Хочу поступить
Скидка до
-30%
до 8 декабря
Успей забронировать место на курсе

Факультет искусственного интеллекта

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

Онлайн-университет от GeekBrains с гарантированным трудоустройством

Хочу поступить
Программа разработана совместно с компаниями
Скидка до
-30%
до 8 декабря

Освойте Data Science с нуля и получите востребованную профессию

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

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

Зарабатывайте в любых условиях

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

Обучение в GeekBrains — двойная выгода для карьеры

По данным сайта job.kg, выйдя на уровень middle-специалиста, вы будете претендовать на более высокую зарплату и на большее количество вакансий.

79 000 сом

Зарплата в месяц

11%от всех на job.kg

Доступных вакансий

165 000 сом

Зарплата в месяц

56%от всех на job.kg

Доступных вакансий

Как вы найдете работу с помощью GeekUniversity

1

Дадим необходимые знания

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

Вместе оформим резюме

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

Предложим подходящие вакансии

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

Поможем получить работу мечты

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

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

Наши ученики трудоустроились в компании

Почему нас выбирают

Живое общение

В курсе 70% вебинаров с 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 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

14

проектов в портфолио

2

вебинара в неделю

I год

Подготовительные курсы

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

Курсы

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

Программирование

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

Курсы

Встреча декана со студентами
Основы языка Python
  • Знакомство с Python
  • Встроенные типы и операции с ними
  • Функции
  • Полезные инструменты
  • Работа с файлами
  • Объектно-ориентированное программирование
  • ООП. Продвинутый уровень
  • ООП. Полезные дополнения
4 недели— 8 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 — 10 уроков
15 часов обучающего контента, 30 часов практики
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
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
II четверть

Специализация

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

Курсы

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

Проект

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

Предметы с индивидуальным выбором даты старта

Вы можете формировать часть расписания самостоятельно и регулировать интенсивность обучения.

Курсы

Подготовка к поиску работу
  • Как составить резюме, которое точно заметят
  • Составляем карту поиска работы
  • Зачем нужны сопроводительные письма
  • Что вас ждет на собеседовании с HR
2 недели — 4 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

Проект

  • Соревнование на площадке Kaggle

Получите программу курса на email

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

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

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

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 курса

Рассрочка до 24 месяцев без переплат

Удобно вносить небольшие суммы

0
₽ / месяц
первые шесть месяцев
153 BYN
/ месяц
после полугода обучения

Стоимость обучения

0 ₽
в месяц
первые шесть месяцев
5 843 сом
в месяц
0% переплат
Рассрочка до 24 месяцев
Удобно вносить небольшие суммы
Хотите узнать подробнее?
Вы можете оставить заявку, менеджер свяжется с вами и ответит на любые интересующие вас вопросы.

Стоимость обучения

Рассрочка до 24 месяцев: удобно вносить небольшие суммы
₽/месяц
Полгода обучения за наш счет: разбиваем стоимость и первые полгода платим за вас
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: 4 декабря
Бесплатный звонок  +996 312 900542
Отправляя заявку,  вы принимаете условия публичного договора и даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.
Спасибо! 
Ваша заявка принята. Наш менеджер свяжется с вами в ближайшее время.
Упс! Что-то пошло не так
Скидка до
-30%
до 8 декабря

Часто задаваемые вопросы

Как проходит обучение?

Уроки проходят в формате online-трансляций, несколько раз в неделю в вечернее время. 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 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: info@geekbrains.kg или +996 312 900542 (звонок бесплатный). По остальным вопросам пишите нам на info@geekbrains.kg

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.