Личный кабинетЛичный кабинет
header
02.04.01 «МАТЕМАТИКА И КОМПЬЮТЕРНЫЕ НАУКИ»
Продуктовая аналитика

Наука о данных (Data Science)

Стань профессионалом в аналитике с лидером рынка
Подать заявкуПодать заявкуЗадать вопросЗадать вопрос
СТАРТ ОБУЧЕНИЯ — 01.09.2026
2 года обучения
Очная форма
Диплом гособразца
Гранты до 75% стоимости обучения
Кампус в центре Москвы
Удобное расписание
Стажировка в Авито

Для кого эта
программа

01
Для аналитиков, которые хотят перейти в Data Science
Ты уже работаешь с данными, но хочешь углубиться в моделирование и машинное обучение.
Программа помогает системно разобраться в машинном обучении, научиться строить модели и применять их в продуктовых задачах, чтобы перейти на роль специалиста анализа данных или опытного аналитика машинного обучения (Middle+)
02
Для новичков, которые хотят начать карьеру специалиста анализа данных с нуля
У тебя нет опыта в анализе данных, но ты хочешь войти в эту сферу.
Программа выстроена как последовательный путь от основ Python, SQL и статистики к работе с данными и моделями, с поддержкой на каждом этапе и практикой на реальных задачах
hat
Ожидания от уровня подготовки
У тебя есть диплом бакалавра
Знаешь основы высшей математики, дискретную математику и основы компьютерных наук
Хочешь построить карьеру в аналитике данных в технологической компании
Хочешь усердно работать и учиться не ради корочки

Преимущества программы

Трек «Наука о данных» создан на базе программы «Продуктовая Аналитика» совместно с Авито — одним из ведущих игроков в российском ИТ-секторе

Во время обучения ты научишься работать с данными и применять современные методы анализа и моделирования на реальных задачах
01
Освоишь практико-ориентированную программу
Ты не просто слушаешь лекции — ты работаешь с данными и решаешь задачи на практике. Разбираешь кейсы из продакшена: запускаешь A/B‑тесты на больших аудиториях, предсказываешь отток и оптимизируешь рекомендации. Работаешь в команде как в продуктовом отделе, с распределением ролей и общим результатом
02
Освоишь подход на стыке науки и реального бизнеса
Ты получишь фундамент в математике, статистике и машинном обучении, чтобы понимать, как работают алгоритмы и модели. Разовьешь продуктовое мышление: научишься задавать правильные вопросы, оценивать влияние изменений и работать с метриками продукта. Освоишь инструменты, которые используют в индустрии: Python, SQL, Git, Jupyter, MLflow, BigQuery и Tableau
03
Получишь поддержку в карьерном росте и трудоустройстве
Ты пройдешь карьерные мастер‑классы и интенсивы, соберешь сильное портфолио и резюме с поддержкой команды. Получишь доступ к вакансиям Авито и партнерских компаний. На всем пути тебя будет сопровождать наставник из индустрии, который поможет выстроить следующий шаг в карьере. Сможешь посещать закрытые мероприятия компании — встречи и конференции, — чтобы глубже погрузиться в профессию и расширить круг профессиональных контактов
04
Разовьешь гибкие навыки и продуктовое мышление
Курсы по гибким навыкам и продуктовому мышлению — от продуктового менеджмента до аналитики — помогают развить не только технические, но и ключевые навыки работы в команде: коммуникацию, взаимодействие и бизнес‑мышление
Совместный трек с Авито

Авито — не просто партнер, а полноценный участник на всех этапах:

  • Образовательная траектория разработана с опорой на реальные задачи и требования команд
  • Лекции и мастер‑классы ведут специалисты по данным (data scientists) и аналитики Авито
  • В обучении используются реальные кейсы и анонимизированные данные
  • У студентов с высокой успеваемостью есть возможность попасть на стажировку или получить предложение о работе

Авито — самая посещаемая платформа объявлений в мире* и крупная технологическая компания с пятью бизнес‑направлениями: товары, авто, недвижимость, работа и услуги

*по данным SimilarWeb
10 сделок
совершается каждую секунду
27,1 млн
пользователей ежедневно
230+ млн
активных объявлений

Программа обучения

Ядро программы
Дисциплины для формирования доменной экспертизы
Основы Python
Основы статистики
Продуктовая студия
Онлайн эксперименты для оптимизация продукта
Визуализация
Метрики бизнеса и продукта
Алгоритмы
Инженерия данных
Основы промышленной разработки
Вариативная часть программы
Дисциплины по выбору для углубления экспертизы поверх ядра программы
Причинно‑следственный анализ
Принятие решений на основе данных
Стратегический и финансовый менеджмент
ИИ для аналитиков
Генерация и валидация гипотез
Эконометрика × Авито
Машинное обучение — продвинутый уровень × Авито
Инфраструктура в машинном обучении × Авито
Датасеты для AD × Авито
Проектирование систем машинного обучения × Авито
Курсы из смежной области
Дисциплины по выбору для расширения профиля (2 курса)
Управление разработкой ИТ‑продукта
Проектирование систем машинного обучения
Методы выпуклой оптимизации
Управление продуктами с использованием ИИ
Кейс‑вечера
Основы инвестиционной привлекательности
Байесовские статистические модели
Обработка данных и каузальный анализ в машинном обучении
Гейм‑дизайн
Генеративный искусственный интеллект
Элективы: гибкие навыки
2 курса
Лаборатория гибких навыков
Лидерство и управление
Гоголь Школа
Переговоры
Публичные выступления
Управление командой разработки
Смотреть полную программуСмотреть полную программу

Пример расписания

Понедельник
Вторник
Среда
Четверг
Пятница
Суббота
Воскресенье
19:00 – 20:20
Визуализация      
20:35 – 21:55
Инженерия данных    
19:00 – 20:20
Датасеты для AD × Авито    
20:35 – 21:55
Визуализация    
19:00 – 20:20
Онлайн-эксперименты для оптимизации продукта
20:35 – 21:55
Инфраструктура в машинном обучении × Авито
11:30 – 12:50
Лаборатория гибких навыков   Гоголь школа
17:30 – 18:50
Инженерия данных
  • Лекции
  • Семинары
  • Занятия с партнерами ЦУ

После обучения
 ты сможешь
 уверенно

01
Анализировать данные и находить в них закономерности, чтобы понимать пользователей и продукт на глубоком уровне
  • Обрабатывать и анализировать большие массивы данных с помощью Python (Pandas, NumPy), SQL и инструментов для работы с big data (PySpark, DuckDB)
  • Проводить исследовательский анализ (EDA), выявлять закономерности, аномалии и сегменты пользователей
  • Проектировать и трансформировать признаки (feature engineering) для использования в моделях машинного обучения
02
Генерировать продуктовые инсайты и выявлять точки роста с помощью аналитики и машинного обучения
  • Формулировать и проверять продуктовые гипотезы с помощью A/B‑тестов и методов обработки данных и каузального анализа в машинном обучении (causal inference)
  • Анализировать результаты экспериментов с учетом статистической и практической значимости и принимать решения на их основе
  • Строить предиктивные модели для задач прогнозирования оттока, оценки LTV, сегментации пользователей и рекомендаций
03
Влиять на развитие продукта через аналитику и машинное обучение
  • Интегрировать модели в продуктовые процессы — от рекомендательных систем до автоматизации бизнес‑решений
  • Эффективно взаимодействовать с продуктовыми, инженерными и бизнес‑командами: формулировать задачи, доносить выводы и оценивать влияние на метрики
  • Формулировать обоснованные решения и презентовать результаты ключевым лицами принятия решений

Карьерные
 перспективы

После обучения сможешь помогать бизнесу принимать эффективные решения в той области, которая ближе именно тебе

Продуктовый аналитик

Анализирует поведение пользователей, проверяет гипотезы, оптимизирует метрики

Маркетинговый аналитик

Анализирует маркетинговые активности

Дата-аналитик

Универсальный специалист с широкой экспертизой, который умеет находить закономерности и аномалии в данных и отвечать на ad-hoc вопросы бизнеса на основе данных

BI-аналитик

Строит систему метрик и отчётности: от KPI до дашбордов и структуры данных вместе с дата-инженерами

Поступи с грантом до 75% в ЦУ
Подать заявкуПодать заявку

Команда
 программы

Роман Васильев

РУКОВОДИТЕЛЬ КУРСА «МАШИННОЕ ОБУЧЕНИЕ»
Опыт:МегаФон, Магнит Tech, Яндекс Лавка и др.

Данила Елистратов

академический лид курса «Основы статистики», преподаватель
Опыт:Nielsen, Home Credit Bank, Citymobil и др.

Кирилл Гоменюк

Академический лид курсов «SQL и базы данных» и «Data Engineering (Инженерия данных)», преподаватель 
Опыт:Сибинтек, Т-Банк, НИУ ВШЭ и др.

Татьяна Мисютина

академический лид курса «Визуализация», преподаватель, автор
Опыт:Бюро Горбунова, Лаборатория данных и др.

Роман Бунин

Преподаватель, автор
Опыт:Лаборатория данных, Яндекс.Go, Nebius

Дмитрий Кротов

Академический лид курса «Принятие решений на основе данных», преподаватель
Опыт:Авито Подработка, Академия Аналитики Авито и др.
Все преподавателиВсе преподаватели

Эксперты от Авито

Алина Щукина

руководитель курсов «Машинное обучение» и «Проектирование систем машинного обучения»
Опыт:Старший DS‑инженер , Авито

Виктория Мунькина

руководитель курса «Инфраструктура ML», преподаватель
Опыт:Старший бэкенд‑инженер, Авито

Руслан Гилязев

Преподаватель курса «Разметка дата‑сетов»
Опыт:Руководитель направления Data Science, Авито

Профессиональное
 сообщество

Григорий Хайретинов

«Продуктовая аналитика», магистратура, 1 курс
ДостижениеПолучил роль руководителя в Т‑Банке с собственной командой, впоследствии решил вернуться к IC‑роли (Individual Contributor) в Авито

Петр Елфимов

«Продуктовая аналитика», магистратура, 2 курс
ДостижениеУспешно завершил стажировку в Т‑Банке с последующим переводом в штат на позицию junior‑аналитика, пройдя полный цикл входа в профессию с нуля

Ксения Павлова

«Продуктовая аналитика», магистратура, 2 курс
ДостижениеПосле более чем семи лет работы в сфере EdTech Ксения совершила значительный карьерный переход и устроилась менеджером проекта в ML-команду компании «Сибур»

Ксения Недорезова

«Продуктовая аналитика», магистратура, 1 курс
ДостижениеПерешла на новую работу в финтех, что позволило мне выйти на новый уровень и расширить свою компетенцию
Все отзывыВсе отзывы

Как поступить
на «Продуктовую
аналитику» в ЦУ?

Грантовый конкурс
Основной способ поступления. Переняли опыт ведущих ИТ-компаний и сделали максимально комфортным поступление для магистров
При успешном прохождении всех этапов отбора и зачислении предоставляется грант на обучение в размере
до 75% (до 1 350 000 руб.) от стоимости программы
Заполни заявку на сайте — после этого ты получишь доступ в личный кабинет абитуриента
В личном кабинете выбери программу и трек обучения, а также просим написать тебя:
МОТИВАЦИОННОЕ ПИСЬМО
РЕЗЮМЕ
  • Образование
  • Опыт
  • Навыки
  • Достижения
Контест проходит в онлайн-формате и состоит из нескольких блоков:
МАТЕМАТИКА
Материалы для подготовки
ПРОГРАММИРОВАНИЕ
Материалы для подготовки
Собеседование состоит из двух частей
ПРАКТИЧЕСКАЯ ЧАСТЬ
  • Математика
  • Программирование
ПРОВЕРКА ГИБКИХ НАВЫКОВ
  • Коммуникация
  • Решение конфликтных ситуаций
  • Умение обосновать мотивацию в выборе направления
05
Подай заявление на поступление через портал Госуслуг с 20 июня
06
Подпиши оригиналы документов на поступление до 24 августа

Даты
грантового
конкурса

Старт подачи заявок
13 апреля
У абитуриента есть возможность решить контест и поменять программу или трек 1 раз в течение волны. При этом собеседование можно пройти только 1 раз
ВОЛНА 1
13 апреля – 10 мая
ВОЛНА 2
11 мая – 7 июня
ВОЛНА 3
8 июня – 5 июля
ВОЛНА 4
6 июля – 2 августа
ВОЛНА 5
3 августа – 20 августа
Издание приказа о зачислении по всем программам
26 августа

Магистратура
в ЦУ

10 000+
Заявок на поступление в 2025 году
600+
Студентов учатся у нас в магистратуре
200+
Опытных преподавателей из индустрии
Востребованные программы по ИТ‑профессиям
ОФЛАЙН ОНЛАЙН
Продуктовый менеджмент
Машинное обучение
ОФЛАЙН
Продуктовая аналитика
Бэкенд-разработка

Твои возможности
в ЦУ

01

Мастерская «Пробуй и учись»

Получи опыт работы, выполняя настоящие бизнес-задачи от заказчиков. Реализованными проектами можно будет наполнить портфолио
arrow
02

Центр партнерств и карьеры

Подберем карьерный путь, который идеально тебе подойдет, и будем рядом на каждом шаге — от постановки цели до предложения о работе
arrow
03

Научные лаборатории

Даем возможность развиваться по академическому треку и участвовать в исследовательской деятельности с профессорами мирового уровня
arrow
04

Предпринимательство: ускоритель ЦУ

Поможем технологическим 
проектам пройти путь от идеи до MVP и первых продаж
arrow
05

Ассессмент, наставники и эксперты

Определяем уровень профессиональных навыков у студентов относительно рыночных карт компетенций. Помогаем с построением персональной траектории карьерного развития
arrow

Регистрация на грантовый конкурс

Программа поддержки сильных и мотивированных абитуриентов, покрывающая до 75% стоимости обучения в Центральном университете

Ответы
 на частые
 вопросы

Да, если ты получаешь непрерывное образование и поступаешь в магистратуру в год окончания бакалавриата
Да, выпускники получат диплом государственного образца по специальности 02.04.01 «Математика и компьютерные науки» или по специальности 38.04.05 «Бизнес-информатика»
Изучи схему поступления и материалы для подготовки к отборочным испытаниям, а затем приступай к решению онлайн‑контеста.
Если не получилось набрать проходной балл с первого раза, пробуй решить контест вновь в следующей волне
Находимся в тесном контакте
с бизнесом и совместно разрабатываем учебные программы
Да, у нас есть четыре кампус-отеля. Подробнее о них можно узнать на этой странице.
Обрати внимание, что кампус-отели доступны только для студентов, поступающих в магистратуру в год окончания бакалавариата
Да, но все зависит от твоих индивидуальных особенностей. Учеба интенсивная, но идет только по вечерам в будни
(не каждый день) и в субботу.
При необходимости разрешаем растянуть прохождение курсов на 3 года. Открыты к обсуждению каждой ситуации индивидуально
Итоговая работа необходима, если хочешь получить диплом магистра. Это может быть личный проект или крупная задача с твоей работы, не только исследование
Нет, все по желанию
Да, есть. Примеры заданий контеста станут доступны после регистрации в личном кабинете абитуриента
Нет, максимальный размер гранта составляет 75%
Для общения абитуриентов и студентов мы организовываем дни открытых дверей, митапы и другие мероприятия. Следи за обновлениями на сайте и в наших социальных сетях
Напиши в наш Телеграм-бот
Буткемп — интенсивный краткосрочный курс обучения с полным погружением в практику, ориентированный на быстрое освоение конкретного навыка (чаще всего в IT)
Деплой — разговорная форма от Deploy; процесс переноса кода приложения в рабочую среду
Грейд — разговорная форма от Grade; уровень специалиста в компании по компетенциям и опыту
Грейдирование — разговорная форма от Grading; процесс присвоения сотруднику определённого грейда
Джун — разговорная форма от Junior; начинающий специалист
Инсайт — неочевидный, ценный вывод из данных, который меняет понимание проблемы или открывает новую возможность
Миддл — разговорная форма от Middle; специалист среднего уровня
Продакт-менеджер — сокращение от Product Manager; специалист, отвечающий за стратегию, развитие и жизненный цикл продукта
Стек — набор технологий, языков, фреймворков и инструментов, используемых для разработки проекта (например, стек frontend + backend + база данных)
Технологии кэширования — решения для временного хранения часто используемых данных в быстрой памяти (например, Redis, Memcached) для ускорения работы приложений
Ad-hoc — лат. «для этого случая»; решение, разработанное специально для одной задачи, без расчёта на повторное использование
Airflow — платформа для оркестрации и автоматизации рабочих процессов (пайплайнов), особенно ETL-задач
Apache Iceberg — формат таблиц для хранения больших данных в озёрах данных (data lakes), поддерживающий транзакции и эволюцию схемы
Bash — командная оболочка и язык скриптов в Unix-системах для автоматизации задач и управления системой
BI — Business Intelligence; набор инструментов и практик для сбора, анализа и визуализации данных с целью поддержки управленческих решений
CI/CD — Continuous Integration / Continuous Delivery (Deployment); автоматизированные процессы для интеграции, тестирования и доставки кода в продакшен
CI/CD-пайплайны — автоматизированные цепочки процессов для непрерывной интеграции (Continuous Integration) и непрерывной доставки/развертывания (Continuous Delivery/Deployment) кода
ClickHouse — высокопроизводительная колоночная СУБД для аналитики и обработки больших объёмов данных в реальном времени
Data Science — наука о данных; междисциплинарная область, объединяющая программирование, статистику, математику и машинное обучение для извлечения знаний из данных
Data Scientist — специалист по анализу и интерпретации сложных данных для решения бизнес-задач
DevOps-инструменты — набор программ и практик для автоматизации разработки, тестирования, развертывания и поддержки по (например, Git, Docker, Kubernetes, Jenkins)
Difference-in-Differences — метод эконометрического анализа для оценки эффекта вмешательства путём сравнения изменений во времени между контрольной и экспериментальной группами
Docker — платформа для контейнеризации приложений, позволяющая упаковывать код и зависимости в изолированные контейнеры
DVC — Data Version Control; система контроля версий данных и моделей машинного обучения
ETL-пайплайны — процессы Extract (извлечение), Transform (преобразование), Load (загрузка); последовательность шагов для переноса данных из источников в хранилище
Frontend — фронтенд: часть приложения или сайт, с которой взаимодействует пользователь (интерфейс, визуальная логика)
Git — система контроля версий для отслеживания изменений в коде и совместной разработки
Go — язык программирования от Google, ориентированный на производительность, простоту и работу с многопоточностью
Helicopter view — общее понимание ситуации; стратегический обзор; целостное видение без погружения в детали
Helm — инструмент для управления Kubernetes-приложениями через чарты (шаблоны развертывания)
Hugging Face — платформа для моделей искусственного интеллекта, особенно в области NLP (обработка естественного языка)
Java (Spring) — язык программирования Java с фреймворком Spring для создания корпоративных веб-приложений и микросервисов
Kafka — распределённая система обмена сообщениями для обработки потоковых данных в реальном времени
Kaggle AutoML Grand Prix — международный конкурс по автоматизированному машинному обучению на платформе Kaggle
Kotlin — современный язык программирования для JVM, часто используемый для разработки под Android и бэкенда
Kubernetes — система оркестрации контейнеров для автоматического развертывания, масштабирования и управления контейнеризированными приложениями
LightAutoML — библиотека для автоматизированного машинного обучения (AutoML)
ML — Machine Learning; методы, позволяющие моделям обучаться на данных и делать прогнозы
ML Researcher — исследователь в области машинного обучения, занимающийся разработкой и анализом новых моделей и алгоритмов
ML-пайплайны — последовательность шагов для преобразования сырых данных в готовую модель машинного обучения
MLOps — Machine Learning Operations; практики по автоматизации и управлению жизненным циклом моделей ML в продакшене
MLflow — платформа для управления жизненным циклом моделей машинного обучения (эксперименты, модели, развертывание)
Middle Research Scientist — исследователь среднего уровня, способный вести проекты и анализ с частичным руководством
MVP — Minimum Viable Product; минимально жизнеспособный продукт: первая версия продукта с  азовым функционалом, достаточным для проверки гипотез на рынке
NoSQL — тип баз данных без жёсткой табличной структуры, с гибкой схемой (например, MongoDB, Cassandra)
NumPy — библиотека Python для работы с многомерными массивами и математическими операциями
OpenCV — библиотека компьютерного зрения для обработки изображений и видео
Pandas — библиотека Python для обработки и анализа табличных данных
PhD — Doctor of Philosophy; высшая научная степень, подтверждающая способность к независимым исследованиям
Postgres — сокращение от PostgreSQL; мощная открытая реляционная СУБД с поддержкой сложных запросов, транзакций и расширений
Production ML — использование моделей машинного обучения в рабочей среде (продакшене), с обеспечением стабильности и масштабируемости
Propensity Score Matching — статистический метод оценки эффекта вмешательства путём сопоставления объектов с похожей вероятностью попадания в экспериментальную группу
Python — универсальный язык программирования, популярный в Data Science, веб-разработке, автоматизации и скриптах
QA-инженер — специалист по обеспечению качества (Quality Assurance), тестирующий по на ошибки и соответствие требованиям
R&D — Research and Development; научно-исследовательские и опытно-конструкторские работы (НИОКР) для создания инноваций
Regression Discontinuity Design — квазиэкспериментальный метод анализа, использующий пороговое значение для оценки причинно-следственного эффекта
Research Scientist — специалист, занимающийся фундаментальными или прикладными исследованиями, часто в научных или технологических компаниях
S3 — объектное хранилище (например, Amazon S3), используемое для надёжного и масштабируемого хранения больших объёмов данных
Soft skills — гибкие навыки: коммуникация, эмоциональный интеллект, работа в команде, управление временем и другие
Spark — фреймворк для распределённой обработки больших данных, поддерживает пакетную и потоковую аналитику
SQL — язык структурированных запросов для работы с реляционными базами данных (выборка, обновление, удаление данных)
Synthetic Control — метод оценки эффекта вмешательства путём построения «синтетической» контрольной группы как взвешенной комбинации похожих объектов
Test and Learn — подход, при котором решения проверяются на практике через эксперименты, после чего принимаются на основе полученных данных
Transformers — архитектура нейронных сетей, применяемая в NLP и других задачах; также — одноимённая библиотека от Hugging Face
PyTorch — библиотека для глубокого обучения, разработанная Facebook AI, популярна в исследованиях и разработке моделей

Мы здесь

  • Кампус
    Центрального
    университета    г. Москва
    • Кампус
      ул. Гашека, д. 7 стр. 1, м. «Маяковская»
  • Кампус-отелиг. Москва
    • Облако
      ул. Гашека, д. 12 стр. 8
    • Cosmos
      ул. Профсоюзная 154, корп. 3
    • Байкал
      ул. Сельскохозяйственная 15/1, корп. 2
    • Турист
      ул. Сельскохозяйственная, д. 17, корп. 2, 3, 5, 6, 7
      Скоро открытие
Приемная комиссия
Москва, ул. Гашека, д. 7, стр. 1
Чат с командой Центрального университета
ИИ в биотехе: день открытых дверей 30 мая
© ЦУ, 2026
Политика обработки персональных данныхПолитика обработки персональных данных
Образовательные услуги оказываются АНО ВО
«Центральный университет», свидетельство
№ А007-115-77/1 039 609, 29 января 2024