О профессииПрограммаПомощь с работойКак учимКоманда курсаСтоимость
КомпаниямНачать учиться
Инженеры данных создают и обслуживают инфраструктуру для работы с данными
Они собирают, очищают и структурируют данные, создают витрины и хранилища
Всё это позволяет компаниям вести бизнес на основе данных: изучать клиентов, прогнозировать спрос, планировать рекламные кампании — в общем, извлекать пользу и зарабатывать больше денег.
Освоите профессию с нуля за 11 месяцев

Получите мощный набор навыков и инструментов

Это сейчас актуально и требуется почти во всех вакансиях

Python
SQL
Airflow
PostgreSQL
Docker
Redis
Yandex Cloud
Kafka
Hadoop
Apache Spark
Spark Streaming
NoSQL
Научитесь применять нейросети так, чтобы они работали вместе с вами, а не вместо вас
ИИ будет усиливать ваши навыки, а вы — критически оценивать его решения

Ещё нейросети сделают ваше резюме заметнее: 73% работодателей поддерживают внедрение ИИ в рабочие процессы, а больше половины — обращают внимание на такие умения при найме
Регулярно обновляем программу, чтобы вы проходили только актуальное
Курс рассчитан на 11 месяцев, учёбе нужно уделять ~12 часов в неделю
1
6 тем・3 недели
Основы Python
  • Python
  • Переменные
  • Циклы и ветвления
  • Функции
  • Словари и множества
Знакомство с Python
Философия Python, переменные и значения, константы функции
Простые типы данных
Числовые типы, значение None, логический тип данных и операторы сравнения
Ветвления
Ветвления, множественные ветвления, логические операторы
Импортируемые типы данных
Модуль Decimal, дата и время
Коллекции
Коллекции, последовательности: список, кортеж, строки, словарь, изменяемые и неизменяемые типы данных
Итерации и циклы
Циклы For и While, управление циклами
Разработаете приложение «Холодильник», чтобы регистрировать продукты и следить за ними
2
4 темы・1 неделя
Инструменты разработчика
  • Git
  • GitHub
Настройка рабочего окружения
Терминал, консоль и командная строка, выбор и настройка редактора кода, виртуальное окружение
Система контроля и управления версиями
Знакомство с Git и GitHub и их настройка: создание и клонирование репозиториев, отслеживание файлов проекта
Требования к коду
Оформление кода, линтеры и форматеры, аннотация типов
Отладка программ
Ошибки и баги, дебаггинг в VSCode
Выполните итоговое задание, чтобы закрепить знания на практике
3
4 темы・1 проект・3 недели
Углублённый Python
  • Python
  • ООП
Объекты и классы
Изучите объекты и классы, их атрибуты и методы объекта
Объектно ориентированное программирование
Познакомитесь с основами объектно ориентированного программирования (ООП), узнаете, что такое наследование, полиморфизм, инкапсуляция
Python: новый уровень
Пользовательские модули и пакеты, документирование кода, исключения, контекстные менеджеры
Сетевые запросы и HTTP
URL, исходный код веб-страницы, HTML и роль браузера, структура HTTP‑сообщений, HTTP‑заголовки, обработка ошибок при HTTP‑запросах, аутентификация и авторизация, анализ запросов
Разработаете программу, чтобы скачивать данные о персонажах и планетах из вселенной «Звёздных войн». Подготовите эти данные для работы в Excel
4
3 темы・3 недели
Алгоритмы и структуры данных
  • Алгоритмы
Основы алгоритмов
Понятие алгоритма, линейный и бинарный поиск, время исполнения, ввод-вывод
Представление данных в памяти
Оперативная память и представление данных, пространственная сложность алгоритма, массивы постоянного размера, сложность вставки и удаления в динамических массивах, реаллокация в динамических массивах, связные списки, структура данных: стек, очередь и дек
Рекурсия и сортировки
Задачи на рекурсию, рекурсивный и базовый случаи, реализация бинарного поиска с помощью рекурсии, рекурсивный перебор вариантов, алгоритмы сортировки и их выбор, сортировка вставками, сортировка по ключу, сравнение элементов
Познакомитесь с алгоритмами и структурами данных, которые необходимы в инженерии
5
6 тем・1 проект・4 недели
Основы SQL и баз данных
  • SQL
  • PostgreSQL
Устройство PostgreSQL
PostgreSQL, работа с интерактивным терминалом psql
Основы SQL и DDL
Команды CREATE, DROP, ALTER, создание таблиц и работа с ограничениями
Основы SQL и DML
Команда INSERT, выборка и фильтрация данных из таблиц, оператор CASE
Нормализация и взаимоотношение
Нормализация таблиц, взаимоотношения между таблицами
Объединение таблиц
Соединение таблиц, типы JOIN, сочетание запросов
Функции
Математические, агрегирующие, группировка данных
Отработаете навыки на датасете в тренажёре платформы
6
5 тем・1 проект・4 недели
Продвинутый SQL для работы с данными
  • SQL
  • Оконные функции
  • Представления
  • PostGIS
  • Транзакции и блокировки
Подзапросы и общие табличные выражения
Подзапросы, общие табличные выражения (СТЕ), основы рекурсии
Оконные функции
Как они устроены
Представления
Введение в представления, операции с ними, материализованные представления
Продвинутые типы данных
Как с ними работать, тип данных UUID, массивы
Транзакции и блокировки
Транзакции, ACID‑требования к транзакциям, запросы с транзакциями, изоляция транзакций, уровни и синтаксис; зачем нужны блокировки, виды блокировок
Снова поработаете в SQL-тренажёре на платформе, чтобы закрепить навыки
7
Самостоятельно・1 неделя
Промежуточный проект
С помощью Python создадите базу данных для автомобильного салона
1 неделя
Каникулы
8
5 тем・1 проект・3 недели
Как построить аналитическое хранилище данных
  • Python
  • PostgreSQL
  • DBeaver
  • DWH
  • SCD
PostgreSQL и DBeaver
Виды данных по степени строгости организации, различия и назначение баз данных SQL и NoSQL, характеристики PostgreSQL, интерфейс и возможности DBeaver
Нормальные формы
Понятие нормализации, нормальные формы
Знакомство с DWH
Минусы нормализации, хранилище данных, OLTP и OLAP, денормализованные модели
Погружение в DWH
Сбор требований, подходы Инмона и Кимбалла, современные модели DWH, выбор подхода для DWH, создание процессов миграции данных
SCD и их типы
Понятие и типы
Построите витрину с инкрементальной загрузкой для аналитики аудитории интернет‑магазина
9
2 темы・1 проект・3 недели
Работа с данными в хранилище
  • PostgreSQL
  • VIEW
  • Витрина данных
Витрина данных и VIEW
Понятие витрины данных, транзакции, инкрементальная загрузка данных, понятие VIEW, визуализация данных
Оптимизация запросов
План запроса и алгоритм его исследования, типы индексов и способы их создания
Приведёте в порядок модель данных и осуществите миграцию в текущем хранилище
10
4 темы・1 проект・3 недели
ETL: автоматизация подготовки данных
  • Python
  • PostgreSQL
  • Airflow
Анализ вводных по задаче
ETL-процесс и его пайплайн, требования к ETL‑процессу, источники данных, разложение данных по слоям, подключение к API и базам данных, схемы источника, перенос данных в хранилище, автоматизация
Проектирование ETL‑процесса
Виды загрузок, слои хранения, как разложить данные по готовым слоям, порядок загрузки объектов, проектирование системы восстановления
Ликбез по Airflow
Понятие, для каких задач используется Airflow, основные концепции, архитектура, первый взгляд на UI, структура кода DAG, статусная модель задач, механики шаблонов, особенности работы со временем, продвинутые механики и альтернативы Airflow для ETL-процессов
Реализация ETL в Airflow
Планирование процесса, как сделать запрос на генерацию файла через API, подключение к хранилищу и получение файла, переведение файла в табличный вид, SCD, добавление технических полей, обновление слоя витрин, постановка процесса на регламент
Построите пайплайн автоматизированного получения, обработки и загрузки данных от источников до витрины
11
2 темы・1 неделя
Проверка качества данных
Требования к качеству данных
Технические и бизнес-качества, как собрать требования к данным, система контроля качества
Проектирование и разработка проверки
Выбор места проверки в пайплайне, разработка проверок, результаты и отслеживание проверок, runbook процесса
Научитесь оценивать качество данных
1 неделя
Каникулы
12
4 темы・1 проект・2 недели
DWH для нескольких источников
  • NoSQL
  • MongoDB
  • PostgreSQL
Сбор требований и исследование источников
Сбор требований для DWH, модель данных в PostgreSQL, mongoDB как NoSQL‑СУБД, подключение к MongoDB, данные в MongoDB, связь данных в источниках
Проектирование DWH
Проектирование хранилища по слоям, выбор модели данных, проектирование слоёв CDM и STG, хранение исторических данных, проектирование слоя DDS, проектирование ETL между слоями
Реализация DWH
Транзакции и их свойства, изоляция транзакций, паттерн Transactional Outbox, сбор данных из PostgreSQL и MongoDB, перенос данных из STG в DDS, заполнение витрины в слое CDM
Тестирование, интеграция и документация
Тестирование DWH, интеграция с BI‑решением, написание документации к DWH
Спроектируете и реализуете DWH для стартапа
13
2 темы・1 проект・2 недели
Аналитические базы данных
  • S3
  • Vertica
  • Airflow
  • PostgreSQL
Аналитические СУБД и Vertica
Знакомство с аналитическими СУБД и Vertica, типы данных в Vertica (строковые и числовые, временные и специальные), запись данных в Vertica, проекции, параметры сегментации и сортировки, удаление и обновление данных в Vertica, партиционирование таблиц, операции с партициями
Разработка аналитической базы данных
Исходные данные, staging-слой, проверка качества данных, выбор модели для аналитического хранилища, разработка аналитического хранилища
Построите DWH для высоконагруженной системы данных с использованием Vertica
14
3 темы・1 проект・4 недели
Организация Data Lake
  • HDFS
  • Hadoop
  • MapReduce
  • Apache Spark
Проектирование Data Lake
Знакомство с Data Lake, сбор требований, знакомство с Hadoop, архитектура HDFS, репликация данных и блоки в HDFS, управление HDFS из консоли, проектирование хранения данных в HDFS
Знакомство со Spark
Парадигма MapReduce, знакомство со Spark, вычисления в Spark, знакомство с Yarn, подключение к Spark
PySpark для инженера данных
Знакомство с PySpark, структуры данных в Spark, создание DataFrame и базовые операции: преобразования и действия, JOIN и UNION, кэширование и контрольные точки; встроенные стандартные функции, оконные функции в PySpark; как собрать, запустить и автоматизировать джобу
Построите Data Lake и автоматизируете загрузку и обработку данных в нём
1 неделя
Каникулы
15
2 темы・1 проект・3 недели
Потоковая обработка данных
  • Kafka
  • Spark Streaming
Потоковая обработка с Kafka и Spark Streaming
Что такое потоковая обработка, брокеры сообщений, Kafka, работа с Kafka через kcat, знакомство со Spark Structured Streaming — базовые операции, создание Spark Streaming Application
Настройка потока данных
Сбор требований к стримингу, проектирование стриминговой системы, изучение данных в Kafka, преобразование потоковых данных, дедупликация, подключение к PostgreSQL и изучение данных, проектирование выходного сообщения, отправка сообщения в Kafka
Создадите систему для обработки данных в режиме реального времени
16
5 тем・1 проект・3 недели
Облачные технологии
  • Redis
  • NoSQL
  • Kubectl
  • Kubernetes
  • PostgreSQL
  • Yandex Cloud
Облачные технологии Yandex Cloud
Что такое облачные технологии, подключение к Yandex Cloud, внутри Yandex Cloud, сбор требований к DWH
Подготовка и изучение источников
Redis — key‑value‑хранилище, как его поднять в Yandex Cloud, изучение данных в Redis, как поднять Kafka в Yandex Cloud, изучение данных в Kafka
Создание окружения сервисов
Микросервисная архитектура, контейнеризация в Docker, создание образов контейнеров, репозиторий для образов, знакомство с Kubernetes, возможности утилиты Kubectl, подготовка манифестов, пакетный менеджер Helm, разбор шаблона сервиса
Написание первого сервиса
Как поднять PostgreSQL в Yandex Cloud, структура баз данных, подготовка контейнера, планирование и написание логики первого сервиса
Знакомство с DataLens
Подключение источников данных, создание диаграмм, создание дашборда
Подготовите инфраструктуру для хранения и обработки данных в облаке
17
Самостоятельно・2 недели
Выпускной проект или пет-проект
В конце курса у вас будет выбор: выполнить ещё один учебный проект или реализовать пет-проект. В первом случае нужно выбрать бизнес-задачу и разработать архитектуру данных с использованием всех изученных инструментов. Во втором случае вы сможете воплотить в жизнь и защитить личный проект. Идея для пет-проекта может быть любой, главное — чтобы она была связана с инженерией данных и при её реализации использовались все изученные инструменты. Что бы вы ни выбрали, вас поддержат наставники и ревьюеры, а получившийся кейс украсит ваше портфолио.
Карьерный центр・1 месяц
Карьерный трек: подготовка к трудоустройству
Составите резюме, которое привлечёт внимание рекрутеров, и напишете сопроводительное письмо для откликов на вакансии. Узнаете, как правильно оформлять портфолио, и построите стратегию поиска работы.

Обратите внимание: если курс оплачивает ваш работодатель, у вас не будет подготовки к трудоустройству.
Карьерный центр・До 6 месяцев
Акселерация: активный поиск работы с поддержкой HR-экспертов
Будете откликаться на вакансии, делать тестовые и ходить на собеседования, а мы вас поддержим. Например, расскажем о типичных ошибках в общении с работодателями и как их избежать. Акселерация может продолжаться до 6 месяцев — обычно этого достаточно, чтобы получить первую работу в IT.
Дополнительно
Нейросети для инженера данных
Узнаете, как и зачем использовать нейросети в вашей профессии. Освоите техники работы с разными AI‑инструментами, сможете формулировать эффективные промпты и критически оценивать результаты.
  • ChatGPT
  • Алиса
  • DeepSeek
  • Cursor
  • Claude
  • Промпт-инжениринг
Основы работы с нейросетями
Как устроены нейросети. Промпты и промпт‑инжиниринг. Как выбрать AI‑инструмент под конкретную задачу.
ИИ для обучения и исследований
Генерация учебных материалов для быстрого освоения новых технологий. Поиск решений в сложных кейсах. Планирование работы над проектом.
Научитесь грамотно встраивать нейросети в свои рабочие задачи
Для специалистов с опытом есть отдельный курс
Если вы уже знакомы с Python и SQL, присмотритесь к курсу «Инженер данных». Там вы сразу перейдёте к особенностям передачи данных и настройке их хранилищ.

Посмотреть курс «Инженер данных»
Получите сертификат о переподготовке
Это официальный документ установленного образца, который принимают работодатели
Начать учиться бесплатно
Очень много практики
Соберёте солидное портфолио из 9+ проектов и сможете реализовать свою инженерную идею в пет‑проекте
Будете работать над проектами, которые повторяют реальные задачи инженеров данных. На каждом этапе эксперты будут подсказывать, что у вас получается хорошо, а что нужно развивать.
Проекты от настоящих заказчиков и хакатоны, чтобы получить реальный опыт
В Мастерской Практикума сможете поучаствовать в реальных проектах, почувствовать себя частью команды и наладить полезные связи
Ещё 7 месяцев после выпуска бесплатно помогаем с поиском работы — для этого у нас целый карьерный центр
Готовим к выходу на рынок IT и поддерживаем, когда начинаете общаться с работодателями
10 000+ выпускников Практикума находят работу после учёбы
Среди тех, кто хотел сменить профессию. Больше половины из них — во время учёбы и в первые 2 месяца после выпуска.

Это данные исследования ВШЭ: они основаны на опыте выпускников Яндекс Практикума на российском рынке труда
Начать учиться бесплатно
Как устроена учёба
Никаких давно снятых видео и длинных лекций
Вы проходите теорию и закрепляете её на практике в интерактивном тренажёре, который автоматически проверяет код. Можно учиться во сколько и где удобно, главное — укладываться в дедлайны по проектам.
По расписанию только воркшопы с наставниками, остальное — в своём темпе
Опытные инженеры данных объясняют сложные темы и отвечают на вопросы на живых воркшопах. Если не успеваете, можно смотреть в записи.
Учёба в Практикуме похожа на реальную работу
Программа поделена на спринты — отрезки по 2–3 недели, за которые вы изучаете тему и делаете проект. Потом отправляете его на ревью, а эксперты проверяют и комментируют. И тот же цикл дальше, пока не дойдёте до конца.

Оставьте заявку — мы позвоним, чтобы ответить на вопросы и подтвердить запись

Менеджер расскажет о курсе и предложит персональную скидку

Или позвоните нам сами:
+7 (775) 020-45-15
А если не любите голосом — напишите:
Политика конфиденциальности
 
  •                                        
Отвечаем на вопросы
Каким требованиям нужно соответствовать?
Вам не понадобятся специальные навыки или опыт — мы обучим всему с нуля. Главное — иметь компьютер и достаточно времени для онлайн-занятий. Выше можно посмотреть программу, чтобы оценить количество учебного материала и свои возможности.
Кто будет меня учить?
Все наставники — практикующие специалисты: сотрудники Яндекса и других крупных компаний. Программу составляют опытные преподаватели и методисты, а ещё действующие специалисты Яндекса, Школы анализа данных и других лидеров технологической и образовательной индустрий.
Смогу ли я найти работу после обучения?
Конкуренция в IT среди новичков высокая, но не экстремальная. А обучение в Практикуме помогает быстрее найти работу: наши выпускники получают на 38% больше приглашений на собеседования по сравнению с кандидатами, которые не проходили онлайн-курсы. Это подтверждено совместным исследованием Яндекс Практикума и hh.ru.
А если я хочу работать в Яндексе?
Некоторые наши студенты работают в сервисах Яндекса, в том числе и в Практикуме. Но с нашей стороны было бы нечестно что-либо гарантировать и завышать ваши ожидания.

Без опыта попасть в крупную IT-компанию возможно, хотя и сложно. Программа составлена так, чтобы вы могли начать карьеру после выпуска и набраться первого опыта. С ним вам будет значительно проще претендовать на позицию в крупных компаниях.
Вы поможете мне найти работу?
Да. В Практикуме лучшая программа трудоустройства в онлайн‑образовании по версии российского сервиса «Сравни». Найти работу поможет наш карьерный центр, если вам уже исполнилось 18 лет.

Сначала при поддержке HR‑экспертов вы составите резюме и научитесь писать сопроводительные письма. Потом начнёте активно откликаться на вакансии, а мы будем рядом и минимизируем стресс: проведём тренировочные собеседования, ответим на вопросы, познакомим с карьерным трекером — нашим инструментом для отслеживания вакансий и организации ваших откликов.

Ещё мы предложим вам партнёрские вакансии. В нашей базе 4 000+ компаний, которые регулярно приглашают выпускников Практикума на собеседования.

Обратите внимание: если курс оплачивает ваш работодатель, у вас не будет программы трудоустройства.
Что делать, если я не справлюсь с нагрузкой?
В программе предусмотрены каникулы, во время которых можно отдохнуть или повторить сложные темы.

Если вам нужно больше времени на выполнение проекта, напишите куратору. Он подскажет, как согласовать новый дедлайн.
Если не понравится, я могу вернуть деньги?
Если курс ещё не начался, вернём всю сумму. Если ваша когорта уже стартовала, можно сделать частичный возврат — подробности в 7 пункте оферты.
Получу ли я какой-то документ после курса?
Да, для этого нужно закончить курс и успешно выполнить итоговый проект. Тогда выдадим вам сертификат о переподготовке в электронном виде.

А если не получится, по запросу выдадим электронную справку об обучении — с перечнем модулей, которые вы освоили.
Как можно оплатить?
Банковской картой: внести всю сумму сразу или платить ежемесячно.

Ежемесячные платежи работают так: вы вносите первую оплату, и в этот момент привязывается карта. С этой карты автоматически будут списываться следующие платежи каждые 30 календарных дней. Например, оплатили 25 марта — следующий платёж пройдёт 24 апреля. Обучение будет стоить меньше, если оплатить весь курс сразу.

Через компанию: юридические лица также могут оплатить обучение в Практикуме. Чтобы заказать счёт для оплаты, оставьте заявку на странице для корпоративных клиентов.
На каком языке проходит обучение?
Всё будет на русском: теория, практические задания и вебинары, а ещё чаты с куратором, наставником и другими студентами.

Давайте поможем

Мы работаем с 12:00 до 21:00 по Астане и связываемся в течение одного дня. Если оставите заявку сейчас, то перезвоним уже в рабочее время.

Политика конфиденциальности