Подготовка к поступлению

На программе мы ждем как студентов с техническим бэкграундом, так и выпускников психологических, социальных и управленческих направлений, которым интересно погрузиться в мир создания современных продуктов и сервисов и пользовательской аналитики. И так как подготовка по определению у таких абитуриентов разная, то и единый экзамен не предусмотрен, поступление ― по конкурсу портфолио (детали в разделе Траектория поступления), ключевой частью которого является описание собственного проекта «Приложение (сервис) моей мечты». Тематика и критерии оценивания проекта (см. Портфолио) специально сформулированы таким образом, что позволяют проявить себя заинтересованным абитуриентам с различным бэкграундом ― кто-то может больше внимания уделить технической части, кто-то ― исследованию целевой аудитории. Главное ― описание проекта должно соответствовать всем критериям, указанным в портфолио, т.е. отсутствие, например, анализа существующих решений, приведет к снижению баллов даже при максимально проработанной технической части, как и в обратную сторону, хорошо проработанное описание проблемы без попыток ее решения (хотя бы концептуального, на уровне структуры, идеи или прототипа) не принесет высоких баллов.

Подготовка такого проекта требует времени (определение целевой аудитории, анализ существующих решений, формулирование и описание своего решения, критический анализ сильных и слабых сторон предлагаемого решения, наконец, написание самого текста), поэтому не откладывайте на последний момент. И помните, что описание вашего проекта должно быль корректным, структурированным и понятным.

Кроме того (в большей степени для последующего успешного обучения на программе), нужно иметь за плечами как минимум один курс по анализу данных, в идеале ― знать Python, R, или любой другой язык программирования, или быть готовым быстро (очень) учиться. Несмотря на то, что изложение начинается с базовых тем, подробно "с нуля", с большим числом примеров они не изучаются, а разбираются проблемные области и нюансы, важные в контексте HCI (human-computer interaction). Поэтому рекомендуем подготовиться или обновить свои знания с помощью бесплатных онлайн-курсов (сертификаты курсов по тематике программы приносят еще и дополнительные баллы при оценке портфолио).

Python

Программирование на Python на программе используется и для анализа данных, и для разработки, поэтому рекомендуем познакомиться с базовыми понятиями заранее. Курсов по Python сейчас много на русском и английском, можно найти на любой любимой вами платформе для обучения. Если у вас совсем нет опыта в работе с языками программирования, советуем курс Python как иностранный, в котором студент проходит путь от самых азов до небольшого прикладного проекта. Базовые конструкции языка подробно разбираются, например, в курсах "Поколение Python": курс для начинающих, Основы программирования на Python. Основы инструментов Python для анализа данных можно изучить в курсе Python для извлечения и обработки данных. В любом случае, выбирайте тот курс, тренажер, материалы, которые нравятся вам больше всего.

Статистика и анализ данных

Анализ данных (в том числе в UX-исследованиях), разработка приложений с применением методов машинного обучения требуют знаний статистики и теории вероятностей. Для знакомства с базовыми понятиями и методами рекомендуем курсы по основам теории вероятности и статистики. Примеров, опять же, много на разных платформах, например, Статистика для анализа данных, Основы статистики.

Английский язык

Без английского на программе (и в целом в профессиональном мире) сложно. Преподавание ведется преимущественно на русском языке и вступительного экзамена по английскому нет, но на английском придется, как минимум, много читать и слушать. Большая часть актуальных материалов по тематике, научные статьи, документация -- на английском, так что читать нужно будет много, стоит иметь это в виду.