучения на курсе и успешно справился со всеми практическими работами.

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 РФ. 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 домашние задания и их проверка преподавателем. 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 и практики

14

проектов в портфолио

2

вебинара в неделю

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 год

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 уроков
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 уроков
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 уроков

Проекты

  • 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 урока
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 уроков
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 уроков
Теория вероятностей и математической статистике
  • 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 уроков

Проект

  • 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 уроков
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 уроков

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 уроков
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 уроков
Видеокурс от Мегафон + курсовой проект
  • Видеотеория
  • Курсовой проект
2 недели — 2 урока

Проект

  • 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 уроков
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 уроков

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 уроков
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 уроков

Проект

  • 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
Курсы вне четверти

Предметы с индивидуальным выбором даты старта

Вы можете формировать часть расписания самостоятельно и регулировать интенсивность обучения.

Курсы

Подготовка к поиску работы
  • Как составить резюме, которое точно заметят
  • Составляем карту поиска работы
  • Зачем нужны сопроводительные письма
  • Что вас ждет на собеседовании с HR
2 недели — 4 урока
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 уроков
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 уроков
Введение в высшую математику
  • Элементарная алгебра
  • Введение в аналитическую геометрию. Графики на плоскости
  • Элементы теории вероятностей
  • Введение в линейную алгебру
2 недели — 4 урока
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 уроков
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 уроков
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 уроков
Сверточные нейронные сети в компьютерном зрении
  • Введение в сверточные нейронные сети
  • Влияние параметров архитектуры на свойства нейронной сети.
  • Применение сверточных нейронных сетей в компьютерном зрении
2 недели — 3 урока

Проекты

  • 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 диплом 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
«Зарабатываю в 2,5 раза больше, чем раньше»
Алексей Старцев
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
«Поменял специальность и избавился от рутины»
Юрий Рябинин
Читать подробнее
Истории успеха GeekBrains
«Мир меняется всё быстрее, нужно соответствовать реалиям»
Александр Вайншток
Читать подробнее

Мы дарим подарки всем студентам

Востребованная профессия

Факультет
искусственного интеллекта

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

7 490
от 7 490 в месяц
При рассрочке на 36 месяцев
Получите дополнительную скидку при оплате обучения одним платежом
ОСНОВНАЯ ИНФОРМАЦИЯ
  • Длительность 18 месяцев
  • 14 работ в портфолио
  • Гарантия трудоустройства
  • Диплом после обучения
РАЗНЫЕ ФОРМАТЫ ОБУЧЕНИЯ
  • Занятия в группе с преподавателем
  • Видеоуроки и вебинары
  • Видеозаписи занятий
  • Домашние задания
  • Практические задания
  • Онлайн-встречи с экспертами
  • Личные консультации
Диплом о профессиональной переподготовке
Государственная
образовательная лицензия
Диплом о профессиональной
переподготовке
Государственная
образовательная лицензия
40%
скидка
до 21 июля
40%
скидка
до 21 июля

Оставьте заявку

Начало обучения: 27 августа
Старт потока каждые 2 недели
Осталось мест: 6

Отправляя заявку,  вы принимаете условия договора-оферты 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.
Oops! Something went wrong while submitting the form.
Диплом о профессиональной
переподготовке
Государственная
образовательная лицензия

Часто задаваемые вопросы

Как проходит обучение?

Уроки проходят в формате online-трансляций, несколько раз в неделю в вечернее время по Москве. Преподаватель объясняет темы, все его действия отображаются на экране. Студенты задают вопросы и обсуждают материал в чате. В конце каждого урока студенты получают практические задания. Преподаватель оценивает их и обсуждает плюсы и минусы на следующем занятии. Некоторые курсы будут представлены в виде заранее записанных видеолекций.

Что делать, если я не могу учиться онлайн?

Для тех, кто не смог вовремя присутствовать на уроке, мы записываем каждое занятие. Видеозаписи всегда доступны в разделе обучения. Также к каждому уроку мы разработали методички, с помощью которых можно лучше подготовиться к занятиям и получить дополнительные знания.

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. Студенты оценивают уровень преподавателя и качество программы по пятибалльной шкале. Таким образом, мы улучшаем образовательный процесс ежедневно.

Помогаете ли вы с трудоустройством?

Мы помогаем с трудоустройством студентам, которые показывали хорошую успеваемость на протяжении обучения и подали заявку в сервис трудоустройства. Далее вместе с HR-специалистами GeekBrains вы создадите CV и будете рассматривать предложенные нами позиции, самостоятельно откликаться на вакансии и участвовать в поиске идеального места работы. Вместе мы сделаем все, чтобы вы начали строить карьеру и расти профессионально.

Что делать, если у меня проблема или срочный вопрос?

Если вы являетесь студентом платных курсов и у вас возникли вопросы, связанные с образовательным процессом, свяжитесь с нами: sales@geekbrains.ru или 8-800-700-68-41 (звонок бесплатный). По остальным вопросам пишите нам на support@geekbrains.ru.

Какой требуется опыт для обучения?

Наши образовательные программы ориентированы на тех, кто хочет с нуля освоить профессиональные навыки. Для обучения начальной подготовки или базовых знаний не требуется.

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.