Онлайн-магистратуры ТГУ

Кажется, в 2026 году у каждого ИТ-специалиста уже есть свой стартпак 👀

Собрали персонажей, которых легко узнать, особенно если вы уже работаете в ИТ, только учитесь или пытаетесь совмещать всё сразу.

Смотрите карточки и признавайтесь: кто вы обычно? 🎮 ➡️ группа ВКонтакте

🗣 Как поступить в онлайн-магистратуру в 2026 году? Расскажем на Дне открытых дверей онлайн-магистратур ИДО ТГУ 👀 13 мая в 18:00 по московскому времени разберём:

🟦 как устроено обучение в онлайн-магистратуре; 🟦 чем магистратура отличается от курсов; 🟦 какие навыки нужны для поступления; 🟦 какие карьерные возможности открываются после выпуска; 🟦 как проходит приёмная кампания в 2026 году.

Отдельно расскажем о программах: 🔵 «Науки о данных и искусственный интеллект» 🔵 «Компьютерное зрение и искусственный интеллект» 🔵 «Искусственный интеллект и обработка естественного языка» Также на встрече выступят руководители программ и команда приёмной кампании ответит на вопросы о поступлении, сроках и формате обучения. Если давно присматриваетесь к магистратуре, хотите сменить направление или разобраться, как войти в сферу искусственного интеллекта — приходите! Регистрация по ссылке: https://clck.ru/3TJcaF

🎧 Как устроена работа над ВКР в онлайн-магистратуре ТГУ? В новом видео научный руководитель программы «Обработка естественного языка в лингвистике и ИТ» Вероника Диброва рассказывает, как студенты проходят путь от выбора темы до финальной защиты. Вы узнаете:

🟦 как темы ВКР формируются вместе с IT-компаниями и бизнесом, 🟦 почему диплом здесь — это реальный кейс для портфолио, 🟦 как проходит работа с научным руководителем, 🟦 зачем студентов подключают к задачам индустрии уже во время обучения.

ВКР в онлайн-магистратуре ТГУ — это возможность создать проект, который может стать частью продукта, научной публикацией или сильным карьерным кейсом. ➡️ смотреть видео

Почему после 30 возвращаются учиться? 🤔 После 30 магистратура становится не продолжением образования, а инструментом для роста или смены траектории. Опыт уже есть, но именно в этот момент становится заметно, что без системных знаний и понимания смежных областей двигаться дальше сложно. Как меняется рынок?

Компании всё реже ищут исполнителей и всё чаще — специалистов, способных видеть систему и решать комплексные задачи. На этом фоне растёт ценность фундаментального образования, которое даёт не только навыки, но и базу для адаптации к изменениям.

Отдельный фокус на технологиях.

Особенно быстро растёт спрос на специалистов в области ИИ, анализа данных и компьютерного зрения. Здесь уже недостаточно краткосрочных курсов, так как требуется глубокая подготовка и понимание того, как работают модели и как внедрять их в реальный бизнес.

В статье разбираем, на что обращать внимание при выборе программы! 👉 прочитать подробнее можно по ссылке: vk.cc/cXuDY

Онлайн-магистратуры на радио🎙️ Совсем недавно были в эфире на DFM — обсуждали, как меняется ИТ-образование и почему онлайн-магистратуры становятся всё более актуальными. Если вдруг пропустили, можно послушать запись. О чём говорили:

🟦 какие сейчас тренды в ИТ и куда движется рынок, 🟦 какие направления действительно перспективны, 🟦 почему начинающим всё ещё сложно попасть в ИТ, 🟦 кому подойдёт онлайн-магистратура и как она помогает зайти в профессию.

Для тех, кто хочет понять, как сегодня устроен вход в ИТ и какие форматы обучения работают — это хороший старт 👀 👉 слушать подкаст

🗣 Запись открытого вебинара с экспертом ️ Вместе с Марией Жаровой — ML-инженером в RWB, преподавателем и научным руководителем онлайн-магистратур ТГУ — разобрали рекомендательные системы — механизмы, которые помогают пользователям находить товары, контент, фильмы и музыку. Обсудили:

🟦 какие бывают типы рекомендательных систем и почему не существует одного универсального решения, 🟦 в каких сценариях применяются рекомендации и как под них выбираются подходы, 🟦 как устроен процесс работы: данные (разреженные, шумные, неполные), постановка задачи и выбор методов — от простых эвристик до нейросетевых моделей, 🟦 как достигается баланс между качеством рекомендаций, скоростью и бизнес-ограничениями, 🟦 как это реализуется на практике — на примерах реальных продуктов, 🟦 какие задачи решает ML-инженер, работающий с рекомендациями.

Узнали изнанку рекомендательных систем и поняли, как они устроены на самом деле. Включайте вебинар и вы! 🤍 👉🏻 смотреть

У вас новое сообщение 💌 Дружеское напоминание: в 13:00 по Москве встречаемся на вебинаре с Марией Жаровой, ML-инженером в RWB, преподавателем и научным руководителем онлайн-магистратур ТГУ.

Поговорим про рекомендательные системы — механизмы, которые решают, что вы увидите в ленте, что купите и что включите посмотреть. Разберём, как они устроены в реальных продуктах: от работы с данными до выбора моделей и компромиссов между качеством и скоростью.

Если хотите подключиться, регистрируйтесь по ссылке 👈🏻

Что реально требуют работодатели весной 2026 👀 По данным, собранным аналитиком Томского государственного университета, к весне 2026 года на рынке стало заметно меньше вакансий — снижение оценивается в диапазоне 20–36% . Статистика объясняет, почему работодатели начали требовать от кандидатов совсем другого уровня готовности. Когда предложений становится меньше, компании перестают спешить с наймом. В условиях, когда на одну вакансию приходит больше откликов, работодатель почти всегда найдёт кандидата, который уже сталкивался с похожими задачами и не требует долгого погружения.

➡️ Из этого напрямую вырастает первое ключевое требование — готовность сразу включаться в работу. Речь о способности решать задачи без длительного дообучения. Компании всё реже готовы инвестировать ресурсы в начинающих специалистов, потому что рынок позволяет выбрать тех, кто уже умеет делать нужную работу.

➡️ Следом усиливается запрос на опыт. Он перестаёт быть преимуществом и становится базовым ожиданием. Даже минимальный практический бэкграунд оказывается важнее, чем теоретическая подготовка, потому что в условиях высокой конкуренции работодателю проще выбрать кандидата, который уже работал с реальными задачами и понимает, как устроены процессы.

➡️ Меняется и сам процесс отбора: он становится проверкой способности работать. Кандидатам чаще предлагают задания, приближённые к реальным задачам, просят разобрать кейсы, оценивают ход мыслей и подход к решению. Важно, как именно человек им пользуется и к какому результату приходит.

➡️ Одновременно с этим сужается фокус требований в ИТ-направлениях. Компании всё реже ищут универсальных специалистов и всё чаще людей с понятной и применимой экспертизой. Это связано с тем, что бизнесу нужнен предсказуемый и конкретный вклад в процессы: работа с данными, автоматизация, инфраструктура, безопасность. В этих зонах ошибка стоит дорого, поэтому требования к глубине и точности навыков становятся выше.

Снижение числа вакансий усиливает конкуренцию, конкуренция даёт работодателю возможность выбирать, а возможность выбирать приводит к ужесточению требований. Компании перестают доучивать, начинают искать готовых специалистов, проверяют их через практику и ожидают точность навыков. Рынок стал гораздо требовательнее к реальной способности работать. ➡️ группа ВКонтакте

🗣 Как машинное обучение меняет онлайн-торговлю: реальные примеры из Wildberries 30 апреля в 13:00 пройдёт экспертный вебинар с Марией Жаровой — ML-инженером в RWB, преподавателем и научным руководителем онлайн-магистратур ТГУ. На вебинаре разберём рекомендательные системы — механизмы, которые помогают пользователям находить товары, контент, фильмы и музыку. Обсудим:

🟦 какие бывают типы рекомендательных систем и почему не существует одного универсального решения, 🟦 в каких сценариях применяются рекомендации и как под них выбираются подходы, 🟦 как устроен процесс работы: данные (разреженные, шумные, неполные), постановка задачи и выбор методов — от простых эвристик до нейросетевых моделей, 🟦 как достигается баланс между качеством рекомендаций, скоростью и бизнес-ограничениями, 🟦 как это реализуется на практике — на примерах реальных продуктов, 🟦 какие задачи решает ML-инженер, работающий с рекомендациями.

Узнаем изнанку рекомендательных систем и поймём, как они устроены на самом деле. 📅 30 апреля, 13:00 (МСК) Зарегистрируйтесь по ссылке, чтобы принять участие!

🗣 Можно ли заставить ИИ говорить голосом родителей? Ответ: да, и именно над такими задачами работают студенты уже во время обучения. В этом видео научный руководитель программы «Обработка естественного языка в лингвистике и IT» Вероника Диброва рассказывает, как выстроена работа студентов над индустриальными кейсами в рамках обучения. Вы узнаете, чем отличается подход программы: сочетание лингвистики, информатики и машинного обучения, а также формат работы, где важна не только разработка, но и исследование и оформление гипотез. На примере реального продукта — чат-бота для генерации персонализированных детских сказок — разбираются два кейса:

🟦 создание эталонного текста для клонирования речи родителя с учетом интонаций и особенностей звучащей речи, 🟦 разработка лингвистического корпуса для генерации сказок разной сложности в зависимости от возраста ребенка.

Показываем, как студенты формулируют решения вместе с научным руководителем и доводят их до применения в реальных продуктах. 👉 смотреть

Где используется машинное обучение? 👆 Если говорить просто, машинное обучение — это способ научить системы находить закономерности в данных и на их основе принимать решения. И вы с этим сталкиваетесь гораздо чаще, чем может показаться. 🟦 Рекомендательные системы

Когда сервисы предлагают вам то, что вам может понравиться, они опираются на анализ ваших действий. Что вы смотрели, сколько времени провели на контенте, на что реагировали — всё это превращается в поведенческий профиль. На его основе, например, Кинопоиск или Яндекс Музыка формируют персональные подборки. Причём система учитывает не только вас, но и поведение пользователей с похожими интересами.

🟦 Социальные сети и контент

Лента давно перестала быть просто списком публикаций по времени. Алгоритмы оценивают вероятность того, что вы остановитесь на посте, досмотрите видео или поставите реакцию, поэтому в ВКонтакте или TikTok вы видите именно тот контент, который с большей вероятностью вас зацепит.

🟦 Медицина

В медицине машинное обучение помогает работать с большим объёмом данных, где человеку сложно заметить все детали. Например, алгоритмы анализируют снимки (рентген, МРТ), выделяют подозрительные области и помогают врачу быстрее принять решение. Важно обозначить, что это не замена специалиста, а инструмент, который снижает вероятность ошибки и экономит время.

🟦 Финансовые сервисы

Банки используют такие модели для оценки рисков и выявления подозрительных операций. Если система видит нетипичное поведение — например, транзакцию в необычной стране или в непривычное время — она может остановить операцию или запросить подтверждение. Похожим образом рассчитывается и кредитный рейтинг, анализируя множество факторов.

🟦 Поисковые системы и ассистенты

Когда вы вводите запрос, система старается понять его смысл, поэтому Google Search может учитывать контекст, прошлые запросы и даже формулировки, похожие по смыслу. Голосовые помощники вроде Алисы дополнительно обрабатывают речь, распознавая её и переводя в текст, с которым уже работает модель.

В итоге машинное обучение постепенно встраивается в разные сервисы. Вы его не видите напрямую, но именно он определяет, какой контент вы получите, какие решения вам предложат и насколько удобным будет цифровой опыт в целом. Если вам интересно разобраться в теме глубже и понять, как всё это работает изнутри — оставайтесь здесь! 👀 ➡️ группа ВКонтакте

Типы айтишников на созвонах. Узнаёте себя? 👀 Кажется, в каждой команде есть этот набор персонажей. Собрали самые жизненные типажи. Листайте карточки и отмечайте коллег (или себя) Кто вы обычно? 😄

❤️ — тот, кто молчит весь звонок 🔥 — тот, кто всегда с камерой, но чем он занимается — загадка 👏 — тот, кто просто послушает, а в итоге ведёт всю встречу 😄 — тот, у кого интернет-соединение прерывается в нужный момент

🗣 Продолжаем рубрику кураторских советов. Почему общие фразы не работают и как задать вопрос так, чтобы получить реальную помощь? Иногда в учебе накрывает так, что первая мысль — всё бросить. Но чаще дело не в том, что «ничего не понятно», а в том, как именно вы это формулируете.

В этом видео Елизавета Трифонова разбирает, почему общая фраза «я не понимаю» не даёт шанса на помощь и как превратить это состояние в конкретный вопрос, с которого можно начать разбор.

Вы поймёте, в чём разница между общим ощущением «всё сложно» и реальной точкой проблемы, почему в процессе обучения нормально теряться и что на самом деле происходит с мышлением, когда вы осваиваете новое 👉 смотреть по ссылке

Апрель — это тот самый месяц, когда вы уже устали, но ещё держитесь 😅

Если перед сессией кажется, что времени ещё много (спойлер: нет), то пост про вас. Если продуктивность приходит строго ночью перед дедлайном, опять же вы в нужном месте. Немного правды про студенческую жизнь без прикрас.

Откройте карточки! Возможно, вы узнаете себя и поймёте, что справляетесь лучше, чем кажется ➡️ группа ВКонтакте

🗣 IT больше не берёт новичков так, как раньше Еще недавно вход в IT (информационные технологии) казался относительно простым: пройти курсы, собрать портфолио и можно искать первую работу. Рынок рос, специалистов не хватало, компании были готовы обучать с нуля. Но к 2026 году все изменились.

Вакансий стало меньше, кандидатов — больше. Конкуренция выросла, и теперь на одну позицию начинающего приходится гораздо больше откликов.

Разобрали ситуацию в карточках! 👉 ➡️ группа ВКонтакте

🗣 Что на самом деле происходит за кулисами онлайн-магистратуры? В этом видео руководитель команды сопровождения онлайн-магистратуры ТГУ Валентин Соловьёв рассказывает про один из самых важных, но обычно невидимых элементов — Академический совет. В видео вы узнаете:

🟦 кто входит в Академический совет и почему там не только преподаватели, 🟦 как соединяются академическая база и реальные запросы индустрии, 🟦 как меняются программы, чтобы не устаревать, 🟦 и как принимаются решения, которые напрямую влияют на ваше обучение.

Если вам важно понимать, как устроено образование изнутри, и почему одни программы дают результат, а другие — нет, это видео точно стоит посмотреть! 👉🏻 смотреть

🗣 От стартапа до личного блога: история выпускника ТГУ, которую стоит прочитать Недавно мы рассказывали про выпускника онлайн-магистратур ТГУ Виталия Теренина. Его проект «Универсальный доктор» вошел в ТОП-1000 стартапов России, занял 3-е место среди проектов ТГУ, и был представлен на РОСМЕДОБР-2025. Теперь Виталий завел блог на Habr и подробно рассказал свою историю:

🟦как поступал в онлайн-магистратуру по обработке естественного языка, 🟦как появилась идея стартапа, 🟦как проект дошел до выступлений на крупных площадках и акселераторов.

Если хотите увидеть весь процесс изнутри — от обучения до запуска проекта — рекомендуем почитать! 👉 личный блог

ТГУ участвует в рейтинге лучших вузов России, и ваш голос важен 🎓 Сейчас формируется ежегодный рейтинг RAEX-100 — список 100 лучших вузов страны. Он отражает конкурентоспособность университетов и влияет на то, как их воспринимают абитуриенты, работодатели и индустрия. И в этом исследовании важно ваше мнение. Если вы учитесь или учились в Томском государственном университете, вы лучше многих знаете, как всё устроено изнутри: от качества образования до возможностей, которые даёт вуз. Приглашаем вас пройти онлайн-опрос и поделиться своей оценкой. Всё просто:

🟦 выберите категорию «студент или выпускник», 🟦 ответьте на вопросы, 🟦 повлияйте на итоговый результат рейтинга.

Итоги будут представлены 16 июня 2026 года на форуме «Три миссии российского образования», а также опубликованы на сайте RAEX и в СМИ. Ваш голос — это вклад в то, как будет выглядеть ТГУ в одном из главных образовательных рейтингов страны. 👉 пройти опрос

🔵 Ваши данные уже есть. Почему они до сих пор не работают на бизнес? RAG (генерация с опорой на поиск данных) — один из ключевых подходов, через который компании сегодня внедряют искусственный интеллект в реальные бизнес-процессы. При такой системе сотрудники, поддержка или продажи получают ответы из актуальных внутренних данных.

За счёт этого снижается нагрузка на команды, ускоряются процессы и повышается точность решений без постоянного ручного поиска и переключения между системами. Но важно понимать: эффективность таких решений зависит в первую очередь от качества базы знаний, логики хранения данных и того, насколько удобно этим пользоваться внутри компании.

В карточках разобрали, как именно генерацию с опорой на поиск данных внедряют в корпоративные процессы и почему он становится базовым инструментом для работы! ➡️ группа ВКонтакте

«Онлайн-магистратура не дотягивает до очного образования» 🔵 Слышали такое? Тогда давайте развенчаем мифы! Студенты онлайн-магистратуры могут рассчитывать на те же льготы, что и при очной форме обучения:

🟦 налоговый вычет 13 %, 🟦 образовательный кредит, 🟦 отсрочку от армии, 🟦 скидки на транспорт, музеи и культурные мероприятия.

Партнёры онлайн-магистратур предоставляют реальные кейсы для портфолио, ведут часть дисциплин и дают возможность реализовывать проекты в рамках производственной практики. Лучшие студенты после её прохождения получают предложения о работе. И, конечно же, выпускники получают диплом государственного образца о степени магистра такой же, как и у выпускников очных программ. ➡️ группа ВКонтакте