Об Академии Яндекса — Академия Яндекса

Академия Яндекса — это проект для тех, кто интересуется информационными технологиями и хочет развиваться в этой области. Мы знакомим с современными подходами к разработке, дизайну и менеджменту, рассказываем о создании интернет-продуктов и анализе данных. Здесь можно записаться на курсы и в школы, подать заявку на стажировку в Яндексе или на участие в состязании программистов. Вы найдёте также множество материалов на разные темы — от тайм-менеджмента до машинного обучения.

РАЗРАБОТКА

Школа разработки интерфейсов
Лекции, учебные проекты и хакатоны для разработчиков интерфейсов.

Школа мобильной разработки
Программа для мобильных разработчиков, желающих получить новые знания.

Bootcamp для аналитиков
Базовый обучающий курс для новых аналитиков Яндекса.

Школа информационной безопасности
Курс по инфраструктурной и продуктовой безопасности для начинающих специалистов.

АНАЛИЗ ДАННЫХ

Школа анализа данных 
Двухгодичные курсы по машинному обучению и анализу данных для студентов и выпускников вузов.

Computer Science Center
Курсы по анализу данных, разработке ПО и информатике для студентов Санкт-Петербурга и Новосибирска.

День анализа данных
12-часовой марафон для программистов — специалистов по анализу данных и машинному обучению.

МЕНЕДЖМЕНТ

Школа продакт-менеджеров 
Курс для тех, кто хочет создавать и продвигать IT-продукты.

Школа менеджеров Яндекса
Лекции, семинары и стажировка в Яндексе для менеджеров IT-проектов.

Академия Гипербатона 
Интенсив для технических писателей и копирайтеров.

ДИЗАЙН

Дизайн-перемена
Серия однодневных воркшопов для начинающих дизайнеров.

ЯНДЕКС В ШКОЛАХ

Учебник 
Сервис для учителя начальной школы с заданиями по математике и русскому языку.

Лицей 
Двухгодичная программа для учеников 8–10 классов, которые хотят научиться программировать.

Школа программирования в Армении
Основы Python за один год: программа для учеников 8–10 классов.

Московская школа программистов 
Онлайн-курсы и очные занятия для школьников разного возраста.

Яндекс.Репетитор 
Тесты для подготовки к ЕГЭ и ОГЭ, ответы и разбор заданий.

Атлас вузов 
Информация об экзаменах и проходных баллах в вузах за несколько лет.

ЯНДЕКС В ВУЗАХ

Факультет компьютерных наук НИУ ВШЭ
Подготовка разработчиков и исследователей, специалистов в области анализа данных и программной инженерии.

Базовые кафедры Яндекса
Кафедры Яндекса открыты на профильных факультетах НИУ ВШЭ и МФТИ.

Магистратура и бакалавриат
Яндекс участвует в магистерских программах МФТИ, МГУ, УрФУ, СПбГУ и НГУ, а также в программе бакалавриата СПбГУ.

Лекции
Специалисты Яндекса читают лекции в БГУ, ИТМО и Университете «Иннополис».

Стипендия и премия им. Ильи Сегаловича 
Поддержка талантливых студентов и научного сообщества в России, Беларуси и Казахстане.

ЯНДЕКС ОНЛАЙН

Практикум
Онлайн-курсы для желающих освоить новую профессию. Подготовка разработчиков и других IT-специалистов с нуля.

Онлайн-курсы
Программирование и анализ данных, менеджмент, маркетинг и дизайн.

Обучение рекламным технологиям 
Курсы, лекции и статьи по работе с Директом, Метрикой, ADFOX и другими сервисами для рекламодателей.

СОРЕВНОВАНИЯ

Чемпионат по программированию
Открытые онлайн-соревнования по фронтенд- и бэкенд-разработке, аналитике данных и машинному обучению.

Алгоритм
Международный чемпионат по спортивному программированию.

Блиц
Соревнования программистов и возможность попасть на радары рекрутёров Яндекса.

Контест 
Облачная платформа для проведения состязаний программистов.

Тренировки по спортивному программированию
Регулярные тренировки, состязания и обсуждения заданий прошедших туров.

Тренировки по машинному обучению
Разбор заданий международных соревнований по программированию.

НАЧАЛО КАРЬЕРЫ

Стажировки
Работа в Яндексе для начинающих разработчиков, аналитиков и специалистов по машинному обучению.

Летняя стажировка
Программа для студентов, желающих получить полезный опыт без ущерба для учёбы.

Научная практика
Начало научной карьеры под руководством исследователей Яндекса.

Какие онлайн-курсы можно пройти за две недели — Академия Яндекса

Академия Яндекса составила подборку курсов для тех, кто хочет познакомиться с новыми сферами ИТ: от продуктового дизайна до машинного обучения и криптографии.

Яндекс.Практикум — 20 часов вводных лекций

В Яндекс.Практикуме обучают анализу данных, фронтенд- и бэкенд-разработке и другим цифровым профессиям. На каждой программе есть вводные курсы, которые можно пройти бесплатно, — чтобы сделать первые шаги в выбранной области.

Лекции Школы дизайна Яндекса — 22 часа

Видеокурс для начинающих дизайнеров состоит из четырёх блоков: особенности дизайна в крупных компаниях, прототипирование, продуктовые исследования и работа в команде. По словам авторов, он пригодится тем специалистам, которые хотят не просто рисовать макеты, а создавать архитектуру приложений.

Введение в машинное обучение — 35 часов

В ходе курса можно узнать об основных методах машинного обучения и их особенностях, научиться оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Те, кто готов заниматься по 2,5 часа в день, успеют освоить материалы лекций за две недели.

Методы и средства защиты информации — 23 часа

Лекции от НИУ ВШЭ ориентированы на тех, кто впервые заинтересовался криптографией и информационной безопасностью.

Метрики бизнеса для data-driven компаний — 14 часов

Курс на Coursera от Университета Дьюка позволит разобраться в том, как компании используют данные для того, чтобы принимать решения, и лучше понять, как устроена работа бизнес-аналитика.

Введение в программирование на C++ — 19 часов

Программа курса на базовом уровне освещает практические основы программирования. Его учащимся предстоит решить множество небольших задач, которые охватывают основные конструкции языка C++. Лекции ведёт Михаил Густокашин — куратор академических программ Яндекса и директор центра студенческих олимпиад факультета компьютерных наук ВШЭ.

А продолжить изучение «плюсов» можно на специализации Яндекса «Искусство разработки на современном C++».

Разработка интерфейсов: вёрстка и JavaScript — 35 часов

Пройдя эту специализацию, можно освоить основные инструменты разработчика интерфейсов. Программа состоит из двух частей: курсов про вёрстку и по JavaScript. Задания по вёрстке не требуют практически никакой подготовки. Научиться основам JavaScript труднее, и поэтому для курса нужны пререквизиты: преподаватели ожидают, что вы уже умеете программировать (например, на C++, C#, Java, Python или Haskell).

Каково получать магистерское образование онлайн? — Академия Яндекса

Полгода назад Высшая школа экономики открыла онлайн-магистратуру по наукам о данных на английском языке. На первый набор поступили 96 студентов из самых разных городов и стран. Мы поговорили со студентами из России, Индии и ЮАР, о трудностях, первых успехах и мотивации начать онлайн-обучение.

Дубей Бхупендра, Индия

В 2011 году закончил магистратуру по специальности «Электроника и техника связи». Начал карьеру как инженер-программист, затем работал исследователем в алгоритмическом трейдинге. После хедж-фонда снова работает на должности инженера программного обеспечения.

Мои интересы всегда были связаны с физикой и математикой, и я никогда не переставал их изучать. Я убежден, что за онлайн-образованием будущее. Я учусь онлайн уже давно и вижу, что для меня это очень эффективно. 

Учеба уже сама по себе меня мотивирует, но главное в том, что я смогу использовать свои знания и диплом, чтобы найти хорошую исследовательскую работу

Занятия проходят интересно, я углубляюсь в темы, которые мне всегда нравились, все предметы первого семестра я уже когда-то изучал. Студенты смотрят записанные лекции в удобное время, а раз в две недели проводятся лайв-сессии. Лично мне занятия в реальном времени не приносят большой пользы, так как они в основном направлены на людей, у которых много вопросов. Я предпочитаю, когда на вопросы отвечают по электронной почте или на форумах и когда преподаватели дают интересные задачи на построение концепций. 

Главный вызов для меня — это баланс между учебой, работой и семьей. Находить время непросто, потому что каждую неделю параллельно с двумя курсами нужно выполнять задания. С нагрузкой помогают справляться удовольствие от учебы и поддержка жены. Отсутствие контакта с однокурсниками для меня пока главный минус онлайн-образования, эту проблему я не смог решить.

Моя основная цель — хорошо учиться, не думая о том, что я буду делать с этими знаниями. Но в глубине души я вижу себя на исследовательских ролях в промышленной сфере. И, возможно, когда-нибудь я получу докторскую степень. 

Валерий Седин, Санкт-Петербург 

Книга и блог «Гарри Поттер и методы рационального мышления» подтолкнули его заниматься математикой. Работает фронтендером около шести лет.

У меня не техническое образование, и это всегда сдерживало мою карьеру, всегда хотелось это исправить. Я знаком с Вышкой, учился в бакалавриате на менеджера и доверяю ее качеству образования. Фронтенд надоел, было бы здорово переключиться на что-то поинтереснее. В начале программы знаний мне хватало. Базовый Python, хотя это и не моя специальность, пролетел незаметно.

Курс математического анализа (Calculus) оказался для меня сложноват. Я многое успел подзабыть, но в итоге справился. Занятия в магистратуре похожи на курсеровские курсы: видеолекции плюс домашка — тесты и задания по программированию. Бывают лайв-сессии, где можно задавать вопросы преподавателям, если что-то непонятно, но у меня такой потребности не возникает. Больше всего понравились домашние задания на курсе Calculus. Они были трудные, но интересные.

Надеюсь, что смогу применить новые знания в моей компании, хотя четких представлений о профессиональном развитии у меня пока нет.

Татьяна Яворская, Москва 

Работала в журна

Бакалаврские программы в партнерстве с Яндексом / Блог компании Яндекс / Хабр

Яндекс более десяти лет активно участвует в образовании: у нас есть собственные программы для школьников (Яндекс.Лицей) и студентов (Школа анализа данных и школы по профессиям), а также тесная работа с вузами. Сейчас идет прием документов от поступающих в университеты, остались считанные недели до дедлайна. Мы хотим напомнить про наши проекты в бакалавриатах по математике и информатике в России.

В каждом университете программа имеет свои особенности. Направления обучения, темы, соотношение объемов математики и программирования — все это отличается от места к месту. Но есть важные принципы, которые мы стараемся соблюдать вместе с коллегами из университетов:

• Готовим к работе и жизни в будущем. Современность и актуальность для науки и индустрии. С максимальным балансом между теорией и практикой.
• Сильный преподавательский состав. Занятия ведут представители лучших научных центров страны и мира, а также практики из технологических компаний
• Активная проектная и/или исследовательская работа. Студенты работают с ведущими учеными и специалистами из IT-индустрии в рамках учебной программы и стажировок.

Рассказываем под катом про партнерские бакалаврские программы в Москве и Санкт-Петербурге.

Москва

ВШЭ

(Здание ВШЭ на ул. Мясницкой)

Факультет компьютерных наук был создан в 2014 году совместно с Яндексом, который разработал концепцию факультета и формирует образовательную программу вместе с ВШЭ. ФКН готовит специалистов для IT-индустрии по трем бакалаврским программам. За четыре года существования факультет достаточно сильно вырос. Сейчас на ФКН действует 8 научных лабораторий, а список индустриальных партнеров насчитывает около десяти крупных компаний из России и мира. На факультете действует стипендиальная программа имени сооснователя компании Яндекс Ильи Сегаловича. Также для первокурсников, отличившихся на Всероссийской олимпиаде школьников по математике, информатике и физике с нового учебного года вводится новая стипендия от Яндекса. Направления подготовки в бакалавриате:

“Прикладная математика и информатика”

Программа готовит специалистов по работе с данными, аналитиков, исследователей в области компьютерных наук, инженеров-разработчиков и инженеров-исследователей по программному обеспечению. Академический руководитель программы — Антон Конушин.
Программа разработана в 2014 году с учётом опыта ведущих факультетов компьютерных наук университетов EPFL в Швейцарии и Stanford в США, а также Школы анализа данных Яндекса. Кроме профессионального цикла (Major) студент может выбрать дополнительный профиль и пройти обучение по нему (Minor). На старших курсах студенты выбирают специализацию из следующих вариантов:

• Машинное обучение и приложения
• Распределённые системы
• Анализ и принятие решений
• Анализ данных и интеллектуальные системы

“Программная инженерия”

Программа готовит ведущих разработчиков и архитекторов программного обеспечения, менеджеров проектов, менеджеров по качеству программного обеспечения и процессов его разработки. Академический руководитель программы — Валерий Шилов.

Сочетание теоретической подготовки с практическим опытом работы в компаниях. Договоры более чем с 100 компаниями – лидерами индустрии открывают перед студентами возможности получения компетенций в реализации широкого спектра реальных IT-проектов.

Программа полностью соответствует международным рекомендациям по преподаванию программной инженерии в высших учебных заведениях в областях Computing, Computer Science и Software Engineering и международному профессиональному стандарту SWEBOK. В 2011 году программа получила престижную награду IBM Faculty Award.

“Прикладной анализ данных”

Новинка! Накопив опыт в обучении специалистов в области data science в ШАД и на ФКН, Яндекс, Высшая школа экономики и Лондонский университет открывают бакалаврскую программу «Прикладной анализ данных». Всё обучение будет проходить на английском языке, а выпускники получат два диплома: диплом бакалавра по направлению «Прикладная математика и информатика» НИУ ВШЭ и диплом Bachelor of Science (BSc) in Data Science and Business Analytics, University of London. Академический руководитель программы — Тамара Вознесенская.
Программа готовит аналитиков и специалистов в области data scienсе, обладающих пониманием задач прикладной экономики, в частности, задач финансовой сферы, и умеющих творчески применять свои знания и умения к успешному их решению. Выпускник сможет стать ведущим специалистом в современных финансовых организациях, в консалтинге, в IT-компаниях и стартапах.

Разработчиком и куратором британской части программы является London School of Economics and Political Science (LSE), один из ведущих университетов мира. ФКН дополнит программу традиционно сильными математикой, программированием и машинным обучением. В процессе обучения студенты получат возможность принять участие в летних школах LSE, познакомиться с жизнью британских студентов.

Всего на программе выделено 50 мест для российских студентов и 10 – для иностранных. Обучение платное, но предусмотрены скидки, в том числе и стопроцентные для победителей и призеров всероссийской олимпиады. Предусмотрено еще семь других скидок (от 75% до 10%) для самых сильных абитуриентов.

МФТИ

Физтех-школа Прикладной Математики и Информатики (ФПМИ) была создана в 2016 году с целью объединить лучшие в МФТИ направления в области математики, информатики и их приложений. Получившееся уникальное сочетание науки и индустрии создало площадку для исследовательских центров и лабораторий. Благодаря этому студенты, обучающиеся на программах ФИВТ и ФУПМ, получают качественное фундаментальное образование и применяют полученные знания в актуальных исследовательских задачах. Сейчас в ФПМИ больше 20 базовых и факультетских кафедр, более десяти лабораторий и крупных индустриальных партнеров.

Базовая кафедра Яндекса — кафедра анализа данных — уже больше десяти лет действует в МФТИ. Важной особенностью МФТИ является то, что основной цикл обучения по различным направлениям подготовки умещается в два с половиной года, после чего студенты распределяются распределяются по кафедрам базовых организаций: компаний-партнёров и академических институтов, и дальше уже изучают преимущественно дисциплины своей специализации.

В физтех-школе представлены три направления подготовки в бакалавриате:

“Прикладная математика и информатика”

Программа направлена на подготовку специалистов в области IT-разработки и анализа данных. Для поступления на ПМИ требуется сдавать математику и информатику. Кроме того, на этом направлении традиционно выделяется отдельная группа студентов, которые углубляются в изучение теоретической математики.

“Прикладная математика и физика”

Направление ПМФ основано на глубоком изучении физики, которое очень важно для построения математических моделей в самых разных отраслях: транспорт, экономика, биоинформатика, климат, авиастроение, нефтяная и газовая промышленность и т.д. Специализации внутри: математическая физика, компьютерные технологии, экономика и управление, анализ данных.

“Информатика и вычислительная техника”

Новинка! Направление подготовки, которое запускается в 2018 учебном году, ориентированное на подготовку инженерных кадров. Для поступления необходимо, помимо математики, сдавать как информатику, так и физику. Содержательно, это направление заимствует прикладные дисциплины как из направления ПМИ, так и из ПМФ, что позволяет осуществлять подготовку специалистов на стыке этих направлений. В частности, в области разработки “железа” и микроконтроллерной техники.

Санкт-Петербург

СПбГУ

Сотрудничество Яндекса и СПбГУ на уровне магистратуры началось еще в 2014 году. С 2018 мы стали активно участвовать в подготовке бакалавров в сотрудничестве с лабораторией им. П.Л.Чебышева СПбГУ в двух областях:

“Математика” с треком “Математика, алгоритмы и анализ данных”

Программа предназначена для тех, кто любит математику и ее приложения. Совет программы возглавляет лауреат премии Филдса Станислав Смирнов. Бакалавриат открылся в 2015 году, программа была разработана ведущими зарубежными и отечественными учёными. Студенты имеют возможность ездить на международные конференции, принимают участие и выигрывают в престижных международных математических конкурсах.

Новинка! Трек “Математика, алгоритмы и анализ данных”. Для новых наборов при участии Яндекса в программу вводятся новые курсы по выбору по самым разным темам — алгоритмам и структурам данных, машинному обучению, параллельным вычислениям, большим данным и другим предметам.

Количество бюджетных мест — 50. Для увеличения количества мест на программе Яндекс учредил стипендию для тех, кто поступит на внебюджетные места: 18 студентам будет покрыто обучение.

“Современное программирование”
Новинка! В 2018 г. в СПбГУ открывается поток “современное программирование”. На нём будет очень интересно как тем, кто хочет заниматься промышленным программированием, так и тем, кто просто любит придумывать и программировать алгоритмы. Обучение будет проходить на Васильевском острове в сотрудничестве с лабораторией П. Л. Чебышева СПбГУ. Поток создаётся при поддержке и в сотрудничестве с компаниями JetBrains и Яндекс: сотрудники компаний будут как читать курсы, так и предлагать проекты на практику. Увлекающимся спортивным программированием будет предоставлена возможность тренироваться под руководством ведущих тренеров. Планируется набрать до 25 человек.

Результаты приёма в вузы в 2018

Данные собраны и систематизированы Высшей школой экономики

 

Национальный исследовательский университет «Высшая школа экономики» проводит исследование качества приема в российские университеты с 2010 г. Партнеры проекта в 2018 году — Федеральная служба по надзору в сфере образования и науки, Министерство науки и высшего образования Российской̆ Федерации и Яндекс. Исследование основано на анализе информации, представленной̆ на сайтах высших учебных заведений. При необходимости эти данные сверяются с приёмными комиссиями вузов, а также с ФИС ГИА и приёма.

В мониторинге участвуют все российские вузы, в которые принимают преимущественно по результатам ЕГЭ (в 2018 году — 420 вузов и их филиалы). В мониторинг не включены вузы, для поступления в которые важны творческие испытания (консерватории, художественные и хореографические академии и т. д.), и вузы силовых ведомств, принимающие в основном выпускников профильных военных или морских училищ. Анализируются итоги зачисления на программы бакалавриата и специалитета (очная форма обучения).

 

«Почти пятерка»

Произошел рост качества приема в вузы в целом. По наблюдаемой группе вузов и крупных филиалов (324) бюджетный прием в бакалавриат и специалитет составил 271 119 чел., на 1,4% меньше, чем в прошлом году. Это связано не с уменьшением количества бюджетных мест, а с их перераспределением в пользу магистратуры, творческих вузов и очно-заочных программ. Без вступительных испытаний зачислен 4881 победитель и призер олимпиад школьников – на 21% больше, чем в прошлом году. Доля студентов 1 курса с баллами выше 70 (то есть «отличников») выросла с 43,5% в 2017 до 47,6% в 2018. Доля «троечников» (баллы ниже 56) снизилась с 20,5% до 17,2%.

Эти результаты отражают и повышение качества общеобразовательной школы, и более селективную политику вузов, повышение ими требований к будущим студентам. Например, целый ряд вузов последовал за ведущими университетами и установил в правилах приема минимальный уровень баллов по тем или иным предметами.

 

1

Если в 2017 году всего 5 вузов получили показатель качества приема 90+, то в этом году таких вузов стало на 2 больше. В клуб самых-самых вошли МИФИ и питерская ВШЭ. При этом состав группы топ-10 остался прежним, но расположение мест поменялось. Впервые за всю историю наблюдений (с 2009 года) первое место занял Физтех, оттеснив МГИМО на второе место. Питерская Вышка поднялась на одно место, став пятой, шестое место занял МИФИ, на седьмое с пятого опустился ИТМО (сохранившись в «лиге 90+»). А вот МГУ им. Ломоносова с седьмого места переместился на десятое, пропустив вперед РАНХиГС и Лингвистический университет. Впрочем, МГУ показал в этом году рост качества приема почти на один балл.

 

Топ-20 вузов по качеству бюджетного приема (с набором на бюджетные места больше 300 человек)

Место	Вуз	Ср.балл ЕГЭ (бюджет) 2018	Ср.балл ЕГЭ (бюджет) 2017	Зачислено на бюджетные места (чел.) 2018
1	МФТИ	96,4	94,1	810
2	МГИМО	95,3	95,6	389
3	НИУ ВШЭ Москва	94,6	93,9	2014
4	Санкт-Петербургский гос. ун-т	91,8	90,7	1932
5	НИУ ВШЭ Санкт-Петербург	90,5	88,8	467
6	МИФИ	90,3	88,4	550
7	ун-т ИТМО	90,2	90,3	1045
8	РАНХиГС	89,7	86,9	639
9	МГУ им. М.В. Ломоносова	89,3	88,5	3752
10	РЭУ им. Г.В. Плеханова, г. Москва	88,2	85,8	658
11	Моск. гос. лингвистический ун-т	86,8	87	571
12	Новосибирский нац. иссл. гос. ун-т	86,4	84,6	961
13	Финансовый ун-т при Правительстве РФ	86,2	83,9	1387
14	Московский гос. юридический ун-т им. О.Е. Кутафина	86,0	84,4	737
15	НИУ ВШЭ Нижний Новгород	84,7	82,1	349
16	Российский нац. исслед. мед. ун-т им. Н.И. Пирогова	84	82,3	1220
17	Первый гос. московский мед. ун-т им. И.М. Сеченова	83,8	83,0	1397
18	РГГУ	83,2	81,4	660
19	МИСиС	82,8	82,7	668
20	Первый Санкт-Петербургский гос. мед. ун-т им. И.П. Павлова	82,4	80,9	620

Вузов со средним баллом 80+ в этом году стало 30 – на 7 больше, чем в 2017 г. В элитную лигу впервые вошли Российский университет дружбы народов, Питерский политех им.Петра Великого, ЛЭТИ, Казанский и Кубанский медицинские университеты. Впервые средний балл выше 80 имеет педагогический вуз — Московский городской педагогический университет. Что очень важно – ни один вуз не вышел ни из группы 90+, ни из группы 80+.

2

131 вуз по итогам приема 2018 года принял на бюджетные места больше половины «отличников», то есть имеет средний балл больше 70. Это 40% всех вузов России. 17 вузов вошли в эту группу первый раз. Покинули группу всего два вуза, но их результат – 69,9, так что у них есть все шансы туда вернуться. Самое знаковое событие – порог 70 баллов впервые преодолел Дальневосточный федеральный университет.

На Дальнем Востоке, таким образом, начала преодолеваться многолетняя тенденция, когда наиболее сильные абитуриенты практически поголовно уезжали в центральные и сибирские вузы, а средний балл в вузах макрорегиона оставался в районе 50-55.

3

Всего 33 вуза приняли на бюджетные места преимущественно «троечников» — против 45 в прошлом году. Из группы риска вышли 16 университетов, а опустились туда всего 4. Тревожным сигналом является, что среди остающихся в группе вузов 18 (это больше половины) еще снизили свои показатели по сравнению с прошлым годом. Такие показатели – очевидный сигнал для Правительства. 21 вуз «красной зоны» — принадлежит Минсельхозу, еще 4 – Минтрансу.

4

Если в группе лидеров счет идет на десятые доли балла, то тем значительнее успех Физтеха, который «добавил» 2,7 балла и вырвался на первое место среди вузов России по качеству приема. Это важно и символично: физики оттеснили дипломатов – МГИМО, традиционно занимавший первое место, в этом году стал вторым.

Надо отметить значительные успехи нескольких университетов, которые смогли улучшить свои прошлогодние результаты больше, чем на 5 баллов. Московский государственный университет пищевых производств – 9,1 баллов, Санкт-Петербургский государственный технологический институт (технический университет) – 5,7 баллов. Еще 14 вузов поднялись на 4-5 балла.

5

Регионы. В 2018 году произошла настоящая революция в региональных системах образования. Число регионов, где на 1 курс принято больше половины «отличников», выросло почти в 3 раза: с 4 до 11. К Москве, Питеру, Томску и Татарстану в этом году добавились:

Новосибирская область – 5 место (было 6), Ленинградская область – 6 место (было 9), Краснодарский край – 7 место (было 5), Свердловская область – 8 место (5-е), Башкортостан – 9 место, Нижегородская (10) и Тюменская (11 место). При этом нужно отметить, что 4 региона – Новосибирск, Башкортостан, Нижегородская и Свердловская области – зачислили на первый курс больше 10% «троечников» (Нижегородская область – больше 14%!).

6

По-прежнему рейтинг возглавляет Москва, рост качества приема в вузах столицы заметно опередил общероссийский: 78,4 балла против прошлогодних 76,5. Москва закрепила отрыв от преследующего ее Питера – если в 2017 году он буквально «наступал на пятки» столице (разрыв 0,4 балла), то в этом году разрыв составил уже 1,5 балла. 3/4 зачисленных на бюджет в московские вузы – это «отличники». При этом надо отметить, что Москва зачислила почти 4,5% «троечников» — более строгий подход показывают четыре региона группы 70+. Очевидно, что не все 59 участвующих в рейтинге московских вузов востребованы и ведут принципиальную политику по приему.

Самый большой рост качества приема отмечен в Бурятии – плюс 3,6 балла, республика вышла из «красной зоны», Татарстане и Ростовской области (плюс 2,7)

В 2 раза сократилось число регионов, где на бюджетные места принято больше половины «троечников». Их ряды покинули Бурятия и Магаданская область. Остались в тревожной группе Карачаево-Черкесия и Чечня. Впрочем, последняя устойчиво поднимает качество – плюс 2,4 балла в этом году.

7

Направления. Среди 67 укрупненных направлений подготовки, которые выделяет мониторинг, 32 – почти половина! – приняли больше половины «отличников». Это те области профессиональной подготовки, которые пользуются наибольшей репутацией, наибольшим доверием абитуриентов и их родителей с точки зрения будущего вклада в карьеру.

11 имеют средний балл 80+: среди них юриспруденция, востоковедение, реклама и связи с общественностью, лингвистика и экономика. В этом году к ним впервые добавились политология и дизайн.

Еще 21 направление имеет от 70 до 80 баллов. Туда входят такие крупные направления, как здравоохранение (26 тысяч зачисленных), информатика и вычислительная техника (20 тысяч), а также математика (9,5 тыс.). Из естественных наук в эту группу уже несколько лет входит физика, из технологий – нефтегазовое дело. В этом году порог 70+ перешли такие направления, как химия, химическая и биотехнология, информатика и вычислительная техника.

Буквально «на пороге», имея 69 баллов, остановились педагогическое образование (вторая крупнейшая группа – 21,5 тыс.студентов), авиационная и ракетно-космическая техника, приборостроение и оптотехника, автоматика и управление.

В этом году произошло еще одно знаменательное событие. Не осталось ни одного направления подготовки, где в целом по стране было бы принято больше половины «троечников» (ниже 56 баллов). Улучшили свои результаты металлургия и сельское и рыбное хозяйство.

Наибольший рост качества приема продемонстрировали такие направления, как химия (+3,3), пищевые технологии (+3,3), география (+3,3), химическая и биотехнологии (+3,1), реклама и связи с общественностью (+3), а также философия (+2,9). При этом только одно направление «вооружение» показало падение качества больше, чем на 1 балл, еще три – на 0,2-0,4 балла.

Обучение в Яндексе | Как выйти из стажировки без потерь?

[email protected] Позвонить Обучение mёbius

• Digital marketing
  • Карта сайта
  • Магазин
  • Связаться с нами
  • INSTAGRAM версия сайта
• Услуги
  • Сервис онлайн-бронирования для сайта
  • Таргетированная реклама в Инстаграм
  • Внедрение amoCRM
  • СRM для клиники 🚑
  • Обзвон клиентов
  • Консультация
• Платный курс
  • Маркетинг курс: Старт
  • Маркетинг курс: Бизнес
  • Создать сайт за 3 дня
  • 👩‍🎓Отзывы о курсе
  • Выбрать курс
• Бесплаточки
  • Таргетированная реклама в Facebook ☑️
  • CRM – система. Внедряем сами ⚙️
  • Как создать бота?
• Блог
  • 🔥 О себе
• FAQ

Search

Generic filters

Hidden label

Hidden label

По данным Всемирного экономического форума, примерно 65 % сегодняшних первоклассников получат специальности, которых пока просто не существует (Chapter 1: The Future of Jobs and Skills, 2016). Наш мир стремительно меняется, и нельзя с уверенностью сказать, какие требования будут актуальны на рынке труда в будущем. Однако исследователи солидарны в том, что среди профессионалов будут более востребованы научные, технические, инженерные и математические специальности, так называемый STEM-сектор (Science, technology, engineering, mathematics) (Fayer et al., 2017). Без знаний в области математики нельзя получить такое образование или овладеть профессиями, которые становятся все более популярными. Математика традиционно была и остается одним из основных предметов школьной программы. Исследования показывают, что успехи в изучении математики частично зависят от возраста ребенка и его готовности слушать объяснения (Agostino et al., 2010). Одновременно с усвоением новых математических знаний происходит развитие основных когнитивных процессов и постепенно завершается формирование таких структур мозга, как префронтальная кора (Pascual-Leone et al., 2010). На этой пленарной лекции будут обсуждаться мозговые корреляты решения математических задач взрослыми и детьми. Также речь пойдет о потенциальном значении этих взаимосвязей для математического образования.
Около двадцати лет назад была разработана нейрофункциональная модель, описывающая, какие отделы мозга отвечают за выполнение арифметических вычислений в уме. Основное внимание при этом сосредоточено на функциях теменной коры в задней части мозга (Dehaene & Cohen, 1997; Dehaene et al., 2003). Несмотря на то что эта модель основана на результатах изучения поведения пациентов с повреждениями мозга, она стала толчком для проведения фундаментальных исследований мозга здоровых людей методом функциональной магнитно-резонансной томографии (фМРТ). Исследования математического познания, в ходе которых применяется фМРТ, как правило, подразделяются на две категории: те, в которых используются задания на работу с числами (стимулами являются числа или множества объектов, и пациентам предлагают оценить их величину), и те, в которых используются задания на вычисления (то есть формализованные математические операции: сложение, вычитание и умножение). В количественном метаанализе с применением оценки вероятности активации (Activation Likelihood Estimation, ALE) мы исследовали нейрофункциональную активность, которая возникает при выполнении заданий на работу с числами и при вычислениях у здоровых детей (Arsalidou et al., 2018) и взрослых (Arsalidou & Taylor, 2011). Полученные данные показывают, что при выполнении заданий на работу с числами и при вычислениях часто задействованы одни и те же отделы мозга. Однако примечательно, что в некоторых частях мозга эти виды заданий вызывали разную активацию, например, в отдельных участках префронтальной коры. Говоря конкретнее, при вычислениях некоторые зоны префронтальной коры активнее, чем при выполнении заданий оценку величины числа. На основе этого факта можно сделать вывод о том, что вычисления требуют больше когнитивных ресурсов, в том числе задействуют память и умственное внимание (Arsalidou et al., 2013). Более того, сложение, вычитание и умножение по-разному вовлекали в процесс решения области мозга в теменной префронтальной коре левого и правого полушарий. Аналогично взрослым, у детей при выполнении заданий на работу с числами и при вычислениях активировались различные участки мозга в тех же теменных и фронтальных частях (Arsalidou et al., 2018). Важно отметить и то, что в мозге ребенка при выполнении вычислений активно работает островковая доля. Ранее роль островковой доли в математическом познании не выделялась: эта зона была известна в первую очередь как участвующая в процессе эмоциональных реакций и мотивации (Duerden et al., 2013). В этом докладе будет рассказано о последних открытиях нейрофизиологии с точки зрения их потенциального практического применения для профессионального развития преподавателей и при обучении школьников и студентов. Также будет затронут вопрос о роли достижений когнитивной нейрофизиологии развития для построения образования, основанного на научных данных.

Об Академии Яндекса — Академия Яндекса

Академия Яндекса — это проект для тех, кто интересуется информационными технологиями и хочет развиваться в этой области. Мы знакомим с современными подходами к разработке, дизайну и менеджменту, рассказываем о создании интернет-продуктов и аналитических данных. Здесь можно записаться на курсы и в школы, подать заявку на стажировку в Яндексе или на участие в состязании программистов. Вы найдёте также множество материалов на разные темы — от тайм-менеджмента до машинного обучения.

РАЗРАБОТКА

Школа разработки интерфейса
Лекции, учебные проекты и хакатоны для разработчиков интерфейса.

Школа мобильной разработки
Программа для мобильных разработчиков, желающих получить новые знания.

Bootcamp для аналитиков
Базовый обучающий курс для новых аналитиков Яндекса.

Школа информационной безопасности
Курс по инфраструктурной и продуктовой безопасности для начинающих специалистов.

АНАЛИЗ ДАННЫХ

Школа анализа данных
Двухгодичные курсы по машинному обучению и анализу данных для студентов и выпускников вузов.

Центр компьютерных наук
Курсы по анализу данных, разработке ПО и информатике для студентов Санкт-Петербурга и Новосибирска.

День анализа данных
12-часовой марафон для программистов — специалистов по анализу данных и машинному обучению.

МЕНЕДЖМЕНТ

Школа продакт-менеджеров
Курс для тех, кто хочет и продвигать IT-продукты.

Школа менеджеров Яндекса
Лекции, семинары и стажировка в Яндексе для менеджеров IT-проектов.

Академия Гипербатона
Интенсивные для технических писателей и копирайтеров.

ДИЗАЙН

Дизайн-перемена
Серия однодневных воркшопов для начинающих дизайнеров.

ЯНДЕКС В ШКОЛАХ

Учебник
Сервис для учителя начальной школы с заданиями по математике и русскому языку.

Лицей
Двухгодичная программа для учеников 8–10 классов, которые хотят научиться программировать.

Школа программирования в Армении
Основы Python за один год: программа для учеников 8–10 классов.

Московская школа программистов
Онлайн-курсы и очные занятия для школьников разного возраста.

Яндекс.Репетитор
Тесты для подготовки к ЕГЭ и ОГЭ, ответы и разбор заданий.

Атлас вузов
Информация об экзаменах и проходных баллах в вузах за несколько лет.

ЯНДЕКС В ВУЗАХ

Факультет компьютерных наук НИУ ВШЭ
Подготовка разработчиков и исследователей, специалистов в области анализа данных и программной инженерии.

Базовые кафедры Яндекса
Кафедры Яндекса открыты на профильных факультетах НИУ ВШЭ и МФТИ.

Магистратура и бакалавриат
Яндекс участвует в магистерских программах МФТИ, МГУ, УрФУ, СПбГУ и НГУ, а также в программе бакалавриата СПбГУ.

Лекции
Специалисты Яндекса читают лекции в БГУ, ИТМО и Университета «Иннополис».

Стипендия и премия им. Ильи Сегаловича
Поддержка талантливых студентов и научного сообщества в России, Беларуси и Казахстане.

ЯНДЕКС ОНЛАЙН

Практикум
Онлайн-курсы для желающих освоить новую профессию. Подготовка и разработчиков других IT-специалистов с нуля.

Онлайн-курсы
Программирование и анализ данных, менеджмент, маркетинг и дизайн.

Обучение рекламным технологиям
Курсы, лекции и статьи по работе с Директом, Метрикой, ADFOX и другими сервисами для рекламодателей.

СОРЕВНОВАНИЯ

Чемпионат по программированию
Открытые онлайн-соревнования по фронтенд- и бэкенд-разработке, аналитике данных и машинному обучению.

Алгоритм
Международный чемпионат по спортивному программированию.

Блиц
Соревнования программистов и возможность попасть на радары рекрутёров Яндекса.

Контест
Облачная платформа для проведения состязаний программистов.

Тренировки по спортивному программированию
Регулярные тренировки, состязания и обсуждения заданий прошедших туров.

Тренировки по машинному обучению
Разбор заданий международных соревнований по программированию.

НАЧАЛО КАРЬЕРЫ

Стажировки
Работа в Яндексе для начинающих разработчиков, аналитиков и специалистов по машинному обучению.

Летняя стажировка
Программа для студентов, желающих получить полезный опыт без ущерба для учёбы.

Научная практика
Начало карьеры под руководством исследователей Яндекса.

.

Московская Школа программистов в Яндексе — Академия Яндекса

С 2014 года Московская Школа программистов (МШП) совместно с Яндексом занимается обучением информационным технологиям по специальным трёхлетней программе. За это время ученики 2-11 классов развивают алгоритмическое мышление, изучают языки программирования, усваивают их философию и логику построения, приложения и чат-ботов. Выпускники Московской Школы программистов учатся в НИУ ВШЭ, МФТИ, НИЯУ МИФИ, СПбГУ, ИТМО и МГУ им.М. В. Ломоносова, и уже работают в рамках одной компании, таких как ABBYY, Лаборатория Касперского, Microsoft, NVIDIA и Яндекс.

Для поступления в Московскую Школу программистов учащимся школу требуется сдать вступительный экзамен, при этом на экзамене не проверяется умение — это ребята научатся уже во время обучения, но оцениваются знания математики, логики и умение решать нестандартные задачи. Для участия в первичной установке. Для проживающих за пределами Москвы возможность сдавать экзамен и учиться онлайн.Онлайн-обучение, доступно в том числе, и для взрослых студентов.

Как устроена программа Школы?

Чтобы создать качественные и масштабные проекты, нужна фундаментальная образовательная база. Именно такой подход используется в Московской Школе программистов.

Обучение строится из вводного блока в первом году — ученики решают задачи, развивают навыки алгоритмического мышления, изучают язык программирования С ++, операционные системы и дискретную математику. На втором году программа обучения усложняется — углубленное изучение языка С ++, алгоритмов и структур данных, компьютерных сетей.Цель обучения — заложить навыки промышленного программирования.

Почему именно промышленное программирование?

Решение алгоритмических задач, пусть даже сложных олимпиадных — это безусловно полезный навык, который помогает и в обучении, и в работе, а победа на различных конкурсах поможет найти в ведущие вузы. Умения решать задачи для работы в крупных проектах требует, во-первых, постоянного командного взаимодействия, во-второй, умения писать поддерживаемый код, то есть программировать таким образом, чтобы в будущем фрагмент кода с лёгкими средствами мог модифицировать даже новый сотрудник.Некоторые компании принципиально не работают с бывшими победителями импиад, потому что считают, что постоянная привычка решать задачу и навсегда про нее забывать, мешает развиться умению писать качественный поддерживаемый код. Чтобы стать востребованным специалистом, нужно хорошо владеть этим навыком, причем учиться можно ещё со школы.

Промышленное программирование в современном мире окружает повсюду: заказываете еду, бронируете отель, продаете вещи — для этого Вы используете мобильные приложения или сайты.За разработкой таких приложений стоит команда программистов.

Главное отличие программного программирования от олимпиадного — создание кода, который легко дорабатывать в будущем. Когда пишется большой промышленный проект, программист возвращается к задаче, постоянно обращается к коду, дополнительные его и переписывает части. В олимпиадном же программировании важнее задача оптимально быстрым путём.

Помимо того, что ученики курса промышленного программирования приобретают навыки работы с базами данных, они получают знания: в ускоренном режиме проходят язык программирования Python, изучают систему контроля версий Git, веб-программ, работу с базами данных, пишут бэкенд на Django, изучают JavaScript, паттерны проектирования, учатся документировать, тестировать и рефакторить программный код, а также учатся проводить автоматическое развёртывание приложений и знакомятся с концепцией CI / CD.

.

Специализация Яндекс «Машинное обучение и анализ данных»

Алексей
Швец

Очень хороший старт, позволил многое вспомнить и систематизировать. Если есть понимание из мат. анализа, линейной алгебры и статистики, то можно смело браться за курс, если нет, то лучше где-то приобрести перед началом. Команде, работавшим над курсом хочется сказать слова благодарности и пожелания не снижать планку в дальнейшем.

Вадим
Аюев

Отличный курс от одного из лучших учебных заведений России.Прекрасно подойдёт для желающих начать изучение машинного обучения. В достаточной степени образно объяснены базовые понятия, примеры и ссылки для дальнейшего самостоятельного изучения материала (или повторения забытого после вуза). Практические задания просты и снабжены исчерпывающими примерами.

Курс рассчитан на аудиторию с навыком программирования, хотя задания более чем на 20 строк кода здесь не встречаются.

Степан
Леонтенко

Курс позволяет освежить в памяти экзамены, которые были успешно забыты после полученных зачетов и основ в институтах.Позволяет изучить что-то новое как для меня была статистика и Python. И всё в курсе очень профессионально и доступно подано, так что хочется учиться и выполнять проверочные работы, например, не всегда наблюдается в том же институте. Остался очень доволен курсом и планирую продолжать дальше специализацию.

Анна
Зверева

Большое спасибо за курс!

Я в данный момент приближаюсь к завершению своей подготовки по машинному обучению и вскоре буду искать работу.Ваша серия курсов очень помогла в освоении этого тернистого пути. Хотелось получить очень глубокое понимание обсуждаемых тем. И 41 из 1058 (надеюсь, только пока) место в конкурсе kaggle от Bosch, на мой взгляд, подтверждает высокое качество освоения материала.

К сожалению, лично для меня освоение такой масштабной области как машинное обучение оказалось физически и психически слишком неподъёмным при совмещении с основной работой. Поэтому бросила работу и последние месяцы плотно занимаюсь обучением.О чём, кстати, не жалею. Качество усвоения намного выше, чем при учёбе только по выходным.

Василий
Гречихин

Хочу поделиться мыслями о курсе «Математика и Python для анализа данных».
Я увидел эту специализацию на хабре и решил пройти её в качестве знакомства с анализом данных и машинным обучением.

Очень понравилась адекватная разбивка по неделям, удается идти по графику без спешки, в отличие от многих других курсов.

Большое спасибо за курс!

Иванов
Александр

Шикарный курс.Особо благодарен за задачу Турции про червивые яблоки из. Благодаря ей я до сих пор не помню формулу Байеса, но теперь пониманию и в любой момент могу воспроизвести. Почему-то это главный восторг. Спасибо, Евгений. Так же хочется еще поблагодарить Евгения за отзывчивость в слэке и объяснение отличий доверительных интвервалов от предсказательных.

Помимо статистики, очень классное и внятное объяснение математики было в целом. Может только про определитель и свд западает, я скоро забуду опять, как-то интуитивного понимания не сложилось в голове.Зато понял методы оптимизации и матричные операции. Спасибо!

Андрей
Лаврененко

Хочу поблагодарить преподавателей за очень и очень приятную подачу, приятную в том плане, что они рассказывают достаточно доступно, интересно и в то же время после просмотра ты понимаешь, что узнал что-то реально полезное и, по обычным меркам, сложное, хотя вот сложность из-за подачи как раз и не ощущается, потому что приводятся очень хорошие примеры и аналогии.

Приятно, что преподаватели сами по себе очень компетентные люди, интересующиеся тем, чем занимаются.Понравился раздел «Дополнительные материалы», где приводятся различные интересные ссылки на ресурсы, статьи и картиночки. В общем, огромное Вам СПАСИБО!

Иностранный
студент

Как бывший выпускник МФТИ, мне нравилось блестящее преподавание Емелы Драйла, Виктора Кантора, Евгения Соколова и Евгения Рябченко. Они помогли мне освежить свои знания в области линейной алгебры и теории вероятностей и наконец начать изучать Python (в настоящее время я работаю над C ++). Большое спасибо!
Надеюсь с энтузиазмом продолжить это исследование спецификаций, надеюсь реализовать свои будущие проекты с помощью пройденных курсов.

Дмитрий
Васильев

Были очень интересные практические задания. Некоторые из них потребовали довольно много времени, но это того стоило. Параллельно пришлось подтягивать математику, что очень полезно само по себе. Тем, кто будет проходить этот курс в будущем, рекомендую освежить знания по статистике и теории вероятностей — это сильно пригодится.

Из преподавателей отдельно отмечу Евгения Соколова, который очень просто и доступен объяснил тему решающих деревьев.Еще запомнилась одна из лекций Эмели Драль, где она на примерах показала типичные ошибки начинающих специалистов по анализу данных. Остальные ребята тоже отлично справились со своим делом.
Курс очень крутой. Ни разу не пожалел, что записался.

Анна

25 лет, по образованию специалистом по информационной безопасности, около 3 лет работала разработчиком.

«Взяла этот курс, так как очень люблю машинное обучение и анализ данных. До этого проходила курсы от зарубежных ВУЗов, как только появился курс на русском языке — сразу записалась.Хотя многие темы были мне известны, все равно было интересно и полезно (особенно статистика!), И были новые материалы, которые были не работала.

Выполнила первый проект — хорошо документированный, интересный, наиболее приближенный к науке и практике.

Огромное спасибо разработчикам курса за проделанную работу! »

Сергей

«Ребята, вас бы к нам в МГТУ им. Баумана (лет 5 назад). Спасибо за специализацию! Эмели и Евгений Соколов очень просто и объясняют, хочется увидеть вас в живую.Евгений Рябенко и весёлая статистика — неразделимые вещи. Виктор умеет очень непринужденным тоном говорить о мат. анализа, как будто это тапочки, которые он вчера оставил на обувной полке ».

Константин

Окончил экономический факультет МГУ в 1989 году. Занимался внедрением систем ERP, экономическими исследованиями.

«Многое из курса нам преподавали еще в 80-х. С удовольствием осознал, что метод опорных векторов, SVM, мы проходили вскоре после его открытия, математика ведь не была нашим профильным предметом!

На курсе оценил практичность и простоту реализации некоторых вещей.Меня интересуют анализ временных рядов и методы кластеризации. Очень понравилось, как было сделано занятие по тематическому моделированию, но я лично не знаю, где это применять.

Почему-то я больше слышал про R, а не про Python, вначале это настораживало. У меня был неплохой опыт программирования на С, меньше С #, С ++.

Это мой был первый опыт онлайн-курсов, мне понравилось. Спасибо! ».

Александр

Студент киевского политеха, факультет прикладной математики.

«Очень крутой курс, все понравилось! Преподаватели просто топ, единственное — добавил бы еще практики. Курс сделан на высоком уровне, особенно понравилось преподавание Виктора и Евгения, импонирует их стиль подачи информации.

Курс сделан доступно, понятно. Здорово, что всегда есть возможность получить ответ на свой вопрос в чате. ».

.

Интернет-институт, Тульский государственный университет

Анкета абитуриента для поступающих в 2020 году: Анкета абитуриента

Стоимость обучения на указанных направляющих для поступающих в 2020 году: Приказы стоимости обучения в Интернет-институте

Прием по всем направлениям (кроме дизайна и Юриспруденция (очно-заочной формы обучения)) ведется круглый год.

Все интересующие Вас вопросы, связанные поставки в наш институт.

+7 (4872) 734-409, +7 (920) 765-96-22

Или написать на электронный адрес отборочной комиссии Интернет-института:

[email protected]

• Митченкова Светлана — ответственный секретарь отборочной комиссии, начальник отдела по набору студентов;
• Желенкова Евгения — заместитель ответственного секретаря отборочной комиссии, специалист отдела по набору студентов;
• Калинина Дарья — заместитель ответственного секретаря отборочной комиссии, специалист отдела по набору студентов;
• Семилеткина Юлия — заместитель ответственного секретаря отборочной комиссии, специалист отдела по набору студентов;
• Чернецова Екатерина — заместитель ответственного секретаря отборочной комиссии по работе с иностранными абитуринетами и студентами, специалист международного отдела.

Адрес отборочной комиссии Интернет-института:

300012, г. Тула, пр. Ленина, д.92, 9-й учебный корпус, холл 3-его этажа

Проезд: Схема проезда

.