Культура работы с данными

Проект Data Culture в Вышке с 2017 года
Основная цель — расширить цифровые компетенции студентов

О проекте

Уметь работать с данными, владеть цифровыми инструментами — навыки, без которых не обойтись в XXI веке. В мире постоянно развивающихся технологий меняется и рынок труда. Сегодня специалисты в любой области постоянно сталкиваются с задачами по обработке данных: юрист изучает сотни дел, лингвист — тысячи текстов на разных языках, экономист разрабатывает прогнозные модели на основе больших объемов информации.

Специалистов, умеющих работать с данными, по-прежнему не хватает, и работодатели высоко ценят таких сотрудников. Поэтому знания с курсов дают выпускникам конкурентное преимущество при устройстве на работу. Пригодятся эти навыки и в научно-исследовательской деятельности — в ближайшие десятилетия главные прорывы в науке будут происходить именно на стыке информационных технологий и других предметных областей.

Наши цифры

  • 100 %

    программ бакалавриата охвачены проектом

  • >30000 

    студентов изучают курсы проекта ежегодно

  • >150 

    курсов читается за учебный год

Чему мы учим

Для освоения достаточного уровня компетенций выделены три обязательных блока:

  • Цифровая грамотность

    Объясняем, как устроен компьютер, но чуть подробнее, чем в школе. Показываем секретные функции для работы с файлами и учим работать с Excel. Рассказываем, как выглядят фишинговые ссылки и почему не все любовные письма на почте можно открывать. Почему правда лучше не ставить простой пароль или как проверить безопасность сайта, на который заходишь. Рассказываем про искусственный интеллект: как работать с разными моделями и правильно писать промпты.

    Чему научитесь: анализировать контент, распознавать фейки и дипфейки, управлять цифровым следом, работать с научными источниками и оформлять список литературы. Узнаете, как право работает с интеллектуальной собственностью и свободными лицензиями. Дополнительно можно поработать с продвинутыми техниками промпт-инжиниринга.

  • Алгоритмическое мышление и программирование

    На курсе учим основы языка Python.

    Чему научитесь: писать небольшие программы и алгоритмы, решать практические задачи, проводить исследования и создавать инструменты. На каждом направлении задачи будут разные. Например, юристы смогут анализировать тексты законов и прогнозировать решения по судебным делам. Дизайнеры смогут попробовать разрабатывать игры. При этом все это поможет, когда будете устраиваться на работу.

  • Анализ данных и методы искусственного интеллекта

    На курсе пишем код на языке Python. Но в записанном онлайн-курсе есть лекции и для Excel, поэтому при желании можно проходить дисциплину с помощью любого из этих инструментов.

    Чему научитесь: пройдете основы статистики, будете знать, что такое медиана, корреляция и регрессия, сможете искать закономерности в данных и проверять гипотезы с помощью Python.

    Все это поможет быстрее справиться с эмпирической частью курсовой или диплома. А еще — поможет создавать инфографику.

Независимая оценка цифровых компетенций

  • Цифровая грамотность
  • Программирование
  • Анализ данных
  • Когда проводится: на 1 курсе бакалавриата
  • Уровни экзамена: единый для всех
  • Продолжительность экзамена: 60 минут
  • Формат: экзамен онлайн с прокторингом
  • Когда проводится: 1 или 2 курс
  • Уровни экзамена: зависит от образовательной программы
  • Продолжительность экзамена: 150 / 120 минут (зависит от уровня)
  • Формат: экзамен онлайн с прокторингом
  • Когда проводится: 3 или 4 курс
  • Уровни экзамена: зависит от образовательной программы
  • Продолжительность экзамена: 90⁄ 120⁄ 180 (зависит от уровня)
  • Формат: экзамен онлайн с прокторингом

Наши методисты и преподаватели

  • Касьянеко Дарья Алексеевна

    Касьянеко Дарья Алексеевна

    Заместитель руководителя департамента, старший преподаватель

    Ведёт курсы: «Анализ данных на Python», «Python для инженерии данных», «ETL-процессы», «DataOps», «Нереляционные базы данных», «Анализ данных, искусственный интеллект и генеративные модели», «Основы искусственного интеллекта для анализа текстов».

    Образование: бакалавриат и магистратура НИУ ВШЭ (журналистика и медиакоммуникации), стажировка в KTH Royal Institute of Technology (Стокгольм). Профессиональная переподготовка «Education analyst/Аналитик в сфере образования» (Институт образования НИУ ВШЭ).

    Лучший академический руководитель в номинации «Привлечение студентов» (2024–2025). Участник программы «Административный кадровый резерв» (2023).

  • Журавлев Михаил Сергеевич

    Журавлев Михаил Сергеевич

    Доцент, старший научный сотрудник; академический руководитель программы «Юриспруденция: цифровой юрист»

    Ведёт курсы: «Информационное право», «Цифровая грамотность», «Cyber Law: Data, Ethics and Digital Property», «Research Seminar „Introduction to Digital Law“», «Научно-исследовательский семинар „Право и этика искусственного интеллекта“».

    Образование: специалитет и магистратура НИУ ВШЭ (юриспруденция), кандидат юридических наук (2021).

    Лучший академический руководитель в двух номинациях (2025). Участник групп высокого профессионального потенциала в категориях «Новые преподаватели» (2020–2021) и «Новые исследователи» (2014–2015).

  • Горденко Мария Константиновна

    Горденко Мария Константиновна

    Старший преподаватель

    Ведёт курсы: «Алгоритмы и структуры данных», «Java и объектно-ориентированное программирование», «Программирование на C++», «Язык программирования Python», «Инструменты анализа данных», «Нейросети и no-code разработка цифровых продуктов».

    Образование: бакалавриат и магистратура НИУ ВШЭ (программная инженерия), магистратура Челябинского госуниверситета (юриспруденция).

    Лучший преподаватель (2022, 2024–2025), лауреат премии «Золотая Вышка» (2017), лучший академический руководитель в двух номинациях (2024–2025). Академический руководитель магистерских программ «Анализ данных в девелопменте» и «Финансовые технологии».

  • Бакшук Матвей Вячеславович

    Бакшук Матвей Вячеславович

    Преподаватель

    Имеет большой опыт преподавания программирования и анализа данных студентам непрофильных специальностей в рамках проекта Data Culture. Ведёт курсы: «Программирование на Python», «Основы анализа данных в международных отношениях», «Introduction to Data Science», «Introduction to Machine Learning», «Анализ данных, искусственный интеллект и генеративные модели».

    Образование: бакалавриат НИУ ВШЭ по политологии, магистратура НИУ ВШЭ по экономике. Учится в аспирантуре, тема диссертации: «Искусственный интеллект в российском высшем образовании: факторы использования и связь с успеваемостью студентов».

  • Карпов Максим Евгеньевич

    Карпов Максим Евгеньевич

    Старший преподаватель, младший научный сотрудник лаборатории LAMBDA

    Преподаватель курсов по Python в Центре непрерывного образования ФКН.

    Ведёт курсы: «Анализ данных на Python», «Анализ данных в Excel», «Data Analysis in Politics and Journalism», «Machine Learning», «Основы глубинного обучения».

    После специалитета по международным отношениям закончил магистратуру по наукам о данных (наукам и данным).

  • Казакова Татьяна Борисовна

    Казакова Татьяна Борисовна

    Преподаватель

    Ведёт курсы: «Анализ данных на Python», «Введение в лингвистику», «Компьютерная лингвистика», «Программирование и лингвистические данные», «Лингвистика для программистов», «Теоретическая лингвистика в контексте NLP», «Linguistic Data: Quantitative Analysis and Visualisation».

    Образование: бакалавриат НИУ ВШЭ по фундаментальной и прикладной лингвистике.

    Участница группы высокого профессионального потенциала («Новые исследователи», 2023–2024). Имеет более 10 научных публикаций и регулярно выступает на международных конференциях по лингвистике.

  • Никитюк Михаил Андреевич

    Никитюк Михаил Андреевич

    Преподаватель

    Ведёт курсы: «Анализ данных», «Основы программирования на Python», «Введение в Python», «Анализ данных, искусственный интеллект и генеративные модели».

    Образование: бакалавриат НИУ ВШЭ по экономике.

  • Галушко Илья Николаевич

    Галушко Илья Николаевич

    Ведёт курсы: «Анализ данных, искусственный интеллект и генеративные модели», «Программирование на Python».

    Закончил магистратуру МГУ по истории, учится в аспирантуре на кафедре исторической информатики. Кандидатская диссертация — об эффективности регулирования фондового рынка Российской империи в начале XX века.

    Получил грант на исследование по автоматизации аннотирования архивных документов с помощью больших языковых моделей (LLM).

  • Мельник Василий Николаевич

    Мельник Василий Николаевич

    Старший преподаватель

    Ведёт курсы: «Цифровая грамотность», «Право в медиакоммуникациях», «Правовое регулирование медиа», «Научно-исследовательский семинар „Этика работы с данными и ответственное использование искусственного интеллекта“».

    Образование: бакалавриат МГЮА им. О.Е. Кутафина, магистратура и аспирантура НИУ ВШЭ по юриспруденции. Кандидат юридических наук (2024).

    Лучший преподаватель (2023–2025), участник группы высокого профессионального потенциала в категории «Новые преподаватели» (2024–2025).

  • Климов Александр Антонович

    Климов Александр Антонович

    Старший преподаватель, аспирант; руководитель образовательной программы «Цифровые технологии в гуманитарных исследованиях»

    Ведёт курсы: «Введение в лингвистику», «Основы баз данных», «Основы искусственного интеллекта для анализа текстов», «Программирование для цифровых гуманитарных проектов», «Анализ данных, искусственный интеллект и генеративные модели».

    Образование: специалитет Череповецкого государственного университета по филологии. Учится в аспирантуре НИУ ВШЭ, тема диссертации: «Эволюция письма как художественного приема в русской литературе: компаративный анализ на материале эпистолярных романов, писем-вставок и эпистолярного наследия XVIII–XIX веков».

    Лучший преподаватель (2024–2025), лучший академический руководитель в двух номинациях (2025).

  • Перевышина Татьяна Олеговна

    Перевышина Татьяна Олеговна

    Преподаватель

    Ведёт курсы: «Анализ данных», «Анализ данных на Python», «Основы программирования на Python», «Введение в анализ данных», «Introduction to Data Science», «Независимый экзамен по анализу данных, искусственному интеллекту и генеративным моделям» (начальный, базовый и продвинутый уровни).

    Является методистом по направлению анализа данных (начальный и базовый уровень)

    Образование: бакалавриат НИУ ВШЭ по экономике, магистратура НИУ ВШЭ по градостроительству.

  • Гущин Михаил Иванович

    Гущин Михаил Иванович

    Преподаватель

    Ведёт курсы: «Машинное обучение 1», «Глубинное обучение», «Генеративные модели в машинном обучении».

    Образование: бакалавриат и магистратура МФТИ (прикладные математика и физика), аспирантура и кандидат наук (информатика и вычислительная техника) МФТИ.

    Лучший преподаватель (2024), участник эксперимента LHCb в ЦЕРН (координатор рабочей группы машинного обучения и статистики). Автор нескольких программ для ЭВМ и MOOC по машинному обучению.

  • Кубаева Ассоль Рауфжоновна

    Кубаева Ассоль Рауфжоновна

    Преподаватель

    Ведёт курсы: «Основы программирования на Python», «Python для анализа данных», «Введение в анализ данных», «Математическая статистика и анализ данных».

    Образование: бакалавриат НИУ ВШЭ по прикладной математике и информатике, магистратура НИУ ВШЭ по экономике.

    Лучший преподаватель (2025)

  • Боженова Валерия Алексановна

    Боженова Валерия Алексановна

    Старший преподаватель; заместитель академического руководителя программы «Цифровое право»

    Ведёт курсы: «Цифровая грамотность» / «Digital Literacy», «Независимый экзамен по цифровой грамотности», «Research Seminar „Legal Aspects of a Smart City“», «Научно-исследовательский семинар „Право и этика искусственного интеллекта“».

    Является методистом по направлению цифровой грамотности.

    Образование: магистратура НИУ ВШЭ по юриспруденции.

  • Бурова Маргарита Борисовна

    Бурова Маргарита Борисовна

    Преподаватель

    Ведёт курсы: «Программирование на Python», «Анализ данных на Python», «AI и no-code для менеджмента: автоматизация рутины», «Агрегация, очистка и парсинг данных», «Продвинутые методы анализа и визуализации данных в Python».

    Образование: бакалавриат НИУ ВШЭ по психологии, магистратура НИУ ВШЭ по прикладной математике и информатике.

    Лучший преподаватель (2024), лучший академический руководитель в номинациях «Цифровые навыки студентов» (2024) и «Привлечение студентов» (2023).

  • Анисимова Ксения Михайловна

    Анисимова Ксения Михайловна

    Преподаватель

    Ведёт курсы: «Программирование на Python», «Анализ данных», «Анализ данных, искусственный интеллект и генеративные модели», «Intro to Programming in Python», «Искусственный интеллект в коммуникациях».

    Образование: бакалавриат РГГУ («Интеллектуальные системы в гуманитарной сфере»), магистратура НИУ ВШЭ по фундаментальной и прикладной лингвистике.

  • Паршина Анастасия Алексеевна

    Паршина Анастасия Алексеевна

    Старший преподаватель

    Ведёт курсы: «Программирование на Python», «Основы программирования на Python», «Цифровая гуманитаристика», «Независимый экзамен по программированию» (начальный, базовый и продвинутый уровни), «Научно-исследовательский семинар: основы программирования в Python».

    Является методистом по направлению программирования.

    Образование: бакалавриат НИУ ВШЭ по политологии, магистратура НИУ ВШЭ по социологии.

  • Бузанов Антон Олегович

    Бузанов Антон Олегович

    Преподаватель

    Ведёт курсы: «Программирование и лингвистические данные», «Теория языка», «Лингвистика для программистов», «Теоретическая лингвистика в контексте NLP», «Linguistic Data: Quantitative Analysis and Visualisation», «Typology».

    Образование: бакалавриат НИУ ВШЭ по фундаментальной и прикладной лингвистике. Учится в аспирантуре, тема диссертации: «Переосмысление теории посессивных конструкций и согласования с анафорами».

    Лучший преподаватель (2025), «Выбор лицеистов: лучший преподаватель» (2024). Младший научный сотрудник Лаборатории исследования и сохранения малых языков ИЯз РАН.

  • Морева Юлия Евгеньевна

    Морева Юлия Евгеньевна

    Преподаватель

    Ведёт курсы: «Multilevel Modeling», «Автоматизированный сбор больших данных в экономико-социологических исследованиях», «Inequalities: Sociological Dimension», «Social and Political Attitudes», «Современная социальная теория для количественного исследования».

    Образование: бакалавриат СПбГУ (конфликтология), две магистратуры (СПбГУ и НИУ ВШЭ), аспирантура и кандидат социологических наук (2025) НИУ ВШЭ.

    Стажёр-исследователь Лаборатории сравнительных социальных исследований им. Р. Ф. Инглхарта. Участница группы высокого профессионального потенциала в категории «Новые исследователи» (2024–2025).

  • Сусла Диана Михайловна

    Сусла Диана Михайловна

    Преподаватель

    Ведёт курсы: «Анализ данных на Python», «Машинное обучение 1», «Анализ данных, искусственный интеллект и генеративные модели», «Программирование и компьютерные науки», «Основы глубинного обучения», «Автоматизация коммуникационных процессов с помощью искусственного интеллекта».

    Является методистом по направлению анализа данных (базовый уровень).

Истории успеха наших преподавателей

Часто задаваемые вопросы

Что такое «Культура работы с данными» (Data Culture)?

Обязательны ли эти курсы для всех студентов?

Зачем мне программирование и анализ данных? Я же гуманитарий!

Я гуманитарий и совсем не разбираюсь в математике. Я смогу освоить эти курсы?

Отличаются ли курсы Data Culture для экономистов, юристов, дизайнеров и историков?

Кто и когда сдает независимую оценку цифровых компетенций?

Какой уровень компетенций является обязательным для моей программы?

Как мне подготовиться к Независимому экзамену?