Освойте одну из самых востребованных профессий в ТОП-1 техническом вузе РФ
Очное высшее образование
Очное высшее образование
Прием документов:
10 апреля — 15 августа
Старт обучения:
1 сентября 2025
Срок обучения:
2 года
Формат:
очная онлайн-магистратура
10 апреля — 15 августа
Старт обучения:
1 сентября 2025
Срок обучения:
2 года
Формат:
очная онлайн-магистратура
Приемная кампания 2025
2 года
Формат:
Старт обучения:
1 сентября 2025
Прием документов:
10 апреля — 15 августа
Срок обучения:
очная онлайн-магистратура
Основная информация
Диплом магистра
государственного образца:
государственного образца:
Два диплома дополнительного профессионального обучения:
- 01.04.02 «Прикладная математика и информатика»
- профессиональная переподготовка от Цифровых кафедр
- профессиональная переподготовка «Введение в специальность»
Онлайн-магистратура
«Науки о данных»
«Науки о данных»
Образовательный кредит с господдержкой под 3% годовых, стипендии и гранты от ведущих IT-компаний
Доступные финансовые условия
Развивайте бизнес-проекты под руководством опытных экспертов и привлекайте инвестиции для реализации
Запуск стартапа
с нашей поддержкой
с нашей поддержкой
Обучение и проекты у экспертов МФТИ, МГУ, Яндекс, Т-банка, Авито, Билайн и других лидеров индустрии
50% практики +
50% академических знаний
50% академических знаний
Выбирайте специализацию: Machine Learning, Data Engineering, Data Analysis — и работайте над реальными бизнес-кейсами
Профильные треки обучения
Data Scientist анализирует и интерпретирует большие объемы данных и создает математические модели для предсказания событий и поведения
Фильтрация спама, прогноз дорожного трафика, рекомендации фильмов и музыки и пр. — малая часть того, что делает Data Scientist. В его руках — ключ к эффективным решениям человека и бизнеса
- в логистике — снижает затраты и ускоряет доставку товаров
- в медицине — помогает выявлять болезни на ранних стадиях
- в маркетинге — анализирует поведение клиентов и улучшает персональные рекомендации
Фильтрация спама, прогноз дорожного трафика, рекомендации фильмов и музыки и пр. — малая часть того, что делает Data Scientist. В его руках — ключ к эффективным решениям человека и бизнеса
Data Scientist анализирует и интерпретирует большие объемы данных и создает математические модели для предсказания событий и поведения
- в логистике — снижает затраты и ускоряет доставку товаров
- в медицине — помогает выявлять болезни на ранних стадиях
- в маркетинге — анализирует поведение клиентов и улучшает персональные рекомендации
Фильтрация спама, прогноз дорожного трафика, рекомендации фильмов и музыки и пр. — малая часть того, что делает Data Scientist.
В его руках — ключ к эффективным решениям человека и бизнеса
Чем занимается Data Scientist
Профильные треки обучения
Пройдите тест в телеграм-боте и получите рекомендации по выбору специализации
Проектирует модели для анализа данных: сбор, очистка, визуализация, интерпретация данных. Например, создает дашборд для анализа продаж
Data Analyst
Строит инфраструктуру для работы с большими данными: создает каналы и пайплайны для сбора, обработки и хранения данных
Data Engineer
Создает и внедряет модели для обработки данных, изображений, видео и текстов — от прогнозирования оттока до диагностики по снимкам и разработки чат-ботов поддержки клиентов
ML Engineer
Получить подарок
Мини-курс "Введение в машинное обучение"
Для профессионалов своей области (медицина, финансы, разработка, логистика и др.), желающих усилить текущий опыт в компании или создать свой IT-проект с помощью DS-технологий
Профильным
специалистам
различных направлений и IT-специалистам
специалистам
различных направлений и IT-специалистам
Для прикладного изучения машинного обучения, анализа данных, нейросетей и их промышленного применения с акцентом на теорию и практику
Начинающим
специалистам в Data Science
специалистам в Data Science
Переход в Data Science с комплексным обучением, чтобы стать востребованным специалистом с гибким графиком и высоким доходом
Инженерам
и математикам,
желающим перейти в IT
и математикам,
желающим перейти в IT
Кому подойдет программа
«Науки о данных»
«Науки о данных»
Онлайн-курс «Основы машинного обучения»
Моментальный доступ к курсу в телеграм-боте:
Изучайте основы ML: знакомьтесь с ключевыми алгоритмами, работайте с данными и применяйте машинное обучение в реальных задачах
Среда обучения
Как построено обучение
Содержание обучения
Все лекции, семинары и практика проходят онлайн. Материалы размещены на платформе МФТИ и доступны 24/7 — это возможность изучать материалы в удобное время.
Общение происходит в мессенджере. Здесь можно быстро получить поддержку от координатора, обсудить домашнее задание с сокурсниками или узнать о важном мероприятии.
Общение происходит в мессенджере. Здесь можно быстро получить поддержку от координатора, обсудить домашнее задание с сокурсниками или узнать о важном мероприятии.
Все асинхронные материалы вы изучаете на платформе самостоятельно в удобное для себя время. Синхронные занятия с экспертами проходят по вечерам и выходным, чтобы вам было удобно совмещать учебу с работой. Если пропустите, будет доступна запись.
Также есть домашние задания, которые необходимо выполнить и сдать до дедлайна.
На освоение учебного материала вам понадобится в неделю 20 – 30 часов
Также есть домашние задания, которые необходимо выполнить и сдать до дедлайна.
На освоение учебного материала вам понадобится в неделю 20 – 30 часов
Гостевые лекции
Практика — основа обучения
В первых трех семестрах проходит проектный практикум в формате хакатона или дататона, на котором вы решаете индустриальные кейсы от компаний-партнеров вуза. Все кейсы — реальные задачи, которые можно положить в портфолио
Проекты с сокурсниками
Раз в две недели вы сможете посетить авторские лекции, мастер-классы, воркшопы и интенсивы от экспертов. На гостевых встречах у вас будет возможность узнать о компании, продукте, кейсах внутри организаций, корпоративной культуре, стажировках и карьерных возможностях напрямую от представителей бизнеса
У нас учатся сотни студентов из 146 городов и 11 стран: России, Казахстана, Киргизии, Сербии, Беларуси, Эстонии, Кипра, Чехии, Канады, США и Нидерландов.
Формат обучения расширяет географию профессиональных знакомств магистрантов и позволяет найти единомышленников по всему миру. Это дает расширенные возможности для нетворкинга, запуска совместных проектов, коллабораций
Формат обучения расширяет географию профессиональных знакомств магистрантов и позволяет найти единомышленников по всему миру. Это дает расширенные возможности для нетворкинга, запуска совместных проектов, коллабораций
Проект по оптимизации алгоритма, позволяющего адаптировать изображение под ротацию экрана
Иви
Одного лучшего студента пригласили на стажировку
Александр Коншин, руководитель команды компьютерного зрения: «Одной из команд удалось создать алгоритм, который на части сложных примеров отрабатывает лучше, чем наш прототип»
Разработка прогнозной модели для увеличения кросс-продаж на основании сегментации клиентов
Рельеф-Центр
Пяти студентам предложили развивать проект с компанией
Сергей Воробьев, CDTO «Рельеф-Центра»: «Полученное во время практики решение компания планирует использовать в работе сайта и CRM после совместной доработки со студентами»
Разработка модели для ценообразования товаров на основе данных конкурентов
5Post
Пять студентов получили благодарности от компании
Петр Сыров, начальник управления развития цифровой платформы: «Я убежден, что результаты труда ваших студентов могут быть успешно использованы в промышленном исполнении»
Ведущий эксперт-консультант по Data Science
Даниель Владимирович Щебентовский
Lead ML направления в международной FinTech-компании Garage Eight
- Владелец московского хаба Open Data Science (ODS), крупнейшего Data Science сообщества в России
- Консультант в области внедрения машинного обучения в стартапах и в больших компаниях
- Co-founder двух AI-стартапов: ИИ-системы безопасности продуктов, автоматизация производственных процессов
- Больше 5 лет в индустрии машинного обучения
Преподавательский состав
Дисциплины преподают ведущие исследователи в области Data Science из МФТИ и практикующие специалисты из крупнейших компаний различных отраслей. Преподаватели помогут вам разобраться в теории и решить практические задания, ответят на вопросы и дадут обратную связь
Математика и статистика для машинного обучения
Анастасия Симкина
Старший преподаватель кафедры теории вероятностей и компьютерного моделирования МАИ
Работает главным специалистом в группе разработки математических методов прогнозирования и оптимизации жизненного цикла систем накопления энергии в «РЭНЕРА»
Современные модели машинного обучения
Андрей Филатов
Руководитель направления по исследованию данных в SberAI
Современные модели машинного обучения
Сергей Доронин
Главный инженер по разработке в СберБанке
Работал с технологиями виртуальных датацентров и методами защиты информации в телекоммуникационных компаниях, а также с проектами сквозной автоматизации бухгалтерии в Ростелекоме и Компании «Тензор»
Соревновательный DS
Александр Миленькин
Специалист по машинному обучению и анализу данных
Более 7 лет в IT: работал специалистом по машинному обучению в Dodo Brands, red_mad_robot, X5 Retail Group, Asna, Gero. Эксперт соревнований Kaggle
Соревновательный DS
Иван Александров
Сооснователь Data Feeling School
Работает в Research Data Lab компании RMR. Автор и преподаватель четырёх курсов на платформе Stepik. Эксперт соревнований Kaggle
Системы хранения и обработки данных
Светлана Медведева
Преподаватель кафедры информатики и вычислительной математики МФТИ
Работает аналитиком данных в R-Labs и Ramax International. Ранее работала в Coelus, SAS Institute, Huawei и Лаборатории теоретической физики им. Н.Н. Боголюбова (Объединённый институт ядерных исследований)
Английский для профессиональных коммуникаций
Елена Рыбкина
Старший методист Департамента иностранных языков МФТИ
Работала финансовым специалистом и менеджером проекта Интеграции в Барклайс банк (Россия), выступала консультантом пилотного проекта социального реструктурирования районов Крайнего Севера для Международного банка реконструкции и развития и Минэкономразвития России
Продвинутая визуализация и аналитика данных
Илья Сумерников
Научный ассистент профессора в НИУ ВШЭ
Проходит докторантскую подготовку в Цюрихском университете, преподаёт анализ данных и работает в лаборатории исследований спорта на факультете экономики НИУ ВШЭ. Работал над проектами с использованием ML и NLP в Российском фонде фундаментальных исследований, OpenBusiness Analytics и Университете Чикаго
Основы научно-исследовательской деятельности и создания продукта
Игорь Бондарь
Доктор биологических наук, профессор РАН
Работает заместителем директора по научной работе и заведующим лабораторией физиологии сенсорных систем в Институте высшей нервной деятельности и нейрофизиологии РАН
Основы научно-исследовательской деятельности и создания продукта
Дарья Смирнова
Эксперт по коммерциализации и основатель ProductFrame
Более 10 лет руководит маркетингом и развитием продуктов на рынках VentureTech, PropertyTech, DeepTech, FinTech, EdTech.
Преподаёт курс «Маркетинг стартапов» в программе «Стратегический маркетинг» ВШЭ для топ-менеджеров и владельцев бизнеса
Преподаёт курс «Маркетинг стартапов» в программе «Стратегический маркетинг» ВШЭ для топ-менеджеров и владельцев бизнеса
Основы машинного обучения
Сергей Корпачев
Преподаватель кафедры информатики и вычислительной математики МФТИ
Окончил аспирантуру МФТИ, работает над кандидатской диссертацией, участвует в российских и международных научных проектах. Автор курсов по машинному обучению и программированию на Python
Методы обучения с подкреплением
Григорий Горбов
Младший научный сотрудник МФТИ
Работает в Лаборатории когнитивных динамических систем и учится на втором курсе аспирантуры Центра когнитивного моделирования
Методология научных исследований
Вячеслав Коцюба
Доктор философских наук, доцент МФТИ
Преподаёт в Учебно-научном центре гуманитарных и социальных наук МФТИ
Методология научных исследований
Константин Скворчевский
Доктор технических наук, кандидат философских наук, профессор МФТИ
Преподаёт в Учебно-научном центре гуманитарных и социальных наук МФТИ
Основы машинного обучения
Андрей Глинский
Ведущий программист-разработчик МФТИ
Работает в Научно-исследовательском центре оптоэлектроники, медицинской техники и искусственного интеллекта МФТИ
Задачи
генерации в NLP
генерации в NLP
Никита Сидоров
Руководитель направления SberDevices
Работает в Управлении экспериментальных систем машинного обучения
Системы хранения и обработки данных
Сона Геворгян
Инженер-разработчик и руководитель направления в СберБанке
Методы обучения с подкреплением
Александр Панов
Кандидат физико-математических наук, доцент
Заведует Лабораторией когнитивных динамических систем МФТИ и работает в ней главным научным сотрудником. Преподаёт в Центре когнитивного моделирования МФТИ
Математика и статистика для машинного обучения
Алексей Бычков
Преподаватель кафедры высшей математики МФТИ
Работает в Лаборатории квантовой теории поля отдела теоретической физики ФИАН. Область интересов: теория струн, математическая физика, геометрические методы в квантовой теории поля, сигма-модели
Преподавательский состав
Дисциплины преподают ведущие исследователи в области Data Science из МФТИ и практикующие специалисты из крупнейших компаний различных отраслей. Преподаватели помогут вам разобраться в теории и решить практические задания, ответят на вопросы и дадут обратную связь
Анастасия Симкина
Старший преподаватель кафедры теории вероятностей и компьютерного моделирования МАИ
Работает главным специалистом в группе разработки математических методов прогнозирования и оптимизации жизненного цикла систем накопления энергии в «РЭНЕРА»
Математика и статистика для машинного обучения
Андрей Филатов
Руководитель направления по исследованию данных в SberAI
Современные модели машинного обучения
Александр Миленькин
Специалист по машинному обучению и анализу данных
Более 7 лет в IT: работал специалистом по машинному обучению в Dodo Brands, red_mad_robot, X5 Retail Group, Asna, Gero. Эксперт соревнований Kaggle
Соревновательный DS
Иван Александров
Сооснователь Data Feeling School
Работает в Research Data Lab компании RMR. Автор и преподаватель четырех курсов на платформе Stepik. Эксперт соревнований Kaggle
Соревновательный DS
Сергей Доронин
Главный инженер по разработке в СберБанке
Работал с технологиями виртуальных датацентров и методами защиты информации в телекоммуникационных компаниях, а также с проектами сквозной автоматизации бухгалтерии в Ростелекоме и Компании «Тензор»
Современные модели машинного обучения
Светлана Медведева
Преподаватель кафедры ИВМ МФТИ
Работает аналитиком данных в R-Labs и Ramax International. Ранее работала в Coelus, SAS Institute, Huawei и Лаборатории теоретической физики им. Н.Н. Боголюбова (Объединенный институт ядерных исследований)
Системы хранения и обработки данных
Елена Рыбкина
Старший методист Департамента иностранных языков
Работала финансовым специалистом и менеджером проекта Интеграции в Барклайс банк (Россия), выступала консультантом пилотного проекта социального реструктурирования районов Крайнего Севера для Международного банка реконструкции и развития и Минэкономразвития России
Английский для профессиональных коммуникацийм
Илья Сумерников
Научный ассистент профессора в НИУ ВШЭ
Проходит докторантскую подготовку в Цюрихском университете, преподает анализ данных и работает в лаборатории исследований спорта на факультете экономики НИУ ВШЭ. Работал над проектами с использованием ML и NLP в Российском фонде фундаментальных исследований, OpenBusiness Analytics и Университете Чикаго
Продвинутая визуализация и аналитика данных
Игорь Бондарь
Доктор биологических наук, профессор РАН
Работает заместителем директора по научной работе и заведующим лабораторией физиологии сенсорных систем в Институте высшей нервной деятельности и нейрофизиологии РАН
Основы научно-исследовательской деятельности и создания продукта
Дарья Смирнова
Эксперт по коммерциализации и основатель ProductFrame
Более 10 лет руководит маркетингом и развитием продуктов на рынках VentureTech, PropertyTech, DeepTech, FinTech, EdTech. Преподает курс «Маркетинг стартапов» в программе «Стратегический маркетинг» ВШЭ для топ-менеджеров и владельцев бизнеса
Основы научно-исследовательской деятельности и создания продукта
Сергей Корпачев
Преподаватель кафедры информатики и вычислительной математики МФТИ
Окончил аспирантуру МФТИ, работает над кандидатской диссертацией, участвует в российских и международных научных проектах. Автор курсов по машинному обучению и программированию на Python
Основы машинного обучения
Григорий Горбов
Младший научный сотрудник МФТИ
Работает в Лаборатории когнитивных динамических систем и учится на втором курсе аспирантуры Центра когнитивного моделирования
Методы обучения с подкреплением
Вячеслав Коцюба
Доктор философских наук, доцент МФТИ
Преподает в Учебно-научном центре гуманитарных и социальных наук МФТИ
Методология научных исследований
Константин Скворчевский
Доктор технических наук, кандидат философских наук, профессор МФТИ
Преподает в Учебно-научном центре гуманитарных и социальных наук МФТИ
Методология научных исследований
Андрей Глинский
Ведущий программист-разработчик МФТИ
Работает в Научно-исследовательском центре оптоэлектроники, медицинской техники и искусственного интеллекта МФТИ
Основы машинного обучения
Никита Сидоров
Руководитель направления SberDevices
Работает в Управлении экспериментальных систем машинного обучения
Задачи генерации в NLP
Сона Геворгян
Инженер-разработчик и руководитель направления в Сбере
Системы хранения и обработки данных
Александр Панов
Кандидат физико-математических наук, доцент
Заведует Лабораторией когнитивных динамических систем МФТИ и работает в ней главным научным сотрудником. Преподает в Центре когнитивного моделирования МФТИ
Методы обучения с подкреплением
Алексей Бычков
Преподаватель кафедры высшей математики МФТИ
Работает в Лаборатории квантовой теории поля отдела теоретической физики ФИАН. Область интересов: теория струн, математическая физика, геометрические методы в квантовой теории поля, сигма-модели
Математика и статистика для машинного обучения
Учебный план
В каждом семестре для дисциплин указано количество зачетных единиц (ЗЕ). По ним вы можете оценить трудоемкость учебной работы: в МФТИ 1 ЗЕ = 45 академических часов.
Символом * обозначен факультатив — дисциплина для выбора.
Символом * обозначен факультатив — дисциплина для выбора.
Изучаем фундаментальную базу
1 семестр
Изучение обязательных дисциплин, предусмотренных стандартами высшего образования
5 ЗЕ
Математика и статистика для машинного обучения
Математика и статистика для машинного обучения
5 ЗЕ
Системы хранения и обработки данных
Системы хранения и обработки данных
2 ЗЕ
Методология научных исследований
Методология научных исследований
6 ЗЕ
Программирование на Python
Программирование на Python
2 ЗЕ
Основы научно-исследовательской деятельности и создания продукта
Основы научно-исследовательской деятельности и создания продукта
4 ЗЕ
Проектный практикум
Проектный практикум
3 ЗЕ
Дисциплина Цифровой кафедры
Дисциплина Цифровой кафедры
Изучение дисциплин, которые лежат в основе профессии Data scientist
2 семестр
Погружаемся в основы профессии
5 ЗЕ
Основы машинного обучения
Основы машинного обучения
2 ЗЕ
Английский для профессиональных коммуникаций
Английский для профессиональных коммуникаций
5 ЗЕ
Глубокое обучение в науках о данных
Глубокое обучение в науках о данных
5 ЗЕ
Развертывание ML моделей
Развертывание ML моделей
2 ЗЕ
Менеджмент для наук о данных*
Менеджмент для наук о данных*
3 ЗЕ
Основы научно-исследовательской деятельности и создания продукта
Основы научно-исследовательской деятельности и создания продукта
4 ЗЕ
Проектный практикум
Проектный практикум
3 ЗЕ
Дисциплина Цифровой кафедры
Дисциплина Цифровой кафедры
3 семестр
Изучение продвинутых дисциплин и написание научно-исследовательской работы (НИР)
Углубляемся в профессию
2 ЗЕ
Анализ естественного языка
Анализ естественного языка
2 ЗЕ
Компьютерное зрение
Компьютерное зрение
4 ЗЕ
Проектный практикум
Проектный практикум
25 ЗЕ
Научно-исследовательская работа
Научно-исследовательская работа
Выбор 1 дисциплины из блока
Элективный блок:
3 ЗЕ
Продвинутая визуализация и аналитика данных
Продвинутая визуализация и аналитика данных
3 ЗЕ
Инструменты Big Data
Инструменты Big Data
3 ЗЕ
Современные модели машинного обучения
Современные модели машинного обучения
4 семестр
Выполняем и защищаем ВКР
Изучение еще большего количества продвинутых дисциплин, сдача НИР и защита выпускной квалификационной работы (ВКР)
3 ЗЕ
Рекомендательные системы*
Рекомендательные системы*
3 ЗЕ
Задачи генерации в NLP*
Задачи генерации в NLP*
3 ЗЕ
Методы обучения с подкреплением*
Методы обучения с подкреплением*
3 ЗЕ
Соревновательный DS*
Соревновательный DS*
21 ЗЕ
Преддипломная практика
Преддипломная практика
9 ЗЕ
Выполнение и защита выпускной квалификационной работы
Выполнение и защита выпускной квалификационной работы
Список необходимых документов
Написать мотивационное письмо и успешно сдать экзамены
Четыре шага к поступлению
Как поступить в магистратуру
Подписать договор и оплатить обучение
Найти свою фамилию в приказе о зачислении
Документ о высшем образовании и приложение к нему
Паспорт
СНИЛС
Фото в электронном виде
Подать документы через портал приемной комиссии МФТИ
Поможем подготовиться к вступительным экзаменам
Поможем подготовиться к поступлению
Подача документов уже открыта!
После подачи документов вы получите экзаменационные билеты, подготовительный курс по математике и алгоритмам по Python, консультации с преподавателем.
Оплата обучения
Кредит с господдержкой
Без справок о доходах — только паспорт и договор с вузом
1 год обучения — от 337 ₽/мес.
2 год обучения — от 1011 ₽/мес.
9 месяцев после обучения — от 2557 ₽/мес.
После (до 15 лет) — от 3370 ₽/мес.
2 год обучения — от 1011 ₽/мес.
9 месяцев после обучения — от 2557 ₽/мес.
После (до 15 лет) — от 3370 ₽/мес.
Платежи
В кредит с господдержкой под 3% годовых
От 337 ₽ в месяц
Стоимость семестра
337 000 ₽
Полная стоимость обучения за 2 года
1 348 000 ₽
Налоговый вычет 13%
Роман Пензов
Получил грант на развитие стартапа
Теперь я могу решать задачи полноценно: создаю продукт под мой стартап. Раньше не смог бы. А ещё я получил грант около 1 миллиона рублей за студенческий стартап — это стало возможным благодаря навыкам и знаниям, полученным на программе
Максим Мезенцев
Получил проекты для портфолио
Главное, что я получил в магистратуре, — проекты для портфолио. Пока учишься, понимаешь, что над программой работали сотни людей, каждый абзац написан так, что материал сразу становится понятным. Рекомендую, потому что нет инвестиций лучше, чем в себя
Михаил Пузицкий
Трудоустроился в Сбер
По итогам обучения в МФТИ меня приняли на работу в Сбер, где сейчас я работаю в качестве исследователя данных в RnD группе. Образование позволило мне подтвердить свои навыки и открыло путь к возвращению в науку
Отзывы
Оставьте заявку на поступление
и получите инструкцию о правилах приема
и получите инструкцию о правилах приема
Отвечаем на вопросы
Будет ли магистратура в 2025 году и дальше?
Да! Формат может измениться, но мы продолжим готовить сильных специалистов, а дипломы МФТИ будут по-прежнему узнаваемы в России и зарубежом, несмотря на изменения в системе образования.
Когда можно поступить в магистратуру?
Подача документов начинается 10 апреля. Вступительные испытания проходят с мая по август.
Зачем поступать в магистратуру?
Магистратура дает систематизацию знаний, доступ к ведущим исследователям, новое профессиональное сообщество, а также возможность запускать свои исследовательские и стартап-проекты.
Можно ли поступить без экзаменов в магистратуру?
У нас нет поступления без экзаменов, но вы можете повысить свои шансы, учитывая индивидуальные достижения, пройдя подготовительный курс и участвуя в стади-группах.
Какие вступительные испытания необходимо пройти?
Вступительные испытания включают экзамен по математике, алгоритмизации на Python и мотивационное письмо. Подготовиться можно с помощью наших подготовительных курсов и стади-групп.
Можно ли поступить без профильного образования и опыта работы?
Да, можно, но для успешного участия в программе важно иметь базовые знания по школьной математике, начальные знания по высшей математике на уровне бакалавриата, а также базовые навыки программирования на Python. Если вы чувствуете, что ваших знаний недостаточно, у нас есть подготовительный курс, который полноценно подготовит вас к вступительному экзамену и поможет подтянуть необходимые навыки.
Для успешного обучения важно иметь базовые знания по школьной математике, начальные знания по высшей математике на уровне бакалавриата, и базовые навыки программирования на Python. Если ваших знаний недостаточно, у нас есть подготовительный курс, который поможет подтянуть необходимые навыки.
Можно ли совмещать учебу с работой?
Да, 90% наших студентов работают. Занятия проходят по вечерам, запись занятий сохраняется, материалы доступны 24/7. Трудовое законодательство защищает студентов, предоставляя возможности для совмещения.
Какой диплом я получу после онлайн-магистратуры?
Вы получите диплом магистра МФТИ по направлению 01.04.02 «Прикладная математика и информатика». Диплом высоко котируется на рынке труда и является конкурентным преимуществом.
Также вы получите 2 диплома ДПО:
- Диплом профессиональной переподготовки Цифровых кафедр (по выбранной дисциплине).
- Диплом профессиональной переподготовки «Введение в специальность» (выдается за успешное завершение первого года образовательной программы при отсутствии академических задолженностей).
Диплом магистра МФТИ по направлению 01.04.02 «Прикладная математика и информатика» и два диплома ДПО:
- Диплом профессиональной переподготовки Цифровых кафедр
- Диплом профессиональной переподготовки «Введение в специальность»
Могу ли я взять кредит или рассрочку на оплату магистратуры?
Есть ли помощь с трудоустройством?
Мы помогаем трудоустроиться через практические форматы: хакатоны, дакатоны, встречи с гостями и тестовые задания от них. Наши студенты проходят упрощенный отбор на стажировки партнеров. Также вы можете получить помощь от центра карьеры МФТИ
Мы обрабатываем файлы cookie
Cookie Settings
Cookies necessary for the correct operation of the site are always enabled.
Other cookies are configurable.
Other cookies are configurable.