Error get alias
Получи бесплатную консультацию
В течение 24 часов я свяжусь с тобой и предложу встречу. На ней детальнее узнаю о твоей ситуации и расскажу, как могу помочь.
Нажимая на кнопку, я соглашаюсь на обработку персональных данных, с политикой конфиденциальности и публичной офертой
Все задания –
это кейсы из практики
это кейсы из практики
Можно совмещать с работой и личными делами
Длится 10 недель, по 4-12 часов в неделю
КУРС для тех, кто:
-
Не ощущает структуры в знаниях и навыках ML и Causal Inference -
Хочет вывести проверку гипотез в компании на новый уровень -
Получает отказы на собесах из-за отсутствия достаточного опыта в ML -
Хочет выделиться применением ML/AI на следующем performance-review
Ты по адресу, если :
-> Сталкиваешься с задачами, где A/B не отвечает на вопрос бизнеса, и не знаешь как быть
-> Мало опыта или не применял ML на практике, но хочешь приобрести реальный практический опыт
-> Строишь модели, но как они работают – это черный ящик, в котором плохо разбираешься
-> Получаешь отказы на интервью, так как мало работал с ML и продвинутыми методами в А/В
-> Мало опыта или не применял ML на практике, но хочешь приобрести реальный практический опыт
-> Строишь модели, но как они работают – это черный ящик, в котором плохо разбираешься
-> Получаешь отказы на интервью, так как мало работал с ML и продвинутыми методами в А/В
Это ТЫ после КУРСА:
-
Структурно понимаешь как проверить продуктовую гипотезу любой сложности -
Интервьюеры удивляются твоим знаниям по ML и Causal Inference -
Умеешь четко и последовательно обучать и применять ML модели -
Можешь выстроить работу по оценке эффектов и применению ML c нуля
- Оставь заявку на бесплатную консультациюЯ свяжусь с тобой, расскажу о курсе и отвечу на все вопросыОставить заявку
- Оставь заявку
на бесплатную консультациюЯ свяжусь с тобой, расскажуОставить заявку
о курсе и отвечу на все вопросы
Программа обучения
-> Тебя ждут 20 онлайн практика-ориентированных занятий и 10 домашних заданий
-> Курс рассчитан на 10 недель (~2.5 месяца) продуктивной работы: по 1 теоретическому и 1 практическому занятию, а также 1 домашнему заданию в неделю
-> Будь готов уделять обучению 4-12 часов в неделю
-> Занятия проходят онлайн в Zoom, а общаться будем в Telegram-чате
-> Курс рассчитан на 10 недель (~2.5 месяца) продуктивной работы: по 1 теоретическому и 1 практическому занятию, а также 1 домашнему заданию в неделю
-> Будь готов уделять обучению 4-12 часов в неделю
-> Занятия проходят онлайн в Zoom, а общаться будем в Telegram-чате
- Теория - 10 занятийБаза, которая структурирует знания по ML и даст ответы на все методологические вопросы
Каждая тема подкрепляется доп. материалами
и индивидуальными домашними заданиями. Каждое задание рассчитано от 3 до 7 часов - Практика - 10 занятийИнтерактивные разборы реальных кейсов
и закрепление теории в live-формате
Кстати, ты можешь предложить свои рабочие ситуации и кейсы для разбора
- Теория - 10 занятийБаза, которая структурирует знания по ML и даст ответы на все методологические вопросы
Каждая тема подкрепляется доп. материалами и индивидуальными домашними заданиями. Каждое задание рассчитано от 3 до 7 часов - Практика - 10 занятийИнтерактивные разборы реальных кейсов и закрепление теории в live-формате
Кстати, ты можешь предложить свои рабочие ситуации и кейсы для разбора
- Теория - 10 занятийБаза, которая структурирует знания по ML и даст ответы на все методологические вопросы
Каждая тема подкрепляется доп. материалами и индивидуальными домашними заданиями. Каждое задание рассчитано от 3 до 7 часов - Практика - 10 занятийИнтерактивные разборы реальных кейсов и закрепление теории в live-формате
Кстати, ты можешь предложить свои рабочие ситуации и кейсы для разбора
Программа занятий
Теоретическое занятие
Разберемся, какие продуктовые задачи решаются с помощью ML и Сausal Inference, а также где и когда нужен классический А/В эксперимент. Научимся ориентироваться во всем многообразии подходов, выбирать корректный инструмент под конкретную задачу бизнеса, а также поймем как развивать культуру работы с ML и Сausal Inference в компании.
Практическое занятие
Порешаем продуктовые кейсы, связанные с поиском точек роста и определением подхода для конкретной бизнес-задачи. Потренируемся формулировать задачу, единицу анализа, выбирать target и критерий успеха.
Разберемся, какие продуктовые задачи решаются с помощью ML и Сausal Inference, а также где и когда нужен классический А/В эксперимент. Научимся ориентироваться во всем многообразии подходов, выбирать корректный инструмент под конкретную задачу бизнеса, а также поймем как развивать культуру работы с ML и Сausal Inference в компании.
Практическое занятие
Порешаем продуктовые кейсы, связанные с поиском точек роста и определением подхода для конкретной бизнес-задачи. Потренируемся формулировать задачу, единицу анализа, выбирать target и критерий успеха.
Теоретическое занятие
Разберемся, как превращать сырые данные в качественный датасет для модели. Научимся проводить разведочный анализ (EDA), обрабатывать нюансы в данных, подбирать и строить качественные признаки для модели.
Практическое занятие
Соберем логику подготовки датасета для реальной продуктовой задачи. Потренируемся находить проблемные признаки, выбирать способы предобработки и проектировать корректный pipeline подготовки данных.
Разберемся, как превращать сырые данные в качественный датасет для модели. Научимся проводить разведочный анализ (EDA), обрабатывать нюансы в данных, подбирать и строить качественные признаки для модели.
Практическое занятие
Соберем логику подготовки датасета для реальной продуктовой задачи. Потренируемся находить проблемные признаки, выбирать способы предобработки и проектировать корректный pipeline подготовки данных.
Теоретическое занятие
Освоим базовые ML модели, которые все еще остаются одними из самых полезных для аналитики. В частности, линейную и логистическую регрессию, а также нюансы и проблемы, ассоциированные с ними (регуляризация, проклятие размерности, проблема мультиколлинеарности и т.д.). Научимся строить интерпретируемые baseline-модели и объяснять их результаты на языке бизнеса. Рассмотрим, как регрессия связана с А/В экспериментами.
Практическое занятие
Будем решать кейсы на прогноз числового и бинарного результата, а также интерпретировать результаты моделей. Научимся переводить математический результат в понятные продуктовые выводы.
Освоим базовые ML модели, которые все еще остаются одними из самых полезных для аналитики. В частности, линейную и логистическую регрессию, а также нюансы и проблемы, ассоциированные с ними (регуляризация, проклятие размерности, проблема мультиколлинеарности и т.д.). Научимся строить интерпретируемые baseline-модели и объяснять их результаты на языке бизнеса. Рассмотрим, как регрессия связана с А/В экспериментами.
Практическое занятие
Будем решать кейсы на прогноз числового и бинарного результата, а также интерпретировать результаты моделей. Научимся переводить математический результат в понятные продуктовые выводы.
Теоретическое занятие
Научимся оценивать качество модели с учетом продуктовой задачи и цены ошибок. Разберемся, как выбирать метрики качества, сравнивать модели и принимать решение не на основе «модности», а по качеству решения конкретной бизнес-задачи.
Практическое занятие
Сравним модели на кейсах и посмотрим, как выбор метрик меняет восприятие и выводы. Потренируемся выбирать threshold и обосновывать, какая модель полезнее для бизнеса и почему.
Научимся оценивать качество модели с учетом продуктовой задачи и цены ошибок. Разберемся, как выбирать метрики качества, сравнивать модели и принимать решение не на основе «модности», а по качеству решения конкретной бизнес-задачи.
Практическое занятие
Сравним модели на кейсах и посмотрим, как выбор метрик меняет восприятие и выводы. Потренируемся выбирать threshold и обосновывать, какая модель полезнее для бизнеса и почему.
Теоретическое занятие
Познакомимся с главным прикладным стеком для табличных данных. Научимся использовать нелинейные модели (деревья, леса, бустинг и т. д.) для продуктовых задач, сравнивать их с линейными подходами и аккуратно интерпретировать результат.
Практическое занятие
Сравним линейные и нелинейные модели на продуктовых кейсах и обсудим, где действительно появляется прирост качества. Научимся работать с важностью признаков и понимать ограничения интерпретации сложных моделей.
Познакомимся с главным прикладным стеком для табличных данных. Научимся использовать нелинейные модели (деревья, леса, бустинг и т. д.) для продуктовых задач, сравнивать их с линейными подходами и аккуратно интерпретировать результат.
Практическое занятие
Сравним линейные и нелинейные модели на продуктовых кейсах и обсудим, где действительно появляется прирост качества. Научимся работать с важностью признаков и понимать ограничения интерпретации сложных моделей.
Теоретическое занятие
Узнаем, как находить в данных структуру без заранее заданного target. Научимся строить осмысленную сегментацию пользователей и превращать кластеры в реальные продуктовые действия. Увидим, когда сегментация реально помогает продукту, а когда превращается в бесполезную классификацию пользователей по красивым названиям. Познакомимся с KNN, K-means, Иерархической кластеризацией и другими методами.
Практическое занятие
Построим сегментацию пользователей под конкретные бизнес-задачи. Потренируемся описывать сегменты, проверять их полезность и предлагать действия дальнейшей работы с ними.
Узнаем, как находить в данных структуру без заранее заданного target. Научимся строить осмысленную сегментацию пользователей и превращать кластеры в реальные продуктовые действия. Увидим, когда сегментация реально помогает продукту, а когда превращается в бесполезную классификацию пользователей по красивым названиям. Познакомимся с KNN, K-means, Иерархической кластеризацией и другими методами.
Практическое занятие
Построим сегментацию пользователей под конкретные бизнес-задачи. Потренируемся описывать сегменты, проверять их полезность и предлагать действия дальнейшей работы с ними.
Теоретическое занятие
Научимся прогнозировать продуктовые метрики и учитывать тренды, сезонность и внешние факторы. Рассмотрим как базовые подходы (наивный, Moving Average, ARIMA и подобные), так и продвинутые (Prophet и прочие ML-based). Поймем, когда прогнозирование помогает бизнесу, а когда его нельзя путать с оценкой причинно-следственных связей.
Практическое занятие
Разберем кейсы прогнозирования метрик, потренируемся отделять тренд от сезонности и шума. Научимся выбирать оптимальный подход к прогнозированию и корректно интерпретировать результаты прогноза.
Научимся прогнозировать продуктовые метрики и учитывать тренды, сезонность и внешние факторы. Рассмотрим как базовые подходы (наивный, Moving Average, ARIMA и подобные), так и продвинутые (Prophet и прочие ML-based). Поймем, когда прогнозирование помогает бизнесу, а когда его нельзя путать с оценкой причинно-следственных связей.
Практическое занятие
Разберем кейсы прогнозирования метрик, потренируемся отделять тренд от сезонности и шума. Научимся выбирать оптимальный подход к прогнозированию и корректно интерпретировать результаты прогноза.
Теоретическое занятие
Разберемся, как усиливать дизайн экспериментов и работать со сложными сценариями, где простого A/B уже недостаточно. Научимся эффективно применять CUPED, стратификацию, работать с сетевым эффектом и Switchback. Разберемся, как в этом нам помогает ML.
Практическое занятие
На конкретных кейсах потренируемся видеть ограничения А/В и понимать, как повысить надежность выводов. Определим, когда, как и какие надстройки необходимо применять.
Разберемся, как усиливать дизайн экспериментов и работать со сложными сценариями, где простого A/B уже недостаточно. Научимся эффективно применять CUPED, стратификацию, работать с сетевым эффектом и Switchback. Разберемся, как в этом нам помогает ML.
Практическое занятие
На конкретных кейсах потренируемся видеть ограничения А/В и понимать, как повысить надежность выводов. Определим, когда, как и какие надстройки необходимо применять.
Теоретическое занятие
Освоим логику Сausal Inference и познакомимся с ключевыми квазиэкспериментальными подходами. Научимся выбирать метод оценки эффекта, когда провести классический эксперимент невозможно. Во всех подробностях разберемся с Diff-in-Diff, PSM, Causal Impact и другими методами.
Практическое занятие
Разберем реальные сценарии изменений без классической рандомизации. Потренируемся подбирать Causal-метод под ситуацию и проверять, насколько выводу можно доверять.
Освоим логику Сausal Inference и познакомимся с ключевыми квазиэкспериментальными подходами. Научимся выбирать метод оценки эффекта, когда провести классический эксперимент невозможно. Во всех подробностях разберемся с Diff-in-Diff, PSM, Causal Impact и другими методами.
Практическое занятие
Разберем реальные сценарии изменений без классической рандомизации. Потренируемся подбирать Causal-метод под ситуацию и проверять, насколько выводу можно доверять.
Теоретическое занятие
Поймем, чем Uplift-моделирования отличается от обычных прогнозов, и как выбирать, на кого действительно стоит воздействовать. Разберем такие методы, как T-Learner, X-Learner, S-learner и т. д., а также метрики качества моделей. Будем смотреть на ML как на инструмент принятия решений, а не только как на модель прогноза.
Практическое занятие
Сравним разные подходы к таргетингу. Научимся формулировать Decision Policy и выбирать стратегию, которая максимизирует бизнес-эффект.
Поймем, чем Uplift-моделирования отличается от обычных прогнозов, и как выбирать, на кого действительно стоит воздействовать. Разберем такие методы, как T-Learner, X-Learner, S-learner и т. д., а также метрики качества моделей. Будем смотреть на ML как на инструмент принятия решений, а не только как на модель прогноза.
Практическое занятие
Сравним разные подходы к таргетингу. Научимся формулировать Decision Policy и выбирать стратегию, которая максимизирует бизнес-эффект.
Программа может меняться и дополняться по ходу курса в зависимости от индивидуальных особенностей и потребностей потока
кто я такой
-> Более 7 лет работаю с ML, Casual Inference и А/В, 4 года – в роли Head of Analytics
-> Решил десятки продуктовых задач на стыке ML, A/B и оценки эффектов
-> Провел 100+ А/В и продолжаю проводить их компаниям для поддержания формы
-> Неоднократно значимо влиял на ключевые метрики компаний за счет внедрения ML
-> Провел 150+ собеседований по А/В и ML как руководитель аналитики
Этот курс – весь мой накопленный опыт работы с ML, Causal Inference и продвинутым А/В: от сформулированной бизнес-задачи и оценки эффекта до применения моделей в проде.
-> Решил десятки продуктовых задач на стыке ML, A/B и оценки эффектов
-> Провел 100+ А/В и продолжаю проводить их компаниям для поддержания формы
-> Неоднократно значимо влиял на ключевые метрики компаний за счет внедрения ML
-> Провел 150+ собеседований по А/В и ML как руководитель аналитики
Этот курс – весь мой накопленный опыт работы с ML, Causal Inference и продвинутым А/В: от сформулированной бизнес-задачи и оценки эффекта до применения моделей в проде.
-> Более 7 лет работаю с ML, Casual Inference и А/В, 4 года – в роли Head of Analytics
-> Решил десятки продуктовых задач на стыке ML, A/B и оценки эффектов
-> Провел 100+ А/В и продолжаю проводить их компаниям для поддержания формы
-> Неоднократно значимо влиял на ключевые метрики компаний за счет внедрения ML
-> Провел 150+ собеседований по А/В и ML как руководитель аналитики
Этот курс – весь мой накопленный опыт работы с ML, Causal Inference и продвинутым А/В: от сформулированной бизнес-задачи и оценки эффекта до применения моделей в проде.
-> Решил десятки продуктовых задач на стыке ML, A/B и оценки эффектов
-> Провел 100+ А/В и продолжаю проводить их компаниям для поддержания формы
-> Неоднократно значимо влиял на ключевые метрики компаний за счет внедрения ML
-> Провел 150+ собеседований по А/В и ML как руководитель аналитики
Этот курс – весь мой накопленный опыт работы с ML, Causal Inference и продвинутым А/В: от сформулированной бизнес-задачи и оценки эффекта до применения моделей в проде.
Павел Бухтик
Head of Product Analytics,
ex-Yandex, FindMyKids & Kupibilet
Head of Product Analytics,
ex-Yandex, FindMyKids & Kupibilet
почему именно я?
-> 95% учеников видят результат от полученных навыков в рабочих задачах уже после первых занятий
-> Выпускники получают предложения о работе с ростом от 30% или повышения на текущем месте
-> Мой опыт как собеседующего, так и собеседуемого, позволяет мне точно знать, что оценивают на ML и А/В секциях интервью и как на них выделиться
-> Обучение строится на реальных кейсах и проектах, с которыми вы точно столкнетесь на работе
-> Выпускники получают предложения о работе с ростом от 30% или повышения на текущем месте
-> Мой опыт как собеседующего, так и собеседуемого, позволяет мне точно знать, что оценивают на ML и А/В секциях интервью и как на них выделиться
-> Обучение строится на реальных кейсах и проектах, с которыми вы точно столкнетесь на работе
- Оставь заявку на бесплатную консультациюЯ свяжусь с тобой, расскажу о курсе и отвечу на все вопросыОставить заявку
- Оставь заявку
на бесплатную консультациюЯ свяжусь с тобой, расскажу о курсе и отвечу на все вопросыОставить заявку
КАК проходит обучение
1. Изучаем очередную тему
Теоретические занятия проходят онлайн в Zoom. Записи будут – их можно смотреть в своем темпе и любое удобное время
2. Закрепляем на онлайн-воркшопе
В небольших группах в Zoom и в интерактивном формате закрепляем полученные знания
3. Выполняем домашнее задание
Еще тщательнее отрабатываем изученный материал на практике. По каждому заданию ты получишь развернутую обратную связь
4. Получаем поддержку во всем
Делись своим опытом, кейсами, задавай вопросы в чате. Я помогаю и слежу за твоим прогрессом. Моя цель – твои достижения!
сколько это стоит
Формат обратной связи по домашним заданиям
Срок сдачи домашек
Поддержка после завершения интенсива
-> Домашки на базе твоих рабочих задач с проверкой на индивидуальных занятиях
-> Помощь в достижении предварительно обговоренных целей компании по ML и А/В
-> Подготовка к прохождению ML и А/В-секций на собесах
Сопровождение до результата
Базовый
Двухчасовое mock-интервью на выходе с интенсива
5 579 ₽/мес
х 12 платежей в рассрочку
или одним платежом со скидкой 18%:
54 900 ₽
54 900 ₽
Для тех, кто хочет получить материалы и двигаться в своем темпе
Текст в личных сообщениях
2 недели
2 месяца в чате потока
Все 20 занятий программы
Записи и материалы занятий
Оптимальный
Оптимальный тариф по цене/качеству
и с обратной связью
и с обратной связью
х 12 платежей в рассрочку
или одним платежом со скидкой 18%:
69 900 ₽
69 900 ₽
7 104 ₽/мес
Срок сдачи домашек 2 недели
Все опции базового тарифа
Доступ к чату потока
Обратная связь по домашним задания
Поддержка 2 месяца после завершения интенсива в чате потока
Проверка 10 домашних заданий
Разбор на личном созвоне со мной
(+10 занятий!)
Не ограничен
Не ограничен
Разбор заданий на личном созвоне со мной (+8 занятий!)
Двухчасовое mock-интервью
на старте интенсива
на старте интенсива
Индивидуальный план развития слабых сторон
Сопровождение до результата
Все опции продвинутого тарифа
18 283 ₽/мес
х 12 платежей в рассрочку
или одним платежом со скидкой 18%:
179 900 ₽
179 900 ₽
Индивидуальный
Для тех, кто хочет выжать максимум, с поддержкой до результата
Следующие шаги
- 1. Оставь заявкуВ течение 24 часов я свяжусь с тобой, и мы договоримся о встрече-знакомстве. На ней я детальнее узнаю о твоем опыте и ситуации, а также отвечу на все вопросы по курсу
- 2. Начни обучениеЕсли мы определим, что этот курс – то, что тебе нужно, то дождись старта потока и начни обучение. Если нет – я подскажу, как достичь поставленных тобой целей эффективным путем
- Готов присоединиться?Жми Хочу в ML, и в течение 24 часов я свяжусь с тобой по дальнейшим шагамХочу в ML
- Готов присоединиться?Жми Хочу в ML, и в течение 24 часовХочу в ML
я свяжусь с тобой по дальнейшим шагам
Результаты обучения
Больше отзывов можно найти тут
ГДЕ РАБОТАЮТ участники
МИНИМУМ, нужный на входе
-> Владеть Python и Pandas для анализа данных на базовом уровне
-> Иметь практический или хотя бы теоретический опыт с A/B-тестами
-> Не бояться школьной математики: формул, графиков, производных, математических рассуждений
-> Будет плюсом, если уже что-то слышал про ML и Causal Inference
-> Иметь практический или хотя бы теоретический опыт с A/B-тестами
-> Не бояться школьной математики: формул, графиков, производных, математических рассуждений
-> Будет плюсом, если уже что-то слышал про ML и Causal Inference
Возврат денег
Если ты поймешь, что тебе не подходит формат или ты попал не туда, ты можешь запросить возврат денег в течение двух недель с момента начала занятий. Т. е. до начала 5-ого занятия.
Я сразу же верну деньги в полном объеме. No Questions Asked.
Я сразу же верну деньги в полном объеме. No Questions Asked.
- Готов присоединиться?Жми Хочу в ML, и в течение 24 часов я свяжусь с тобой по дальнейшим шагамХочу в ML
- Готов присоединиться?Жми Хочу в ML, и в течение 24 часовХочу в ML
я свяжусь с тобой по дальнейшим шагам
FAQ
Общее
Для меня важен успех каждого менти. Если на установочной встрече я пойму, что моя программа – не лучший вариант для тебя в текущий момент времени, то предложу альтернативы и дам рекомендации по достижению твоих целей более эффективным путем.
Я бы врал, если бы давал такие гарантии. Но я гарантирую, что при должном внимании к теоретичеким и практическим занятиям, а также к домашке и доп. материалам, ты станешь намного увереннее чувствовать себя в ML и Causal Inference. И если у тебя и будут возникать вопросы, ты будешь точно знать, как можно эффективно найти на них ответы.
Такой опции в настоящий момент нет. Выполни рекомендации, которые я дал тебе на установочной встрече и запишись на следующий поток. Также, у тебя нет ограничений на прохождение любых других организуемых мной программ. Следи за анонсами.
Оставь заявку на сайте и я расскажу все детали и нюансы
Большинство участников моих программ – работающие люди. Поэтому обучение проходит по вечерам в будние дни. Отдельные группы могут формироваться, например, в дневное время, если так удобнее по причине часовых поясов участников или из иных соображений. Все обсуждаемо, поэтому обсуди комфортный для тебя формат со мной.
Конечно!
Во-первых, я лично оперативно отвечаю на все вопросы в чате потока и в личных сообщениях.
Во-вторых, на потоке могут быть менторы потока, которые также помогают участникам качественнее освоить материал.
В-третьих, участники программы, зачастую, тоже активные, и могут помочь как советом, так и делом.
Тарифы
В рамках сопровождения до результата мы плотнее общаемся с тобой как в процессе курса, так и после него.
Помимо проверки домашних заданий на личных созвонах (10+ индивидуальных занятий), сами домашние задания адаптируются под специфику конкретных задач с твоего места работы. Это позволяет под моим присмотром сразу применять полученные знания и навыки в рабочих задачах.
Также по предварительной договоренности я могу помочь достичь тех целей в компании, которые ты перед собой ставишь. Например, я помогаю:
- Не только сформировать план по выводу ML, Causal Inference, А/В и аналитической культуры на качественно новый уровень, но и сопроводить в этом не легком деле;
- Провести аудит процессов в компании и выделить точки роста;
- Не только помочь решить культурные вопросы, но и внедрить технические решения;
- Провести от и до некоторое количество рабочих задач на данных компании, в которой ты сейчас работаешь;
- Максимально подготовиться и научиться проходить ML и А/В секции на собеседованиях.
Я понимаю, что такая деятельность зачастую конфликтует с политикой конфиденциальности компании.
Со своей стороны, я гарантирую полную конфиденциальность и анонимность любых получаемых мной знаний о компании. В том числе о её внутреннем техническом устройстве, существующих проблемах, уязвимостях и т. д.
Если необходимо, я без проблем подпишу NDA.
Мы созваниваемся 1 на 1 и детально обсуждаем решения заданий от и до. В рамках созвона я отвечаю на все вопросы и подсвечиваю дополнительные моменты по улучшению решений.
В течение недели с момента отправления домашки на проверку, я отправляю тебе в текстовом или голосовом формате обратную связь по заданию. Обратная связь может включать в себя предложения по улучшению и/или допополнительные материалы.
В чате потока в течение 2 месяцев после завершения курса можно продолжать задавать любые карьерные и технические вопросы, запрашивать дополнительные материалы и рекомендации по любым темам. Я буду всегда рад помочь.
Оплата
Рассрочка – это форма кредита. В рамках рассрочки сумма разбивается на части, а сверху добавляется процент от банка согласно его условиям.
Большинство компаний зашивают эти проценты в стоимость товаров или услуг. Я не делаю этого, чтобы искусственно не завышать стоимость курса.
Воспринимать это можно так: оплатить весь курс сразу немного дешевле, чем разбивать оплату на какое-то количество небольших платежей.
Этот курс может оплатить твой работодатель. Для этого согласуй курс со своим руководителем и оставь заявку на сайте.
Да, конечно. Обсуди индивидуальные условия рассрочки лично со мной. Я сориентирую по условиям, которые выставляют банки.
А для тарифа «Индивидуальный» предложу беспроцентные альтернативы.
Остались вопросы?
Оставь заявку с вопросами, и я отвечу на них в течение 24 часов
© No Data No Growth, 2024