Выиграйте подарки
за покупку

Чем раньше оплатите,
тем больше шансов!

Подробнее

Скорее собирайтесь у елочки: розыгрышей будет целых три. И все они среди тех, кто с 1 по 30 декабря 2020 года купит обучение на сумму от 50 000 рублей. Рассказываем по порядку.

  • У нашего Деда Мороза есть мешок подарков от Apple. Среди них — MacBook Air, iPhone 11 Pro, часы Apple Watch и наушники AirPods Pro. 
  • Разыгрываем призы трижды: 11 декабря, 21 декабря и 12 января. Участвуют те, кто купил курсы на сумму от 50 000 рублей с 1 по 30 декабря 2020. Результаты опубликуем в нашем блоге.
  • Чем раньше купите обучение, тем больше у вас шансы на выигрыш. Например, если вы оплатите курс 1 декабря, то поучаствуете во всех трех розыгрышах.

Подробнее обо всех условиях розыгрыша читайте в блоге.

Счастливого Нового года и удачи!

Первые 6 месяцев обучения бесплатно

Факультет искусственного интеллекта

Онлайн-университет от Mail.Ru Group и GeekBrains с гарантированным трудоустройством

Хочу поступить
Программа разработана совместно с компаниями

Освойте Data Science с нуля и получите востребованную профессию

За два года спрос на Data Scientist-ов вырос в два раза, по данным HeadHunter. С помощью методов 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-партнеров.
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 :)

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 12 кейсов в портфолио.

Методические материалы

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

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.

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.

262

часов обучающего контента

534

часов практики

2-3

вебинара в неделю

I год

I четверть. Апрель – июнь

Создание инфраструктуры

Вы начнете осваивать технические основы профессии: поиск информации и основные операции с файлами, научитесь создавать и оптимизировать сложные запросы.

Курсы

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
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики
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
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики
Базы данных
  • 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
1 месяц — 12 уроков
18 часов обучающего контента, 36 часов практики
Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn
  • Вебинар. Введение в курс
  • Видеоурок. Вычисления с помощью Numpy. Работа с данными в Pandas
  • Вебинар. Вычисления с помощью Numpy. Работа с данными в Pandas
  • Видеоурок. Визуализация данных в Matplotlib.
  • Вебинар. Визуализация данных в Matplotlib
  • Видеоурок. Обучение с учителем в Scikit-learn
  • Вебинар. Обучение с учителем в Scikit-learn
  • Видеоурок. Обучение без учителя в Scikit-learn.
  • Вебинар. Обучение без учителя в Scikit-learn и введение в итоговый проект
  • Вебинар. Консультация по итоговому проекту
1 месяц — 10 уроков
15 часов обучающего контента, 30 часов практики
Как учиться эффективно. Видеокурс от методистов GeekUniversity
  • Особенности обучения в Geek University
  • Почему тяжело учиться?
  • Инструменты для самообразования
  • Учимся от компетенций
  • Особенности обучения взрослых
  • Постановка целей по SMART
  • Как формулировать образовательный запроc
7 видео-уроков
1 час обучающего контента

Проект

Модель предсказания цены на недвижимость

II четверть. Июль – сентябрь

Сбор данных и статистическое исследование

Научитесь решать задачи по комбинаторике и узнаете о видах распределений и методах проверки статистических гипотез. Изучите методы проведения корреляционного, дисперсионного и регрессионного анализа.

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.
1 месяц — 4 урока
6 часов обучающего контента, 12 часов практики
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
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики
Введение в математический анализ
  • Вебинар. Вводный урок
  • Видеоурок. Множество. Последовательность
  • Вебинар. Множество. Последовательность
  • Видеоурок. Предел функции
  • Вебинар. Предел функции
  • Видеоурок. Производная функции одной переменной
  • Вебинар. Производная функции одной переменной
  • Вебинар. Производная функции нескольких переменных. Часть 1
  • Вебинар. Производная функции нескольких переменных. Часть 2
  • Видеоурок. Интеграл. Ряды
  • Вебинар. Интеграл. Ряды
1 месяц — 11 уроков
16 часов обучающего контента, 33 часов практики
Теория вероятностей и математическая статистика
  • Случайные события. Условная вероятность. Формула Байеса. Независимые испытания
  • Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона
  • Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных
  • Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема
  • Проверка статистических гипотез. P-значения. Доверительные интервалы. A/B-тестирование
  • Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализ.
  • Многомерный статистический анализ. Линейная регрессия
  • Дисперсионный анализ. Логистическая регрессия
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики

Проект

Сбор информации по заданным критериям. Разведочный анализ данных (EDA) на основе полученной информации.

III четверть. Октябрь – декабрь

Математика для Data Scientist-a

В третьей четверти вы заложите прочный математический базис для будущей профессии через решение задач оптимизации и изучение алгоритмов машинного обучения.

Курсы

Линейная алгебра
  • Линейное пространство
  • Матрицы и матричные операции
  • Линейные преобразования
  • Системы линейных уравнений
  • Сингулярное разложение матриц
1 месяц — 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
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики

Проект

Модель кредитного скоринга для банка

IV четверть. Январь – март

Машинное обучение. Совместно с компанией МегаФон

Научитесь решать бизнес-задачи с помощью машинного обучения: предсказывать количество заказов, прогнозировать отток клиентов, оценивать эффективность моделей и повышать их качество.

Курсы

Машинное обучение в бизнесе
  • Кейс 1. EDA по Hourly Energy Consumption и Brent
  • Кейс 1. Преобразование признаков
  • Кейс 1. Работа с признаками и селекция
  • Кейс 1. Построение и оценка модели
  • Кейс 1. Аномалии и артефакты
  • Кейс 2. Данные в страховом бизнесе. EDA
  • Кейс 2. Типы моделей для задачи тарификации
  • Кейс 2. Типы моделей для задачи оттока
  • Кейс 2. Внедрение модели в продукцию
1 месяц — 9 уроков
13 часов обучающего контента, 27 часов практики
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
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики
Видеокурс от Megafon + курсовой проект
  • Видеотеория
  • Курсовой проект
1 месяц — 2 урока

Проект

Рекомендательная система для интернет-магазина, прогнозирование оттока клиентов

II год

I четверть. Апрель – июнь

Нейронные сети

Научитесь решать задачи ML с данными из соцсетей, геоданными, применением графов, познакомитесь с нейронными сетями.

Курсы

Введение в нейронные сети
  • Основы обучения нейронных сетей
  • Keras
  • TensorFlow
  • Сверточные нейронные сети
  • Рекуррентные нейронные сети
  • Сегментация
  • Детектирование объектов
  • GAN
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики
Фреймворки для разработки искусственных нейронных сетей
  • Введение во фреймворки для разработки искусственных нейронных сетей
  • Изучаем Tensorflow
  • Практика Tensorflow
  • Изучаем Keras
  • Практика Keras
  • Изучаем PyTorch
  • Практика PyTorch
  • Практическое занятие
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики

Проект

Модель по распознаванию и классификации изображений

II четверть. Июль – сентябрь

Задачи искусственного интеллекта. Совместно с компанией NVIDIA

Вы изучите продвинутые архитектуры сверточных нейронных сетей и компьютерное зрение.

Курсы

Введение в обработку естественного языка
  • Предобработка текста
  • Создание признакового пространства
  • Part-of-Speech разметка, NER , извлечение отношений
  • Классификация текста. Анализ тональности текста
  • Сверточные нейронные сети для анализа текста
  • Рекуррентные нейронные сети. LSTM. GRU.
  • Модель Transformer
  • Модель BERT
  • Консультация по курсовому проекту. Создание чат-бота в Telegram
  • Консультация по курсовому проекту. Создание чат-бота в Telegram
1 месяц — 10 уроков
15 часов обучающего контента, 30 часов практики
Введение в компьютерное зрение
  • Обработка изображений и компьютерное зрение
  • Свёрточные нейронные сети (СНС)
  • Продвинутые архитектуры свёрточных нейросетей
  • Семантическая сегментация
  • Детектирование объектов
  • Metric learning
  • Обработка видео
  • Синтез изображений
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики

Проект

Модель определения эмоциональной окраски текста и классификация текстов

Курсы вне четверти

Предметы с индивидуальным выбором даты старта

Вы можете формировать часть расписания самостоятельно и регулировать интенсивность обучения.

Курсы

Спортивный анализ данных. Платформа Kaggle
  • Введение в спортивный анализ данных, Exploration Data Analysis
  • Построении надежных схем валидации решения, оптимизация целевых метрик
  • Консультация 1
  • Feature Engineering, Feature Selection
  • Тюнинг гиперпараметров, построение ансамблей алгоритмов
  • Консультация 2
  • Курсовой проект: inclass соревнование на площадке kaggle.
1 месяц — 7 уроков
10 часов обучающего контента, 21 часов практики
Git. Базовый курс
  • Введение в Git
  • Установка и настройка Git
  • Основные команды терминала
  • Работа с репозиториями в Git
  • Управление файлами репозитория
  • История изменений
  • Работа с ветками репозитория
  • Публикация репозитория
  • Слияния веток
  • Управление версиями
  • Создание pull-request
  • Сложные операции
  • Работа с Fork-репозиториями
13 видео-уроков
2 часа обучающего контента
Как студенту GeekUniversity найти свою первую работу
  • Профессия – программист
  • Профориентация
  • Начинаем составлять резюме
  • Выбор языка программирования: веб-разработка
  • Мобильная разработка. Универсальные языки программирования
  • Правила эффективного резюме
  • Поиск работы: что, где, когда
  • Собеседование и испытательный срок
  • Фриланс: первые шаги
  • Фриланс: начало работы и поиск заказов
  • Фриланс: выполнение заказа и оплата
  • Специальности в сфере IT
  • Карьерная лестница в сфере IT
1 месяц — 8 уроков
2 часа обучающего контента
История развития искусственного интеллекта. Видеокурс
  • 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
7 видео-уроков
1 час обучающего контента
Алгоритмы и структуры данных на Python. Интерактивный курс
  • 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
1 месяц — 9 уроков
9 часов обучающего контента, 27 часов практики
Введение в высшую математику
  • Видеоурок. Элементарная алгебра
  • Вебинар. Элементарная алгебра
  • Видеоурок. Введение в аналитическую геометрию. Графики на плоскости
  • Вебинар. Введение в аналитическую геометрию. Графики на плоскости
  • Видеоурок. Элементы теории вероятностей
  • Вебинар. Элементы теории вероятностей
  • Видеоурок. Введение в линейную алгебру
  • Вебинар. Введение в линейную алгебру
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики
Методы оптимизации
  • Вводный урок
  • Непрерывность, гладкость и сходимость ЦФ. Дискретные ЦФ
  • Условная и безусловная оптимизация
  • Методы однокритериальной оптимизации
  • Постановка задачи многокритериальной оптимизации
  • Методы многокритериальной оптимизации
  • Градиентный спуск
  • Стохастические методы оптимизации
1 месяц — 8 уроков
12 часов обучающего контента, 24 часов практики
Системы машинного обучения в Production
  • Введение в задачу предсказания оттока. Формализация задачи и сбор сырых данных
  • Загрузка данных и построение обучающей выборки. Анализ и предобработка датасета. Балансировка классов
  • Выбор и обучение модели на отобранных признаках. Сравнение качества и оценка модели
  • Оценка потенциального влияния на бизнес. Масштабирование решения
  • Подготовка к продакшену. Планировщик задач и перенос проекта из Jupyter в PyCharm
1 месяц — 5 уроков
7 часов обучающего контента, 15 часов практики

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.

Истории успеха

«Зарабатываю в 2,5 раза больше, чем раньше»
Алексей Старцев
Читать подробнее
«Развиваю бизнес с помощью искусственного интеллекта»
Ярослав Стеценко
Читать подробнее
«Прогнозирую спрос с помощью Data Science»
Константин Воронков
Читать подробнее
«Поменял специальность и избавился от рутины»
Юрий Рябинин
Читать подробнее

Мы дарим подарки всем студентам

Стоимость обучения

Рассрочка до 36 месяцев: удобно вносить небольшие суммы
Полгода обучения за наш счет: разбиваем стоимость и первые полгода платим за вас
0 ₽/месяц
первые 6 месяцев
7 490 ₽/месяц
после полугода учебы
Сэкономьте еще 13%
Вы можете вернуть 13% стоимости через налоговый вычет. Оставьте заявку и спросите об этом менеджера.

Записаться на курс и получить бесплатную карьерную консультацию

Начало занятий: 1 и 6 декабря
Бесплатный звонок по России 8 800 700-68-41
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.
Упс! Что-то пошло не так

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.