Что ждёт вас в буткемпе

Быстрое погружение в IT
Буткемп — это короткий, но интенсивный курс. Уже через 4 месяца вы будете готовы к работе аналитиком данных.
Интенсивная нагрузка
Вас ждёт около 8 часов учёбы ежедневно: регулярные вебинары с наставником, теория, домашка, много практики и проектов.
Проекты для портфолио
Когда пройдёте основную программу, получите доступ к нашей Мастерской: в ней студенты разных направлений вместе работают над задачами реальных заказчиков. Эти проекты сделают ваше портфолио уникальным.
Быстрая обратная связь
Будете учиться в небольшой группе, поэтому мы сможем уделять много внимания каждому студенту.

Что вы будете делать, когда станете аналитиком данных

Экономить
Выводы, основанные на анализе данных, помогают бизнесу эффективнее тратить и экономить деньги.
Прогнозировать
Аналитики данных проверяют гипотезы, делают прогнозы и принимают решения о том, как компании распределить ресурсы.
Исследовать
Чтобы бизнес рос даже во время кризиса, нужно анализировать возможности компании, предложения конкурентов, желания потребителей и закономерности рынка.
Переводить
В переносном смысле — переводить с языка данных на язык, понятный инвесторам и заказчикам. Но знание английского тоже может пригодиться.

Сможете развиваться
в любой сфере

  • Аналитики нужны на промышленных предприятиях, в банках, научно-исследовательских учреждениях, IT, ретейле и многих других областях. Работа аналитиков данных особенно важна сейчас, когда многие перевели свой бизнес в онлайн.
  • Аналитиков данных бывает много: продуктовый, финансовый, маркетинговый, системный, аналитик-исследователь, BI-аналитик и бизнес-аналитик.
Вместе эти факторы позволят вам выбирать и развиваться как захочется.

Какой может быть ваша карьера

Должность

Аналитик, Дата-аналитик, Аналитик данных

Навыки и инструменты

Python
Jupyter Notebook
SQL
PostgreSQL
Tableau
А/В-тесты

Средняя зарплата аналитиков данных

Начнёте с junior позиции, а дальше только вперёд — будете шагать по карьерной лестнице и расти в цене

Источник данных: Хабр Карьера
60 000–95 000 ₽
Junior аналитик данных с опытом до года
120 000–180 000 ₽
Middle аналитик данных с опытом от 1 года до 3 лет
180 000–250 000+ ₽
Senior аналитик данных с опытом 3+ лет

Чему вы научитесь

  • Выгружать, преобразовывать и очищать данные с помощью SQL-запросов
  • Создавать дашборды с помощью Tableau и других инструментов
  • Запускать А/В-тестирования для проверки гипотез
  • Рассчитывать ключевые метрики работы компании и оценивать их значимость
  • Визуализировать данные в виде графиков и чартов
  • Помогать бизнесу принимать решения на основе данных

Как мы учим

YandexGPT помогает учиться

Когда в теории что-то непонятно, нейросеть объяснит это другими словами. А в конце каждого урока подготовит краткий пересказ о самом главном.

Тысячи студентов освоили новую
профессию, и вы освоите

Истории выпускников Практикума, которые уже занимаются любимым делом
4,7
TutorTop
4,5
IRecommend
4,3
Отзовик

10 000+ выпускников Практикума уже нашли новую работу

Это подтверждено исследованием, которое мы провели вместе с Высшей школой экономики. Вот в каких компаниях работают выпускники.

Полная программа курса «Аналитик данных буткемп»

Курс рассчитан на 4 месяца, учёбе нужно будет посвящать около 40 часов в неделю
2 часа
Бесплатный вводный модуль
Познакомитесь с процессом обучения и больше узнаете о профессии аналитика данных.

Про учёбу в Практикуме. Узнаете, как устроена учебная платформа и какая вас ждёт нагрузка. Поймёте, кто будет помогать вам учиться и какой будет практика на этом курсе.
Про профессию аналитика данных. С помощью наглядных примеров выясните, чем занимаются аналитики данных. Узнаете, какие навыки вы получите на курсе, и попробуете свои силы в первом учебном проекте.
PythonPandas
Проект
Выясните причину массовой поломки гаджетов на фабрике робокотов.
1 спринт1 неделя
Базовый Python
Глубже погрузитесь в язык программирования Python и работу с библиотекой Pandas.

Переменные и типы данных. Язык Python. Переменные. Вывод данных на экран. Вывод объектов на экран. Обработка ошибок, оператор try...except. Типы данных. Преобразования типов данных.
Строки. Индексы в строках. Срезы строк. Операции над строками. Методы строк. Форматирование строк, метод format(), f-строки.
Списки. Индексы в списках. Срезы списков. Добавление элементов в список. Удаление элементов списка. Сложение и умножение списков. • Сортировка списков. Поиск элементов в списке. Разделение строки в список строк, соединение списка строк в строку.
Цикл for. Циклы. Перебор элементов. Перебор индексов элементов. Обработка элементов списков с помощью циклов: нахождение суммы и произведения элементов.
Вложенные списки. Циклы по вложенным спискам с подсчётом значений. Добавление элементов во вложенные списки. Сортировка вложенных списков.
Условный оператор. Цикл while. Логический тип данных. Булевы значения. Логические выражения. Составные логические выражения. Условный оператор if...elif...else. Ветвления. Фильтрация списков с использованием условного оператора. Цикл while.
Функции. Назначение функций. Параметры и аргументы. Параметры со значениями по умолчанию. Позиционные и именованные аргументы. Возвращение результата из функции.
Словари. Ключи и значения. Поиск значения по ключу. Добавление элементов в словарь. Список словарей. Красивый вывод словарей.
Библиотека Pandas. Чтение csv-файлов. Датафрейм. Конструктор датафрейма. Вывод первых и последних строк датафрейма. Индексация в датафреймах. Индексация в столбцах Series.
Предобработка данных. Принцип GIGO. Переименование столбцов датафрейма. Обработка пропущенных значений. Обработка явных и неявных дубликатов.
Анализ данных и оформление результатов. Группировка данных. Сортировка данных. Основы описательной статистики.
Jupyter Notebook — тетрадь в ячейку. Интерфейс Jupyter Notebook. Шорткаты Jupyter Notebook.
ЦиклыPythonPandasСтрокиСпискиФункцииСловариДатафреймПеременныеТипы данныхУсловный оператор
Проект
Сравните данные пользователей Яндекс Музыки по городам и дням недели.
2 спринт1 неделя
Предобработка данных
Научитесь очищать данные от выбросов, пропусков и дубликатов, а также преобразовывать разные форматы данных.

Работа с пропусками. Конверсия. Куки. Категориальные и количественные переменные. Обработка пропусков в категориальных переменных. Обработка пропусков в количественных переменных. Обработка пропусков в количественных переменных по категориям.
Изменение типов данных. Чтение Excel-файлов. Преобразование Series к числовому типу. Модуль числа, метод abs(). Работа с датой и временем. Обработка ошибок, оператор try...except. Объединение датафреймов, метод merge(). Сводные таблицы.
Поиск дубликатов. Поиск дубликатов с учётом регистра.
Категоризация данных. Декомпозиция таблиц. Категоризация по числовым диапазонам. Категоризация на основе нескольких значений в строке.
Системное и критическое мышление в работе аналитика. Системное мышление. Причины ошибок в данных. Критическое мышление.
PythonPandasОбработка пропусковПредобработка данныхОбработка дубликатовКатегоризация данных
Проект
Проанализируете данные о клиентах банка и определите долю кредитоспособных.
3 спринт1 неделя
Исследовательский анализ данных
Изучите основы теории вероятностей и статистики. Примените их для исследования основных свойств данных, поиска закономерностей, распределений и аномалий. Познакомитесь с библиотекой Matplotlib. Отрисуете диаграммы, поупражняетесь в анализе графиков.

Первые графики и выводы. Применение сводных таблиц. Гистограмма. Распределения. Диаграмма размаха.
Изучение срезов данных. Метод query(). Работа с датой и временем. Построение графиков методом plot(). Бритва Оккама.
Работа с несколькими источниками данных. Срез данных на основе внешних объектов. Добавление новых столбцов в датафрейм. Добавление данных из других датафреймов. Переименование столбцов. Объединение таблиц методами merge() и join().
Взаимосвязь данных. Диаграмма рассеяния. Корреляция переменных. Матрица диаграмм рассеяния.
Валидация результатов. Укрупнение групп. Разбиение данных по группам.
PythonPandasMatplotlibГистограммыСрезы данныхАнализ данныхДиаграмма размахаДиаграмма рассеянияВизуализация данныхОписательная статистика
Проект
Исследуете архив объявлений о продаже объектов недвижимости в Санкт-Петербурге и Ленинградской области.
4 спринт1 неделя
Статистический анализ данных
Научитесь анализировать взаимосвязи в данных методами статистики. Узнаете, что такое статистическая значимость и гипотезы.

Комбинаторика. Комбинации. Правило умножения. Перестановки. Количество перестановок. Размещения. Число размещений. Сочетания. Число сочетаний.
Теория вероятностей. Эксперимент. Вероятностное пространство. События. Вероятность. Пересекающиеся и взаимоисключающие события. Диаграмма Эйлера-Венна. Закон больших чисел.
Описательная статистика. Категориальные и количественные переменные. Мода и медиана. Среднее значение. Дисперсия. Стандартное отклонение. Квартили и процентили. Диаграмма размаха. Столбчатая диаграмма. Плотность частоты. Гистограмма.
Случайные величины. Дискретная случайная величина. Распределение вероятностей для дискретной случайной величины. Кумулятивная функция (функция распределения) дискретной случайной величины. Математическое ожидание дискретной случайной величины. Дисперсия дискретной случайной величины.
Распределения. Эксперимент Бернулли. Биномиальный эксперимент. Биномиальное распределение. Непрерывное равномерное распределение. Нормальное распределение. Стандартное нормальное распределение. CDF и PPF для нормального распределения. Распределение Пуассона. Аппроксимация одного распределения другим.
Проверка гипотез. Генеральная совокупность. Выборка. Выборочное распределение. Центральная предельная теорема. Односторонние и двусторонние гипотезы. P-value. Проверка односторонних и двусторонних гипотез для одной выборки. Проверка гипотезы о равенстве средних двух генеральных совокупностей. Проверка гипотезы о равенстве средних для зависимых выборок.
ScipyNumpyPythonPandasMatplotlibКомбинаторикаРаспределенияПроверка гипотезТеория вероятностей
Проект
Проверите гипотезы сервиса аренды самокатов, чтобы помочь вырастить бизнес.
Дополнительный спринт
Теория вероятностей
Вспомните или узнаете базовые термины в теории вероятностей: независимые, противоположные, несовместные события и т. д. На простых примерах и забавных задачах потренируетесь работать с числами и выстраивать логику решения.

Это необязательный спринт. Значит, каждый студент сам выбирает один из вариантов прохождения:
• Освоить дополнительный спринт из 10 коротких уроков, освежить в памяти теорию и решить задачи.
• Открыть только блок с задачами для собеседований, вспомнить практику без теории.
• Пропустить курс совсем или вернуться к нему, когда будет время и необходимость.
PythonСобытияВероятностьТеорема БайесаСлучайные величиныТеория вероятностейСтатистический анализ данных
5 спринт1 неделя
Итоговый проект первого модуля
Научитесь предварительному исследованию данных, сформулируете и проверите гипотезы.
ScipyNumpyPythonPandasMatplotlibАнализ данныхПроверка гипотезПредобработка данных
Проект
Найдёте закономерности в данных о продаже игры.
6 спринт1 неделя
Базовый SQL
Изучите основы структурированного языка запросов SQL и реляционной алгебры для работы с базами данных. Познакомитесь с особенностями работы в PostgreSQL — популярной системы управления базами данных (СУБД). Научитесь писать запросы разного уровня сложности и переводить бизнес-задачи на язык SQL. Вы будете работать с базой данных онлайн-магазина, который специализируется на фильмах и музыке.

Введение в базы данных. Системы управления базами данных (СУБД). Язык SQL. SQL-запросы. Форматирование SQL-запросов.
Срезы данных в SQL. Типы данных в PostgreSQL. Преобразование типов данных. Оператор WHERE. Логические операторы. Срезы данных. Операторы IN, LIKE, BETWEEN. Работа с датой и временем. Обработка пропущенных значений. Условная конструкция CASE.
Агрегирующие функции. Группировка и сортировка данных. Математические операции. Агрегирующие функции. Группировка данных. Сортировка данных. Фильтрация по агрегированным данным, оператор HAVING.
Взаимоотношения между таблицами. Типы объединения таблиц. ER-диаграммы. Переименование полей и таблиц. Алиасы. Объединение таблиц. Виды объединений: INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN. Альтернативные виды объединения UNION и UNION ALL.
Подзапросы и общие табличные выражения. Подзапросы. Подзапросы в FROM. Подзапросы в WHERE. Сочетание объединений и подзапросов. Общие табличные выражения (CTE). Вариативность запросов.
SQLСУБДPostgreSQLПодзапросыБазы данныхSQL-запросыФильтрация данныхСортировка данныхГруппировка данныхОбъединение таблицОбщие табличные выражения
Проект
Напишете ряд запросов разной сложности к базе данных, в которой хранятся данные по венчурным инвесторам, стартапам и инвестициям в них.
7 спринт2 недели
Анализ бизнес-показателей
Узнаете, что такое метрики в бизнесе. Научитесь использовать инструменты для анализа данных в бизнесе: когортный анализ, воронка продаж и юнит-экономика.

Метрики и воронки. Конверсия. Воронки. Маркетинговая воронка. Показы. Клики. CTR. Продуктовая воронка.
Когортный анализ. Профиль пользователя. Retention Rate. Churn rate. Горизонт анализа. Визуализация когортного анализа. Анализ удержания произвольных когорт. Конверсия в когортном анализе. Расчёт метрик в Python.
Юнит-экономика. Метрики LTV, CAC, ROI. ARPU, ARPPU. Расчёт метрик в Python. Продвинутая визуализация метрик. Параметр sharey. Скользящее среднее.
Пользовательские метрики. Оценка пользовательской активности. Пользовательская сессия. Расследование аномалий.
МетрикиВоронкиКонверсияЮнит-экономикаКогортный анализПродуктовые метрикиМаркетинговые метрики
Проект
На основе данных изучите поведение пользователей, а также проанализируете доходность клиентов и окупаемость рекламы, чтобы предложить рекомендации для отдела маркетинга.
8 спринт1 неделя
Продвинутый SQL
Пройдёте дополнительный курс по работе с базами данных и станете ещё ближе к бизнесу. С помощью языка SQL разберёте подсчёт основных бизнес-метрик, с которыми вы познакомились в спринте «Анализ бизнес-показателей». Рассмотрите работу с таким сложным инструментом, как оконные функции. Научитесь изменять содержимое баз данных локально, без тренажёра, используя специальные программы-клиенты и библиотеки для Python.

Расчёт бизнес-показателей. Схема данных. Конверсия. LTV. ARPU. ARPPU. ROI. Расчёт с помощью SQL.
Агрегирующие оконные функции. Выражение OVER. Параметр окна PARTITION BY.
Оконные функции ранжирования. Функции ранжирования. Оператор окна ORDER BY. ROW_NUMBER(). RANK(). DENSE_RANK(). NTILE(). Операторы окна вместе с функциями ранжирования.
Оконные функции смещения. Кумулятивные значения. Функции смещения. LEAD(). LAG(). Оконные функции и алиасы.
Когортный анализ. Retention Rate, Churn Rate. LTV.
Установка и настройка базы данных и клиента базы данных. Клиент базы данных. Установка PostgreSQL. Установка DBeaver. Интерфейс DBeaver. Создание базы данных. Разворачивание дампа базы данных. Выгрузка результатов запроса. Представление результатов запроса.
SQLСУБДМетрикиPostgreSQLБазы данныхSQL-запросыОконные функцииКогортный анализ
Проект
С помощью Python и SQL подключитесь к базе данных, посчитаете и визуализируете ключевые метрики сервис-системы вопросов и ответов о программировании.
9 спринт1 неделя
Принятие решений в бизнесе
Узнаете, что такое A/B-тестирование, и поймёте, в каких случаях его используют. Научитесь проектировать A/B-тестирование, производить оценку его результатов.

Основы проверки гипотез в бизнесе. Опережающие метрики. Базы экспериментов. Генерация гипотез. Приоритизация метрик. Выбор метода проведения эксперимента. Качественные методы проверки гипотезы. Количественные методы проверки гипотезы. Преимущества и недостатки A/B-тестов.
Приоритизация гипотез. Фреймворк RICE. Параметр Reach. Параметр Impact. Параметр Confidence. Параметр Efforts.
Подготовка к проведению A/B-теста. A/A-тест. Ошибки I и II рода. Мощность статистического теста. Значимость статистического теста. Множественные сравнения, методы снижения вероятности ошибки. Расчёт размера выборки и длительности A/B-теста. Графический анализ метрик.
Анализ результатов A/B-теста. Проверка гипотезы о равенстве долей. Критерий Шапиро-Уилка для проверки нормальности данных. Непараметрические статистические тесты. Критерий Манна-Уитни. Стабильность кумулятивных метрик. Анализ выбросов и всплесков.
Поведенческие алгоритмы. Факты, эмоции, оценки. Объяснения своей точки зрения.
A/B-тестированиеПриоритизация гипотезПодготовка к A/B-тестированиюАнализ результатов A/B-тестированияАнализ результатов A/B-тестирования
Проект
Проанализируете результаты A/B-тестирования в крупном интернет-магазине.
10 спринт1 неделя
Итоговый проект второго модуля
Научитесь проверять статистические гипотезы в рамках A/B-тестирования и готовить выводы и рекомендации в формате аналитического отчёта.
Воронка продажA/B-тестированиеПредобработка данныхИсследовательский анализ данных
Проект
Исследуете воронку продаж и проанализируете результаты A/B-тестирования в мобильном приложении.
11 спринт1 неделя
Как рассказать историю с помощью данных
Узнаете, как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией. Познакомитесь с библиотеками Seaborn и Plotly.

Кому, как, что и зачем рассказывать. Представление результата исследования. Целевая аудитория рассказчика. Что и зачем рассказывать аналитику данных.
Библиотека Seaborn. Библиотека Seaborn как расширение библиотеки Matplotlib. Метод jointplot(). Цветовые гаммы. Стили графиков. Визуализация распределений.
Библиотека Plotly. Интерактивные графики. Линейный график. Столбчатая диаграмма. Круговая диаграмма. График воронки.
Визуализация данных в геоаналитике. Геоаналитика. Библиотека Folium. Отображение карт. Установка маркеров с указанными координатами. Создание кластеров точек. Собственные иконки для маркеров. Хороплет.
Подготовка презентации. Выводы на основе исследования. Сезонность и внешние факторы. Абсолютные и относительные величины. Парадокс Симпсона. Принципы построения презентаций. Отчёты в Jupyter Notebook.
PlotlyFoliumSeabornMatplotlibПрезентацииГеоаналитикаВизуализация данных
Проект
Подготовите исследование рынка на основе открытых данных о заведениях общественного питания Москвы, визуализируете полученные данные.
12 спринт1 неделя
Построение дашбордов в Tableau
В этом спринте вы будете работать с BI-системой Tableau. Научитесь подключаться к данным и модифицировать их, строить графики разных видов, собирать дашборды и презентации.

Основы работы с Tableau. BI-системы. Tableau. Создание документа. Сохранение документа. Публикация документа.
Работа с источниками данных. Источники данных. Объединение данных. Метод Relationship. Метод Join. Метод Blend. Метод Union. Изменение формата таблицы.
Типы данных. Основные типы данных. Измерения. Меры. Работа с датой и временем. Сеты. Группы. Параметры. Изменение формата переменных. Переменные Measure Names, Measure Values, Count.
Таблицы и вычисления. Интерфейс редактирования листа. Сводные таблицы. Вычисляемые поля. LOD-выражения.
Фильтры и сортировки. Сортировка мер. Сортировка измерений. Вложенные сортировки. Сортировка с помощью параметра. Фильтры.
Визуализации. Элементы управления визуализацией. Тепловые карты. Круговые диаграммы. Столбчатые диаграммы. Гистограммы. Диаграммы размаха. Диаграмма рассеивания. Линейные графики. Совмещённые графики. Диаграммы с областями.
Специальные визуализации и всплывающие подсказки. Карты. Символьная карта. Пузырьковая диаграммы. Древовидная карта. Диаграммы circle views. Пулевые диаграммы. Диаграммы Ганта. Measure names и measure values в визуализациях. Reverse engineering. Всплывающие подсказки. Всплывающие подсказки с визуализациями. Пороговые значения на графиках. Аналитические инструменты в Custom.
Презентации. Дополнительные параметры. Изучение типовых параметров. Создание презентации.
Дашборды. Загрузка и подготовка данных. Подготовка визуализаций. Сборка дашборда. Actions. Демонстрация дашборда. Публикация дашборда.
TableauДашбордыBI-инструментыBI-инструментыВизуализация данных
Проект
Исследуете историю TED-конференций и создадите дашборд в Tableau на основе полученных данных.
Дополнительный спринт
Основы машинного обучения
Познакомитесь с основами машинного обучения и узнаете о главных задачах машинного обучения в бизнесе.
PythonPandasSklearnМашинное обучениеЗадачи машинного обученияАлгоритмы машинного обучения
Дополнительный спринт
Практика Python
Пройдёте несколько лабораторных занятий с дополнительными задачами на язык программирования Python. А также узнаете, как извлекать данные из веб-ресурсов.

Вам предстоит:
• разобраться в строении HTML-страниц и работе GET-запросов,
• научиться писать простые регулярные выражения,
• познакомиться с API и JSON,
• составить несколько запросов к сайтам и собрать данные.
JSONPythonREST APIВеб-скрепинг
13 спринт2 недели
Выпускной проект
В последнем проекте подтвердите, что освоили новую профессию. Уточните задачу заказчика, пройдёте все стадии анализа данных. Теперь без уроков и домашних заданий — всё, как на реальной работе.

Финальный спринт включает в себя работу над проектом, задачи по A/B-тестированию и SQL, а также дополнительное задание. Проект содержит постановку задачи, ожидаемый результат, набор данных и их описание.

Задача относится к одной из пяти сфер бизнеса:
• банки,
• ритейл,
• игры,
• мобильные приложения,
• e-commerce.

Привычного описания шагов в проекте не будет. Вы проработаете их самостоятельно.
SQLPythonPandasTableauДашбордыPostgreSQLДекомпозицияA/B-тестирование

Отвечаем на вопросы

Подойдёт ли мне эта профессия?
Для тех, кто сомневается, мы спроектировали бесплатную часть, которая поможет получить ответ на этот вопрос. Если вы убедитесь, что выбранная профессия вам не подходит, — это тоже положительный результат.
Можно ли обучиться профессии за 4 месяца?
Да, программа рассчитана на это. Но многое зависит и от вас — чтобы пройти курс до конца, нужно уделять учёбе достаточно времени: читать теорию, практиковаться в тренажёре и делать учебные проекты.
Каким требованиям нужно соответствовать?
Главное требование — наличие времени на интенсивное обучение. Вам понадобится около 40 часов в неделю, чтобы всё успевать. Если вы сомневаетесь, что обладаете таким ресурсом, лучше рассмотрите базовую программу «Аналитик данных».

Специальные знания для обучения не нужны. Но, так как программа интенсивная, осваивать её будет проще, если у вас уже есть базовые знания по аналитике. Например, вы уже пробовали программировать на Python или умеете делать простые запросы на SQL.
Кто будет меня учить?
Все наставники — практикующие специалисты: сотрудники Яндекса и других крупных компаний. Программу составляют опытные преподаватели и методисты, а ещё действующие специалисты Яндекса, Школы анализа данных и других лидеров технологической и образовательной индустрий.
Как и когда я буду учиться?
Обучение состоит из трёх больших частей: теория с закреплением в тренажёре, домашние задания с самостоятельными проектами и вебинары с наставниками и экспертами из индустрии.

Теория в тренажёре и домашние задания не привязаны к расписанию — можно учиться когда угодно. Главное — уложиться в дедлайн, обычно это спринт из двух недель. Вебинары проходят в определённое время, о котором вы заранее узнаёте от куратора.
Что делать, если я не справлюсь с нагрузкой?
В программе предусмотрены каникулы, во время которых можно отдохнуть или повторить сложные темы.

Если вам понадобится сделать паузу в учёбе или уделить больше времени закреплению материала, напишите своему куратору.
Смогу ли я найти работу после обучения?
Гарантий нет, но мы верим, что сможете. Работодателям важно, чтобы вы справлялись с реальными задачами, а не просто обладали набором знаний. Мы учим применять знания на практике, а также предлагаем помощь HR-специалистов из нашего карьерного центра. Но вам точно придётся приложить усилия, чтобы найти работу: активно откликаться на вакансии, проходить собеседования, показывать свои проекты и делать тестовые задания.

По данным исследования Высшей школы экономики, 69% наших выпускников среди тех, кто хотел сменить профессию, начинают новую карьеру после обучения. Больше половины из них — во время учёбы и в первые 2 месяца после выпуска. Эти цифры подкреплены публичным отчётом о трудоустройстве студентов Практикума.
А если я хочу работать в Яндексе?
Некоторые наши студенты работают в сервисах Яндекса, в том числе и в Практикуме. Но с нашей стороны было бы нечестно что-либо гарантировать и завышать ваши ожидания.

Без опыта попасть в крупную IT-компанию возможно, хотя и сложно. Программа составлена так, чтобы вы могли начать карьеру после выпуска и набраться первого опыта. С ним вам будет значительно проще претендовать на позицию в крупных компаниях.
Хорошо, а вы можете помочь с поиском работы?
Да. По желанию студенты могут попасть на программу трудоустройства, которая длится от 2 недель. С поддержкой карьерного центра Практикума студенты оформляют портфолио, проходят тренировочные собеседования с их последующим разбором и учатся писать сопроводительные письма.

Мы сотрудничаем с разными компаниями и регулярно предлагаем студентам партнёрские вакансии. Но важно помнить, что мы не ищем работу за вас, а помогаем её найти.
Если не понравится, я могу вернуть деньги?
Да, причём в любой момент. Если обучение в потоке уже началось, придётся оплатить прошедшие дни — но мы вернём деньги за оставшееся время обучения. Более подробно рассказываем об этом в седьмом пункте оферты.
Получу ли я какой-то документ после курса?
Если у вас есть среднее профессиональное или высшее образование, после курса вы получите диплом о профессиональной переподготовке.

Если нет, выдадим сертификат о прохождении курса и справку об обучении в электронном виде.
Смогу ли я добавить в портфолио уникальные проекты?
Да, такая возможность будет. После завершения основной программы вы получите доступ к «Мастерской» и сможете выполнить в ней один или несколько проектов на основе реальных задач от работодателей. Эти проекты позволят сделать ваше портфолио уникальным.
Как можно оплатить?
Банковской картой: внести всю сумму сразу или платить ежемесячно.

Ежемесячные платежи работают так: вы вносите первую оплату, и в этот момент привязывается карта. С этой карты автоматически будут списываться следующие платежи каждые 30 календарных дней. Например, оплатили 25 марта — следующий платёж пройдёт 24 апреля. Обучение будет стоить меньше, если оплатить весь курс сразу.

Через компанию: юридические лица — резиденты РФ также могут оплатить обучение в Практикуме. Оставить заявку на оплату от юрлица можно на странице для корпоративных клиентов.
Можно ли оплатить курс за счёт работодателя?
Да, работодатель может оплатить учёбу полностью или разделить оплату с вами: например, поделить сумму 50/50 или 75/25.

Такая оплата пройдёт по счёту или двустороннему договору, а ИП могут оплатить с бизнес-счёта. Если работодатель купит обучение сразу 10 и больше сотрудникам, сделаем скидку 10%.

Чтобы получить счёт на оплату через компанию, оставьте заявку или напишите нам в чат поддержки.
Что такое налоговый вычет на обучение и как его получить?
Налоговый вычет может оформить тот, кто работает по трудовому договору и является налоговым резидентом Российской Федерации, то есть 183 дня в году находится на территории страны.

Для этого нужно подать заявление на налоговый вычет через личный кабинет на сайте nalog.ru (в него можно войти через аккаунт на Госуслугах).

К заявлению нужно приложить:
•‎ Справку 2-НДФЛ от работодателя.
•‎ Договор на обучение, в вашем случае это оферта Практикума.
•‎ Лицензию на образовательную деятельность. Вот наша.
•‎ Чек об оплате обучения. Мы отправляем его на электронную почту. Если не найдёте чек у себя в почте, напишите в чат службы поддержки — вышлем копию.
•‎ Справку о получении образовательных услуг — её тоже нужно запросить в чате поддержки.

Подробнее о налоговом вычете — на сайте Федеральной налоговой службы.

Давайте поможем

Напишите, как вас зовут и по какому номеру можно связываться — позвоним и расскажем всё про курсы