Школа по практическому программированию и анализу данных

Генеральный партнер

О школе

Школа по практическому программированию и анализу данных от Школы информатики физики и технологий НИУ ВШЭ — Санкт-Петербург — это уникальная возможность для старшеклассников погрузиться в мир IT и сделать первый шаг к успешной карьере. В рамках школы проходят лекции от представителей компаний, среди которых — VK и другие.

Проектная Школа дает шанс не только изучать теорию, но и работать над реальными проектами с наставниками из IT-отрасли. Участники смогут попробовать себя в качестве ML-инженера, дата-аналитика или программиста. В мероприятии участвуют компании из широкого пула областей: FinTech, E-commerce, BioTech, AI и др.

Школа по практическому программированию и анализу данных — это

Дополнительные баллы при поступлении в университет — возможность повысить свой рейтинг для поступления на IT-программы бакалавриата Питерской Вышки.
Глубокое погружение в алгоритмы и анализ данных на уровне первого курса университета — учеба на высшем уровне с самого начала.
Выбор из шести популярных направлений:
- Software Engineering;
- Machine Learning;
- Data analysis;
- GameDev;
- Биоинформатика;
- Телеком и системы связи.
Прямое сотрудничество с экспертами крупных IT-компаний. На очном этапе у каждой команды будет свой индустриальный ментор, который будет делиться экспертизой на протяжении всей работы над проектом.
Готовый проект в портфолио, который откроет двери в мир IT.

Эта Школа — не просто образование, а реальная возможность стать частью технологического будущего!

1 этап. Онлайн

25–27 февраля 2026

Онлайн-лекции

Окончание регистрации:
24 февраля, 12:00

2 этап. Офлайн

31 марта — 4 апреля 2026

Командная работа над проектами, лекции и практические занятия в группах

Проектная Школа состоит из двух этапов: онлайн и очного. В течение онлайн этапа старшеклассники прослушают курс лекций от ключевых сотрудников факультета и ведущих представителей компаний-партнеров, а также примут участие в решении практических кейсов.

После прохождения онлайн-этапа по результатам отбора, участники показавшие наилучшие результаты, будут приглашены на очный этап, в рамках которого участники в командах по 5 человек реализуют 10 проектов, предоставленных индустриальным партнерам. По окончании Школы участники будут защищать свои проекты.

Лекции онлайн-этапа

Решение продуктовых кейсов от валидации проблем до проверки решений

Андрей Тимченко, руководитель команды аналитики «Авито Авто»

Рассмотрим поэтапный подход к продуктовым задачам: от поиска и валидации проблем до генерации гипотез и проверки решений. Узнаем, что такое продуктовый кейс, как находить реальные проблемы пользователей и превращать их в работающие решения. Поговорим о фреймворках, метриках и типичных ошибках решеня кейса.

Путешествие в мир искусственного интеллекта: от данных к готовым продуктам

Вадим Журавлев, руководитель отдела машинного обучения и анализа данных, VK

На лекции будет рассмотрено применение искусственного интеллекта (ИИ) в различных сферах. Мы формализуем основные задачи машинного обучения и подробно обсудим ключевые этапы взаимодействия с ИИ, начиная с сбора данных и обучения моделей, и заканчивая их интеграцией в реальные рабочие процессы.

Развитие больших языковых моделей, от малых компаний до крупных IT гигантов: достигнут ли максимум?

Максим Никонов, руководитель направления аналитики и роста в подразделении VK

В современном бизнесе побеждает не «самая умная модель», а эффективно выстроенный вокруг нее технологический конвейер. На лекции мы разберём инструментарий работы с нейросетями: от промптинга, который дает быстрые победы, но имеет жесткий качественный предел, до тонкой настройки (fine-tuning). Дообучение — это своего рода хирургия, требующая предельной точности, так как оно способно не только улучшить показатели, но и привести к деградации базовых навыков модели. В завершение мы обсудим реальные горизонты AGI и разрыв между маркетинговыми презентациями и суровой практикой. Вы узнаете, почему современные LLM, несмотря на академические успехи, все еще сталкиваются с системными провалами на пути к истинному искусственному интеллекту.

Создай своего умного бота: ИИ, который отвечает по учебнику

Алсу Верещагина, Senior Data Scientist, Сбер

Приглашаем вас на лекцию, где вы узнаете, как искусственный интеллект может находить информацию в учебных материалах и отвечать на вопросы как личный помощник.
Мы разберём, как работает технология RAG, и покажем, как шаг за шагом создать бота, который ищет ответы в материалах курса и помогает готовиться к урокам и экзаменам.
Вы увидите и попробуете сами создать своего ИИ-ассистента, которого можно будет использовать для учебы и собственных проектов!

Задачи разработки в телекоме

Станислав Торгашев, эксперт по разработке ПО

Как устроена сеть изнутри и где здесь место коду? Разберем архитектуру сети в первом приближении и покажем, какие направления разработки ее обслуживают. Поговорим о спектре задач, которые решают наши программные команды.

Сценарии использования хранилища данных в корпорациях

Татьяна Крат, главный технический лидер системного анализа, Альфа-Банк

Корпоративное хранилище данных (DWH) служит фундаментом для принятия решений, объединяя разрозненные потоки систем-источников в единую структуру. Хранилище используется для управленческой отчетности, для глубокой аналитики клиентского пути, позволяя персонализировать продажи и операции клиентов. DWH является необходимым условием для внедрения ИИ и Machine Learning, так как моделям требуются чистые и структурированные выборки. Мы рассмотрим как из технической базы хранилище превращается в стратегический актив компании.