Личный кабинетЛичный кабинет
02.04.01 «МАТЕМАТИКА И КОМПЬЮТЕРНЫЕ НАУКИ»

Машинное обучение в электронной коммерции

Научись создавать модели для решения бизнес-задач в электронной коммерции
Подать заявкуПодать заявкуЗадать вопросЗадать вопрос
СТАРТ ОБУЧЕНИЯ — 01.09.2026
Машинное обучение в электронной коммерции
2 года обучения
Диплом государственного образца
Очная форма
Гранты до 75%
Кампус в центре Москвы
Возможность стажировки в Lamoda
Удобное расписание

Для кого эта
программа

01
Студенты старших курсов и выпускники
Недавно окончил(а) бакалавриат и хочешь начать карьеру в машинном обучении.
Программа помогает выстроить фундамент в математике, программировании и машинном обучении и получить первый практический опыт в реальных задачах
02
Специалисты из смежных областей
Ты уже работаешь инженером, аналитиком, разработчиком или имеешь сильную техническую базу и хочешь перейти в машинное обучение.
Программа позволяет углубить знания в статистике и машинном обучении, а также научиться работать с вычислительной инфраструктурой, чтобы уверенно сменить карьерный трек
03
Специалисты в области машинного обучения
Ты уже занимаешься машинным обучением, хочешь углубить фундаментальные знания и освоить смежные направления — от внедрения эффективных моделей машинного обучения до аналитики данных.
Программа помогает структурировать знания, усилить теоретическую базу и расширить инструментарий для решения практических задач
hat
Ожидания от уровня подготовки
У тебя есть диплом бакалавра
Знаешь математику
Свободно владеешь Python и ключевыми библиотеками
Знаешь основы машинного обучения
Есть мотивация к карьере в электронной коммерции и бигтехах

Преимущества программы

Соберешь сильное портфолио проектов по машинному обучению с реальными задачами ведущей компании в электронной коммерции и прокачаешь фундамент, чтобы уверенно выходить на рынок как специалист по машинному обучению
01
Освоишь программу, созданную совместно с Lamoda
Ты будешь работать с настоящими данными Lamoda и решать реальные бизнес‑задачи — от построения ML‑моделей до запуска A/B‑тестов, которые влияют на миллионы пользователей
02
Научишься работать с современным стеком
Освоишь стек ML-инженера: Python, PyTorch, Hugging Face, OpenCV, MLOps, CI/CD и Docker для создания и внедрения ML-решений в цифровых продуктах, сервисах и рекомендательных системах
03
Будешь учиться у экспертов из индустрии и науки
Занятия ведут практикующие эксперты, которые работают в ИТ‑компаниях и научных центрах, а также топ‑менеджеры и руководители Lamoda. Наши студенты учатся у людей, которые каждый день принимают решения, формирующие бизнес
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
05
Возможность начать карьеру в электронной коммерции
У тебя будет возможность попасть в команду Lamoda на стажировку и в штат компании. Ты сможешь познакомиться с реальными задачами индустрии, получить практический опыт и показать себя потенциальному работодателю ещё во время обучения
06
Поймешь как бизнес принимает решение на основе данных
Научишься анализировать данные для принятия решений и улучшать ключевые метрики бизнеса — конверсию, удержание и ценность клиента (LTV). Полученные навыки помогут проверять гипотезы и находить точки роста бизнеса
Lamoda
Партнер программы — Lamoda

Lamoda — ведущий модный ретейлер, объединяющий онлайн‑платформу с ассортиментом от более 5 000 мировых и локальных брендов, технологии и моду в ИИ‑инструментах, а также розничные магазины Lamoda Sport, где представлены коллекции мировых спортивных брендов.

В портфеле Lamoda восемь собственных брендов: Nume, Mademan, Founds, Uset, Grate, Loom, Sonu и Lamoda Home.

У Lamoda собственная курьерская доставка и сеть ПВЗ, три складских комплекса, аккредитованный ИТ-хаб LaTech, колл-центр в Волгограде и крупнейшая в Восточной Европе контент-студия.

Компания представлена в России, Беларуси и Казахстане.

Программа обучения

Ядро программы
Дисциплины для формирования доменной экспертизы: 10 курсов
Основы Python
Основы статистики
Глубокое обучение
Основы промышленной разработки
Эксплуатация и внедрение моделей машинного обучения
Компьютерное зрение
Проектирование систем машинного обучения
Партнерские курсы
Введение в электронную коммерцию × Lamoda
Машинное обучение × Lamoda
Обработка естественного языка × Lamoda
Рекомендательные системы × Lamoda
Вариативная часть программы
Дисциплины по выбору для углубления экспертизы поверх ядра программы: 3 курса
Временные ряды
Избранные темы исследований в ИИ
Методы оптимизации
Разработка интеллектуальных агентов
Безопасность систем ИИ
Байесовские статистические модели
Современные методы и алгоритмы ИИ
Речевые технологии
SQL и базы данных
Прикладная математика для машинного обучения
Алгоритмы
Курсы из смежной области
Дисциплины по выбору для расширения профиля в смежных областях знаний: 2 курса
Продуктовые курсы
Продуктовая студия
Генерация и валидация гипотез
Продвинутое глубокое обучение
Причинно-следственный анализ (Causal inference)
Метрики бизнеса и продукта
Курсы других направлений
Технологическое предпринимательство
Инженерия данных
Управление продуктами с использованием ИИ
Элективы
Дисциплины для развития гибких навыков: 2 курса
Лаборатория гибких навыков
Лидерство и управление
Гоголь школа
Переговоры
Публичные выступления
Управление командой разработки

Пример расписания

Понедельник
Вторник
Среда
Четверг
Пятница
Суббота
Воскресенье
19:00 – 20:20
Введение в электронную коммерцию × Lamoda
20:35 – 21:55
Разработка интеллектуальных агентов
19:00 – 20:20
Прикладная математика для машинного обучения
20:35 – 21:55
Проектирование систем машинного обучения (ML System Design) × Lamoda
19:00 – 20:20
Разработка интеллектуальных агентов
20:35 – 21:55
Прикладная математика для машинного обучения
19:00 – 20:20
Прикладная математика для машинного обучения
20:35 – 21:55
Проектирование систем машинного обучения (ML System Design) × Lamoda
11:30 – 12:50
Основы промышленной разработки
13:00 – 14:20
Основы промышленной разработки
14:35 – 15:55
Гоголь школа
  • С 6 сентября
  • Один раз в 2 недели
  • Лекции
  • Семинары
  • Занятия с партнерами ЦУ

После обучения
 ты сможешь
 уверенно

01
Анализировать данные, чтобы строить качественные ML‑модели
  • Использовать Python на профессиональном уровне и применять Pandas, NumPy для анализа, очистки и трансформации данных
  • Разрабатывать и обучать модели машинного обучения для задач классификации, регрессии и кластеризации
  • Оптимизировать SQL‑запросы и проектировать схемы баз данных NoSQL для хранения и подготовки больших объемов информации
02
Разрабатывать ИИ-решения для прикладных задач
  • Создавать решения в области компьютерного зрения, обработки текста и рекомендательных систем
  • Работать с современными нейросетевыми архитектурами и строить воспроизводимые ML‑пайплайны
  • Аргументированно выбирать модели и архитектуры на основе метрик качества, статистической значимости и бизнес‑целей
03
Оптимизировать и внедрять ML‑системы
  • Проектировать эффективные алгоритмы обучения моделей и ML‑пайплайны
  • Настраивать инфраструктуру ML‑разработки с использованием Docker и Kubernetes, оптимизируя вычисления и производительность моделей
  • Внедрять устойчивые ML‑системы по принципам MLOps, автоматизируя обучение, деплой и мониторинг моделей

Карьерные
 перспективы

Выпускники смогут построить карьеру не только в электронной коммерции, но и в других индустриях — от молодых компаний (стартапов) до крупных технологических компаний

Специалист по системам рекомендаций

Разработка и внедрение персонализированных решений

Инженер по машинному обучению

Разработка и оптимизация моделей машинного обучения

Специалист по анализу данных

Анализ данных, прогнозирование и построение ИИ‑решений

Инженер по анализу изображений и видео

Работа с изображениями, видео и системами распознавания

Продуктовый менеджер ИИ-продуктов

Управление разработкой и внедрением ИИ-решений в бизнесе

Поступи с грантом до 75% в ЦУ
Подать заявкуПодать заявку

Команда
 программы

Сергей Николенко

УЧЕНЫЙ. ПРЕПОДАВАТЕЛЬ
Опыт:Harbour Space University, ИТМО

Евгений Ильюшин

АКАДЕМИЧЕСКИЙ РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»
Опыт:Okko, Prado Group, Viasat Global, TrendMD, МГУ

Александр Дьяконов

РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»
Опыт:ВМК МГУ, Алгомост, Dasha.ai, Ozon

Александр Гущин

ИНДУСТРИАЛЬНЫЙ ЛИД НАПРАВЛЕНИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»
Опыт:DVC.org, Mechanica AI, Яндекс, Авито

Андрей Кузнецов

РУКОВОДИТЕЛЬ КУРСА «MULTIMODAL GENERATIVE AI FOR PERCEPTION AND SYNTHESIS»
Опыт:Университет «Иннополис», AIRI, Сбер

Иван Стельмах

ДИРЕКТОР ПО ПРОДУКТУ
Опыт:Carnegie Mellon, Google, Яндекс
Все преподавателиВсе преподаватели

Эксперты
от Lamoda

Максим Гришаков

Генеральный директор Lamoda
Опыт:Lamoda, Яндекс, Wm. Wrigley Jr.

Александр Желубенков

руководитель отдела анализа данных и машинного обучения Lamoda
Опыт:Lamoda, КонсультантПлюс

Татьяна Умряева

Управляющий директор по продукту и данным Lamoda
Опыт:Lamoda, Яндекс

Профессиональное
 сообщество

Александр Анохин

«Машинное обучение», 2 курс
Опыт:Перешел от роли исполнителя исследовательских задач к позиции самостоятельного исследователя, формирующего исследовательскую повестку,
выбирающего направления работы и отвечающего за результат

Вадим Смирнов

«Машинное обучение», 2 курс
Опыт:Устроился в AI Lab Сбера и работает над LightAutoM,
команда которого победила в Kaggle AutoML Grand Prix
Все истории успехаВсе истории успеха

Как поступить
на «Машинное обучение
в электронной
коммерции» 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 двух предметов
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
Если не сможешь пройти контест с первой попытки,
можно попробовать еще раз в следующей волне.
При этом собеседование можно пройти только один раз
за весь грантовый конкурс
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
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
03

Научные лаборатории

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

Предпринимательство: ускоритель ЦУ

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

Ассессмент, наставники и эксперты

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

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
    • Диск
      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
Интенсив по аналитике с Авито

Бакалавриат

Магистратура

Лаборатория управления

Дополнительное образование

Мероприятия

Об университете

© 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