Name: Data Scientist
Price: 88300 RUB
Availability: InStock
Rating: 4.5 (2 reviews)

Длительность10 мес.

ФорматОнлайн

УровеньНачинающий

Стартс 21 сентября

ДокументДиплом о профессиональной переподготовке

SQL-запросы Анализ данных Визуализация данных Машинное обучение Нейронные сети Работа с базами данных Разведочный анализ данных Статистика и вероятность Google Таблицы Pandas PostgreSQL Python Scikit-learn SQL TensorFlow

Мнение редакции

8.2/10

Это базовая версия курса, и понимать её стоит буквально: программа собрана так, чтобы человек без опыта в ИТ дошёл до первой позиции, а не до сильного специалиста по машинному обучению. Школа сама формулирует это честно: навыки для работы с классическим ML и нейросетями «без глубокого погружения в математику». Сначала аналитика и статистика, потом SQL и Python, потом признаки и модели, и только в конце шестнадцать часов на введение в нейросети. За 88 300 рублей вы получаете диплом о профессиональной переподготовке, больше десяти проектов и год карьерной поддержки.

Слабое место у такого подхода ровно одно, и оно предсказуемое. Математика для анализа данных стоит в программе отдельным модулем, у которого не указано ни часов теории, ни часов практики, а линейная алгебра, производные, теория вероятностей и центральная предельная теорема перечислены списком тем. Для junior-вакансий этого хватит, для собеседования в сильную ML-команду скорее нет. Второй тариф, расширенная траектория за 165 400 рублей, добавляет глубокое обучение, CatBoost, вдвое больше проектов, восемь индивидуальных консультаций и индивидуальные технические собеседования вместо групповых.

Практика на курсе выглядит убедительно и разнообразно: система аналитики отпусков и домашней бухгалтерии, классификация клиентов банка по уровню дохода, база данных об авиаперевозках в SQL, поиск похожих пользователей по косинусной метрике, модель LDA с предсказанием увольнения сотрудника, проверка гипотезы о классах машин для дальних поездок в такси, ML-модель для классификации пациентов с болезнями сердца. Отдельно идут три воркшопа с экспертами Яндекса, Т-Банка и Сбера по разбору тестовых заданий из актуальных вакансий и необязательные задачи партнёров курса.

А вот со сроками у страницы беда. В первом же экране обещают начать работать через 5 месяцев, в блоке фактов стоит «от 9,5 месяцев», в тарифе ровно 9,5 месяца, в каталоге курс идёт как десятимесячный, а даты потока указаны с 3 сентября 2026 по 16 июля 2027, тогда как разметка на той же странице называет стартом 21 сентября. Расширенная траектория в тарифе описана как двадцатимесячная, хотя в каталоге у неё стоит восемнадцать месяцев. Планировать стоит по тарифу, а не по баннеру.

Вердикт: профессия дата-сайентиста с нуля за 88 300 рублей: больше десяти проектов, диплом о профессиональной переподготовке и год карьерной поддержки, но математику дают обзорно и бонусным модулем, а глубокое обучение и узкие специализации вынесены в расширенную траекторию за отдельные деньги.

Плюсы

полный маршрут новичка: аналитическое мышление и таблицы, статистика, визуализация, SQL, Python, признаки и модели, введение в нейросети
больше десяти проектов на разных данных: банк, авиаперевозки, такси, HR, медицина, плюс дипломная ML-модель по своей теме или на данных с Kaggle
34 вебинара с аналитиками крупных компаний и 4 индивидуальные консультации, ответ команды курса в течение 24 часов
три воркшопа по разбору тестовых заданий из актуальных вакансий с экспертами Яндекса, Т-Банка и Сбера
диплом о профессиональной переподготовке по государственной лицензии и помощь центра карьеры во время учёбы и 12 месяцев после
88 300 рублей одним платежом за 9,5 месяца, оплату можно разбить на 24 месяца без переплат

Минусы

математику дают обзорно и бонусным модулем без указанных часов: школа прямо продаёт курс как обучение «без глубокого погружения в математику»
глубокое обучение, CatBoost и индивидуальные технические собеседования только в расширенной траектории за 165 400 рублей и вдвое больший срок
сроки на странице спорят друг с другом: обещание начать работать через 5 месяцев, программа «от 9,5 месяцев», поток с 3 сентября по 16 июля и старт 21 сентября в разметке
гарантии трудоустройства нет, а задачи партнёров школа сама помечает как необязательные, то есть это бонус к портфолио, а не стажировка

Кому подходит

Новичкам без опыта в ИТ

Курс заявлен как профессия с нуля: сначала базовые навыки в аналитике, затем модели и нейросети, математика в объёме, достаточном для старта.

ИТ-специалистам, которым нужно работать с данными

Школа отдельно называет эту группу: расширить стек и понять, как встроить Data Science в текущую работу или перейти в аналитику.

Тем, кто меняет сферу и хочет опереться на прошлый опыт

Курс прямо говорит, что опыт из другой отрасли пригодится для более глубокого погружения в задачи: предметная экспертиза плюс модели.

Тем, кому нужен документ государственного образца

Диплом о профессиональной переподготовке по государственной лицензии выдают при успешной защите итогового проекта.

Кому курс не подойдёт

тем, кто идёт в сильную ML-команду или в науку: математика здесь обзорная, а глубокое обучение вынесено в расширенную траекторию за 165 400 рублей
тем, кому нужна продакшн-часть профессии: ETL-пайплайны, контейнеризация и CI/CD в этой программе не заявлены, это соседний курс «Инженер машинного обучения» за 117 600 рублей
тем, кто рассчитывает уложиться в пять месяцев по обещанию с первого экрана: тариф рассчитан на 9,5 месяца, а поток идёт до июля следующего года

Чем отличается от других курсов направления

В направлении это средняя по цене и одна из самых длинных программ. Прямые соседи по каталогу дороже: «Инженер данных с нуля» Яндекс Практикума за 169500 рублей и год, «ML-инженер» там же за 192000 рублей и год, «Инженер данных» за 119500 рублей и 6 месяцев, «ML-инженер с опытом» за 145000 рублей и 4 месяца, «Инженер данных» TeachMeSkills за 100000 рублей и 6,5 месяца. Курс Нетологии за 88 300 рублей дешевле обеих годовых программ Практикума и при этом даёт диплом о профессиональной переподготовке, больше десяти проектов и год карьерной поддержки. Разница в предмете важнее разницы в цене: инженер данных строит хранилища и пайплайны, а здесь учат строить модели, поэтому сравнивать курс честнее с «ML-инженером» Практикума за 192000 рублей, который дороже почти вдвое и идёт год. Внутри самой Нетологии выбор ещё жёстче: расширенная траектория того же курса стоит 165 400 рублей и добавляет глубокое обучение, вдвое больше проектов и свидетельство об изучении Deep Learning, а соседний «Инженер машинного обучения» за 117 600 рублей учит уже не только моделям, но и их внедрению с ETL, Docker и CI/CD. Если нужен именно быстрый и дешёвый вход в анализ данных с дипломом, базовый тариф оправдан; если цель работа с нейросетями всерьёз, разница в деньгах отобьётся выбором старшей программы сразу.

Обзор курса

Что вы покупаете за базовый тариф

9,5 месяца, больше 10 проектов в портфолио, 4 индивидуальные консультации, групповая подготовка к техническому собеседованию, диплом о профессиональной переподготовке и помощь с трудоустройством во время учёбы и 12 месяцев после. Ядро программы: аналитическое мышление с Google-таблицами (20 часов теории и 38 практики), основы практической статистики (8 и 14), основы визуализации (6 и 11), SQL и получение данных (20 и 32), Python и аналитические библиотеки (59 и 47), работа с признаками и построение моделей (42 и 37), разработка и обучение нейросетей (10 и 6). Сверху пять бонусных и дополнительных модулей, которые школа прямо называет необязательными.

Где проходит граница с расширенной траекторией

Расширенная стоит 334 118 рублей до скидки и 165 400 одним платежом, идёт, по тарифу на странице, 20 месяцев и даёт от 20 проектов, 8 индивидуальных консультаций, индивидуальные технические собеседования вместо групповых и свидетельство об изучении Deep Learning вдобавок к диплому. CatBoost в описании инструментов прямо помечен как изучаемый на расширенной траектории. То есть базовый тариф закрывает классический ML и знакомство с нейросетями, а глубокое обучение как отдельную компетенцию нужно докупать. Разница в цене больше семидесяти тысяч и десять месяцев жизни, поэтому решать это лучше до оплаты, а не в середине курса.

Что делают руками

Проекты идут сквозь всю программу: разведочный анализ и классификация клиентов банка по уровню дохода, развёртывание и анализ базы данных об авиаперевозках, поиск похожих пользователей по косинусной метрике на кинооценках, модель LDA для предсказания увольнения сотрудника, проверка статистической гипотезы на данных о поездках такси, ML-модель для классификации пациентов с болезнями сердца. Дипломная работа это ML-модель по своей или учебной теме, допускается защита на данных с Kaggle, и на неё выделены минимум четыре индивидуальные консультации с дипломным руководителем.

Кто ведёт и кто отвечает на вопросы

Преподаватели заявлены как специалисты из Яндекса, Сбера, «Работа.ру», Домклик, Amazon и других компаний. За курс проходит 34 вебинара с аналитиками крупных компаний, координаторы и аспиранты отвечают в течение 24 часов, тестовые технические собеседования проходят один на один с ментором. Собственная оценка Нетологии по курсу 4,8 из 5, в разметке страницы указан рейтинг 4,58 по 404 оценкам.

Чего в программе нет

Нет продакшн-части: MLOps, контейнеризации, CI/CD и сборки ETL-пайплайнов в этой программе не заявлено, это соседний курс «Инженер машинного обучения» за 117 600 рублей. Нет специализаций в компьютерном зрении и обработке речи, они тоже у соседа. Нет гарантии трудоустройства: карьерная поддержка есть, обещания устроить на работу или вернуть деньги нет. Задачи партнёров школа честно помечает как необязательный бонус, а не как оплачиваемую стажировку.

Итог

Хороший вход в профессию для человека без ИТ-опыта, который хочет диплом государственного образца и портфолио, а не научную подготовку. Если цель именно машинное обучение в продакшне или узкая специализация, базового тарифа не хватит, и честнее сразу считать бюджет по расширенной траектории или по курсу ML-инженера.

Программа курса

1Аналитическое мышление

Как думать как аналитик и формулировать гипотезы для проверки. Введение в Google-таблицы и продвинутые таблицы, основы статистики, откуда берутся данные, продвинутая визуализация, Python как инструмент анализа, машинное обучение для жизни.

2Основы практической статистики

Статистические показатели, виды распределений и корреляция, взаимосвязи данных и формулирование гипотез по SMART, статистические критерии в Google Таблицах, проверка гипотез и формулирование выводов.

3Основы визуализации данных

Как донести информацию изображением, инструменты и источники данных, предподготовка, исследование данных и основы статистики, продвинутая визуализация, сторителлинг в визуализации.

4SQL и получение данных

Архитектура и структура баз данных, простые запросы, join-ы и агрегаты, встроенные аналитические функции, импорт и экспорт данных через SQL и ETL, библиотеки для подключения к БД из Python, аналоги функций SQL в pandas, консоль и утилита psql, нормализация и зависимости.

5Основы Python и аналитические библиотеки

Самый большой модуль курса: базовые и продвинутые типы данных, циклы, функции и классы, NumPy для вычислительных задач, регулярные выражения, основы парсинга и работы с API, библиотека Pandas и её оптимизация.

6Работа с признаками и построение моделей

Проверка данных на полноту, целостность, валидность, шумы и пропуски, очистка через NumPy и Pandas, снижение размерности алгоритмами PCA, LDA и NMF. Регрессионный анализ, классификация через логистическую регрессию и SVM, функции потерь и оптимизация, переобучение и регуляризация, деревья решений и Random Forest.

7Разработка и обучение нейросетей

Введение в нейронные сети и библиотеку Keras и углубление в неё, свёрточные и рекуррентные сети, автокодировщики, генеративно-состязательные сети. Даёт базу для дальнейшей работы с компьютерным зрением и обработкой естественного языка.

8Бонусные и дополнительные модули

Разбор тестовых заданий на трёх воркшопах с экспертами Яндекса, Т-Банка и Сбера, основы облачных технологий и Яндекс Облака, математика для анализа данных (линейная алгебра, производные, теория вероятностей, теория оптимизации), нейросети для технических задач и поиск работы с помощью генеративного ИИ. Школа помечает эти модули как необязательные.

Записаться на курс

Чему вы научитесь

собирать и готовить данные для анализа, чистить их от пропусков, шумов и ошибок
писать SQL-запросы к реляционным базам и работать с PostgreSQL из консоли и из Python
проверять статистические гипотезы и выбирать подходящий статистический критерий
выбирать и создавать признаки для модели, снижать размерность через PCA, LDA и NMF
строить регрессии, логистическую классификацию, SVM, деревья решений и Random Forest
оценивать точность модели, распознавать переобучение и применять регуляризацию
создавать и обучать нейросети, собирать модели с помощью Keras и TensorFlow
визуализировать данные и рассказывать по ним историю с помощью Matplotlib, Seaborn и Looker Studio

Как проходит обучение

Видеолекции и 34 вебинара

Преподаватели регулярно проводят онлайн-занятия, на них можно сразу получить ответы по теме, записи остаются в личном кабинете.

Четыре индивидуальные консультации

Эксперты разбирают конкретные задачи и карьерное развитие, для дипломной работы предусмотрен отдельный дипломный руководитель.

Больше десяти проектов и дипломная ML-модель

Проекты идут по всем блокам: банк, авиаперевозки, такси, HR, медицина. Дипломную работу можно делать по своей теме или на данных с Kaggle.

Тестовые технические собеседования

Тренировка решения задач один на один с ментором плюс три воркшопа по разбору тестовых заданий из актуальных вакансий с экспертами Яндекса, Т-Банка и Сбера.

Задачи от партнёров курса

Необязательный блок: реальные задачи компаний-партнёров, которые дают опыт и рекомендации, но школа прямо говорит, что они не обязательны.

Поддержка команды курса

Координаторы и аспиранты помогают с текущими вопросами и отвечают в течение 24 часов.

Преподаватели

Алексей Кузьмин
Технический директор и учёный по данным (Data Scientist), «Домклик»

Даниил Корбут
Инженер машинного обучения (Machine Learning Engineer), Amazon Rufus

Даниил Корогодский
Старший фулстек-инженер, (Senior Fullstack Engineer) в RBmedia

Олег Булыгин
Предприниматель, IT-консалтинг Преподаёт дисциплину «Программирование на Python»

Константин Башевой
Аналитик-разработчик, Яндекс

Артур Сапрыкин
Основатель и генеральный директор «Маглося»

Максим Сахаров
Старший консультант по Data Science, «БазисСофт». Кандидат технических наук

Алексей Миронов
Руководитель направления по исследованию данных, Сбер

Иван Родин
Исследователь в университете Катании (Италия)

Егор Конягин
Учёный по данным (Data Scientist), инженер по компьютерному зрению в Эстонском стартапе Haut.AI

Александр Немальцев
Руководитель группы машинного обучения, VK

Юлия Пономарева
Учёный по данным (Data Scientist), фрилансер

Владимир Новиков
Выпускник Стэндфордского университета (Graduate Student, Stanford University)

Алёна Артемьева
Директор по аналитике, Data Science и исследованиям, «Работа.ру»

Себало Артём
Учёный по данным (Data Scientist), Avito Tech

Парфенов Сергей
Инженер машинного обучения (ML Engineer) и бээкэнд-разработчик, фрилансер

Помощь с трудоустройством

У школы работает карьерный центр: сопровождение выпускников, вакансии партнёров, разбор резюме.

Со страницы курса: «Помощь с трудоустройством: получите поддержку центра карьеры во время учёбы и ещё 12 месяцев после. Помогаем поставить цели и подготовить резюме, проводим интенсивы по поиску работы, устраиваем эфиры с HR-экспертами»

Уровень	Зарплата
Junior	136000
Middle	233000
Senior	396000

Часто задаваемые вопросы

Сколько на самом деле длится обучение?

По тарифу 9,5 месяца, в каталоге курс числится как десятимесячный. На той же странице встречаются обещание начать работать через 5 месяцев, формулировка «программа от 9,5 месяцев» и даты потока с 3 сентября 2026 по 16 июля 2027, а разметка называет стартом 21 сентября. Ориентироваться стоит на срок тарифа, а не на баннер.

Нужна ли математика, чтобы начать?

Школа строит курс так, чтобы обойтись без глубокого погружения в математику. Модуль «Математика для анализа данных» с линейной алгеброй, производными и теорией вероятностей в программе есть, но идёт как дополнительный, и часов у него не указано.

Чем базовый тариф отличается от расширенного?

Базовый это 9,5 месяца, от 10 проектов, 4 индивидуальные консультации, групповая подготовка к техническому собеседованию и диплом о профессиональной переподготовке. Расширенный стоит 165 400 рублей, длится, по тарифу на странице, 20 месяцев и даёт от 20 проектов, 8 консультаций, индивидуальные технические собеседования и свидетельство об изучении Deep Learning. CatBoost изучается только на расширенной траектории.

Какой документ выдают?

Диплом о профессиональной переподготовке. Школа обучает по государственной лицензии и выдаёт документ при успешной защите итогового проекта.

Что будет в портфолио?

Больше десяти работ: система аналитики отпусков и домашней бухгалтерии, классификация клиентов банка по доходу с разведочным анализом, развёрнутая база данных об авиаперевозках, поиск похожих пользователей по косинусной метрике, модель LDA с предсказанием увольнения сотрудника, проверка гипотезы на данных такси, ML-модель для классификации пациентов с болезнями сердца. Завершает всё дипломная ML-модель.

Помогают ли с трудоустройством?

Курс включает программу трудоустройства: поддержка центра карьеры во время обучения и ещё 12 месяцев после, помощь с целями и резюме, интенсивы по поиску работы, эфиры с HR-экспертами, доступ к вакансиям партнёров. Гарантии устроить на работу или вернуть деньги школа не даёт, а задачи партнёров помечены как необязательные.

Сколько зарабатывают дата-сайентисты?

Страница приводит данные Хабр Карьеры: 136 000 рублей у начинающих, 233 000 у специалистов с опытом около 2-3 лет и 396 000 у ведущих. Школа сама оговаривает, что данные обновляются и могут отличаться.

Можно ли платить частями?

Да. Кроме оплаты одним платежом со скидкой школа предлагает разбить стоимость на 24 месяца без переплат.

Отзывы о курсе «Data Scientist»

4.5 2 отзыва

5★1

4★1

3★0

2★0

1★0

КириллВоронеж10.04.2026

Достоинства: python и модели разложены по полочкам, проектов действительно много

Недостатки: математику проходишь по верхам, на собеседовании это заметно

Пришёл из технической поддержки, программировать почти не умел, максимум формулы в таблицах. Первые два месяца были похожи на курс по аналитике, а не по Data Science, и это оказалось правильно: к SQL и Python я подошёл уже понимая, зачем они. Модуль про Python самый тяжёлый по объёму, там реально сидишь вечерами. Больше всего дал блок про признаки и модели: до него я думал, что машинное обучение это выбрать алгоритм, а оказалось, что три четверти работы это данные. Дипломную делал на своих данных с работы, руководитель четыре раза разбирал со мной ошибки.

👍 0👎 0

ДинараУфа18.02.2026

Достоинства: разбор тестовых заданий с экспертами и поддержка после выпуска

Недостатки: сроки на сайте не сходятся, глубокое обучение только в расширенном тарифе

Училась почти десять месяцев, совмещала с работой. Полезнее всего оказались воркшопы с разбором тестовых из настоящих вакансий: сначала решаешь сам, потом видишь, как решает человек из индустрии, и понимаешь, чего от тебя ждут. Карьерный центр помог переписать резюме, отклики пошли. Что раздражало: на сайте в одном месте написано, что работать можно через пять месяцев, в другом что программа от девяти с половиной, а в каталоге стоит десять. И часть интересного, вроде глубокого обучения, оказалась в другом тарифе, о чём понимаешь уже после оплаты.