Главная Каталог курсов Программирование Data Scientist PRO

Профессия
Data scientist + ИИ

Помощь в трудоустройстве через 9 месяцев
−60% 0 дня 00:00:00
Записаться на курс
  • Все знания для работы в индустрии

    Пройдёте полный цикл работы с данными: от Excel до машинного изучения

  • Практика на реальных проектах

    Добавите в портфолио кейсы от «Сбера» и других компаний

  • Более 20 проектов в портфолио

    По аналитике, программированию и машинному изучению

  • −60%

    Скидка действует
    0 дня 00:00:00

Кто такой дата-сайентист

Это специалист, который помогает бизнесу принимать решения на основе данных. Он анализирует информацию о клиентах, продажах и продуктах и с помощью нейросетей прогнозирует, кто уйдёт из сервиса, что будут покупать чаще, что поможет увеличить прибыль.

Самое время освоить data science

  • Высокий доход уже на старте

    По данным praca.by, специалисты по data science уровня junior зарабатывают от 6 000 до 8 900 BYN

  • Можно работать на удалёнке

    В более чем 40% всех вакансий для специалистов по data science указана такая возможность

Один курс — несколько карьерных направлений

  • MLOps-инженер

    Превращает ИИ-модель в удобный бизнес-инструмент, которым могут пользоваться люди без специальных знаний. Отвечает за деплой, мониторинг качества, переобучение и логирование модели.

    ✅ Будущая зарплата: от 11 200 BYN.

  • BI-аналитик и BI-разработчик

    Делает наглядные витрины данных и дашборды, чтобы сотрудники бизнес-подразделений могли самостоятельно смотреть цифры и не бегать к аналитикам за каждым отчётом.

    ✅ Будущая зарплата: от 7 500 BYN.

  • Дата-инженер

    Вытаскивает сырые данные из разных систем, очищает их и складывает в хранилища. Делает так, чтобы у дата-сайентистов и аналитиков всегда были актуальные и понятные данные.

    ✅ Будущая зарплата: от 15 000 BYN.

Будете работать с нейросетями — без ИИ сегодня никуда

  • Навыки промптинга
  • Анализ данных с помощью ИИ
  • ИИ-тесты
  • Интеграция нейросетей в проекты

С помощью нейросетей дата-сайентист может в разы быстрее собирать и очищать нужные данные, искать документацию по моделям и делать другую рутину. Мы расскажем, как упростить работу с помощью ChatGPT, — курс по нейросети уже включён в стоимость обучения.

Узнать больше

Одних сертификатов недостаточно — мы даём практику для быстрого трудоустройства

Работодателям важно видеть, что вы умеете работать с данными и решать задачи. Поэтому на курсе вы соберёте сильное портфолио из 20+ реальных проектов на основе реальных данных, которое повысит шансы на офер.

Кратко про курс

  • Постепенно погрузитесь в профессию Изучите основы математики и статистики, а затем на продвинутом уровне изучите машинное обучение или анализ данных на выбор.
  • Сможете работать во время обучения Уже в середине курса ваших знаний и навыков будет достаточно, чтобы выйти на стажировку.
  • Будете практиковаться на реальных задачах Поработаете с данными от «СберАвтоподписки» и других компаний.

Сравниваете разные курсы по data science?

Оставьте заявку на бесплатную консультацию, и мы расскажем, чем программа в Skillbox отличается от остальных.

Научитесь каждому этапу работы с данными

  • Собирать и обрабатывать данные

    Научитесь выгружать данные из разных источников и очищать их от лишней информации.

  • Анализировать и оценивать данные

    Подробно и на понятных примерах объясним основы статистики, чтобы вы смогли быстро выявлять паттерны, тенденции и корреляции в данных.

  • Программировать и прогнозировать

    С нуля научитесь программировать модели машинного изучения на Python. С помощью таких моделей вы сможете предсказывать данные. Например, погоду или будущую прибыль компании.

  • Визуализировать и презентовать данные

    Вы узнаете, как создавать графики, диаграммы и дашборды, чтобы сделать данные понятными для других людей. А ещё научитесь презентовать результаты анализа заказчику.

Курс охватывает разные темы

  • Machine learning (ML)

    • Основные модели: линейная регрессия, логистическая регрессия, деревья решений, случайные леса
    • Метод опорных векторов (SVM)
    • Метрики качества моделей: accuracy, precision, recall, AUC
    • Кросс-валидация и переобучение моделей
    • Методы кластеризации: k-средние, DBSCAN
    • Основы нейронных сетей: перцептроны, обучение с помощью обратного распространения ошибки
    • Работа с библиотеками ML (например, Scikit-learn, TensorFlow, PyTorch)

  • Data analysis

    • Сбор данных
    • Получение данных из различных источников (CSV, Excel, базы данных, API)
    • Основы работы с REST API
    • Сохранение данных и подготовка для последующего анализа
    • Подготовка данных
    • Чистка данных: устранение дубликатов, обработка пропусков, выявление аномалий
    • Приведение данных к нужным форматам: типизация, работа с датами
    • Преобразование категориальных данных, нормализация и стандартизация данных
    • Анализ данных
    • Разведочный анализ данных (EDA): выявление скрытых паттернов и закономерностей

  • Computer vision (CV)

    • Изображение как вектор: работа с изображениями в числовом формате
    • Свёрточные нейронные сети (CNN)
    • Распознавание изображений и объектов
    • Предобученные нейросети
    • Применение нейросетей для распознавания рукописных цифр
    • Работа с библиотекой OpenCV

  • Big data

    • Hadoop
    • MapReduce
    • Hive: интеграция SQL и MapReduce
    • Oozie: автоматизация процессов в big data
    • Data lake vs data warehouse
    • ETL (extract, transform, load)
    • Работа с большими данными в распределённых системах

  • Natural language processing (NLP)

    • Регулярные 
выражения
    • Векторизация текстов: CountVectorizer, TF-IDF
    • Современные методы векторизации: Word2Vec, GloVe, Bert, GPT
    • Регулярные выражения для работы с текстом
    • Рекуррентные нейронные сети (RNN) и LSTM для NLP-задач
    • Анализ текстов: классификация и NER (Named Entity Recognition)

  • Математика и статистика

    • Основы теории вероятностей: законы вероятности, теорема Байеса
    • Статистические тесты: U-критерий Манна — Уитни, Т-критерий Уилкоксона
    • Доверительные интервалы, ошибки первого и второго рода
    • Центральная предельная теорема
    • Методы оценки гипотез: р-значения, мощность теста
    • Основы линейной алгебры: векторы, матрицы, скалярные произведения
    • Оптимизация: градиенты, минимизация функций ошибок
    • Моделирование случайных величин: биномиальные и нормальные

  • Deep learning

    • Обучение нейронных сетей: обратное распространение ошибки, градиентный спуск
    • LSTM и GRU: продвинутые рекуррентные архитектуры
    • Функции активации (ReLU, sigmoid, softmax)
    • Регуляризация в нейронных сетях: Dropout, Batch Normalization
    • Использование фреймворков для deep learning (TensorFlow, PyTorch)

Эксперты из топовых компаний доступно объяснят каждую тему

Программу курса разбили на понятные этапы

  • Этап 1. База для старта

    Доступным языком объясним всю необходимую математику, статистику, теорию вероятностей и основы работы с данными.

  • Этап 2. Погружение

    Погрузитесь в основы машинного обучения или аналитики данных (на выбор). Выполните первые крупные проекты и сможете трудоустроиться с помощью Центра карьеры Skillbox.

  • Этап 3. Специализация

    Станете продвинутым специалистом в машинном обучении или аналитике данных.

Программа обучения

  • 12 месяцев обучения
  • 20+ реальных проектов в портфолио
  • 100+ практических работ
  • Обновлена в 2026 году
  1. Первый уровень: базовая подготовка
    1. Введение в data science
      • Data understanding. Excel
      • Введение в Python
      • Переменные и типы данных
      • Условия
      • Циклы
      • Алгоритмы и структуры данных
      • Функции
      • Коллекции в Python
      • Чтение файлов в Python и командной строке
      • Библиотека Pandas
      • Получение данных с помощью API
      • Базы данных
      • Язык запросов SQL
      • Power BI
      • Data preparation
      • Разведочный анализ данных: data cleaning
      • Разведочный анализ данных: data visualization
      • Разведочный анализ данных: feature engineering
      • Modeling
      • Машинное обучение
      • Линейные модели и нейронные сети
      • Метрики в аналитике
      • Маркетинговая аналитика
      • Продуктовая аналитика
      • Modeling. Заключение
      • Evaluation
      • Deployment
      • Модель как API
      • Мониторинг моделей
      • Airflow
      • Итог: познакомитесь с основными направлениями data science, узнаете, какие задачи решают дата-аналитики, дата-инженеры и специалисты по машинному обучению
    2. Основы статистики и теории вероятностей
      • Введение в теорию вероятностей
      • Случайные события
      • Случайная величина
      • Непрерывные распределения. Общие сведения
      • Основные виды непрерывных распределений
      • Статистические тесты
      • Итог: поймёте принципы работы со случайными величинами и событиями
    3. Основы математики для data science
      • Аналитика и ML. Базовые математические объекты и SymPy. Дроби и преобразования
      • Аналитика и ML. Базовые математические объекты и SymPy. Необходимые функции и некоторые дополнительные объекты
      • Аналитика и ML. Функции одной переменной, их свойства и графики
      • ML. Интерполяция и полиномы
      • ML. Аппроксимация и преобразования функций
      • ML. Аппроксимация и производные
      • ML. Функции нескольких переменных, их свойства и графики
      • ML. Частные производные функции нескольких переменных
      • ML. Векторы и матрицы. Градиент
      • ML. Линейная регрессия и системы линейных уравнений
      • Задача аппроксимации как матричное уравнение
      • Итог: получите базовые знания по математике для работы с машинным обучением
  2. Погружение в специализацию machine learning
    1. Machine learning. Junior
      • Основные термины машинного обучения
      • Выгрузка данных с помощью SQL
      • Линейная регрессия
      • Регуляризация линейной регрессии
      • Метрическая классификация. Метод ближайших соседей и его развитие
      • Библиотека NumPy
      • Линейная классификация. Логистическая регрессия
      • Линейная классификация. Метод опорных векторов
      • Логическая классификация. Деревья решений
      • Деревья решений и случайный лес
      • Очистка данных
      • Кластеризация. Метод k-средних
      • Интерпретация. Метод k-средних
      • Кластеризация. DBSCAN
      • Несбалансированные выборки
      • Нейрон и нейронная сеть
      • Основы анализа текстов
      • Итог: познакомитесь с алгоритмами машинного обучения для решения задач регрессии, классификации и кластеризации
    2. Итоговый проект
      • Проанализируете объёмный датасет и создадите модель кредитного риск-менеджмента
      • Поможете банку спрогнозировать платёжеспособность клиента
  3. Погружение в специализацию data analyst
    1. Data analyst. Junior
      • Аналитика на метриках
      • Подходы к оценке качества данных
      • Введение в формулирование гипотез
      • Визуализация в Excel
      • Объединение разнородных данных
      • Требования к качеству данных
      • Корреляция и факторы
      • Визуализация в Python
      • Формулирование гипотез по данным
      • SQL как инструмент формирования витрины данных
      • Очистка данных
      • Методы прогнозирования
      • Программные средства визуализации
      • A/B-тесты и их планирование
      • Данные по API и аккумулирование источников
      • Повышение качества данных
      • Выявление закономерности в данных
      • Интерпретация результатов A/B-тестирования
      • Аналитическая отчётность и сторителлинг
      • Итог: познакомитесь с базовыми методами анализа на примере анализа данных продаж. Пройдёте основы маркетинговой, продуктовой и BI-аналитики
    2. Итоговый проект
      • С помощью данных о покупках клиентов и их социально-демографических признаках проанализируете эффективность уже проведённых ранее маркетинговых кампаний и выявите факторы, способные повысить продажи
  4. Экспертный уровень: machine learning
    1. Machine learning. Advanced
      • Введение в computer vision
      • Нейронные сети и computer vision
      • Нейронные сети и NLP
      • Введение в рекомендательные системы
      • Коллаборативная фильтрация
      • Бизнес-оценка рекомендательных систем
      • Продвинутые инструменты ML-инженера
      • Временные ряды
      • Прогнозирование временных рядов с помощью других методов
      • Мониторинг качества. Бонус-модуль
      • Итог: освоите алгоритмы для построения рекомендательных систем и прогнозирования временных рядов
    2. Deep learning (углубление в области NLP и CV)
      • Научитесь работать с нейросетями: подробно узнаете, как они устроены, как использовать предобученные модели, готовить и передавать данные в нейросеть, строить и тестировать архитектуры, настраивать параметры и обучать модели на GPU
    3. Итоговый проект
      • Поработаете с алгоритмами компьютерного зрения (CV) и обработки естественного языка (NLP)
  5. Экспертный уровень: data analyst
    1. Продуктовая аналитика
      • Исследования
      • A/B-тестирование
      • Юнит-экономика
      • Отчётность
    2. Маркетинговая аналитика
      • Введение в метрики и каналы продвижения
      • Введение в маркетинговую аналитику
      • Введение в конкурентный анализ
      • Исследование целевой аудитории
      • Анализ данных в «Яндекс Метрике»
      • Анализ данных в GA4. MyTracker
      • MyTracker
      • Основные источники данных о продажах и клиентах
      • Сквозная аналитика
      • Основные системы визуализации
      • Запуск кампании, анализ результатов и формирование новых гипотез
    3. BI-аналитика
      • Обзор Power BI
      • Power Query: вводная часть
      • DAX: вводная часть
      • Визуализация: вводная часть
      • Визуализация: фильтры, гистограммы и графики
      • Визуализация: карты, таблицы и матрицы
      • Визуализация: как сделать отчёт интерактивным
      • Визуализация: прочие визуальные элементы
    4. Для тарифов «Оптимальный» и «Расширенный»: «Data Engineer. Junior»
      • Загрузка источников
      • Создание промышленных приложений
      • Обработка больших объёмов данных
      • Создание data lake
      • Создание data warehouse
      • Тестирование приложений и качества данных
  6. Дополнительные курсы
    1. Основы статистики и теории вероятностей. Advanced
      • Оценивание
      • Проверка гипотез: теория
      • Проверка гипотез: практика
      • Совместные распределения
      • Исследование зависимостей
      • Временные ряды
      • Дополнительные главы (частотный и байесовский подходы, энтропия и дивергенция, формула Байеса)
      • Итог: научитесь применять принципы статистики и теории вероятностей при работе с задачами data science. Поймёте, как устроены алгоритмы машинного обучения, как в них применяется математическая статистика и теория вероятностей
    2. Карьера разработчика: трудоустройство и развитие
      • Подготовка к поиску работы
      • Составление резюме
      • Поиск работы
      • Выполнение тестовых заданий
      • Подготовка к собеседованию и его прохождение
      • Принятие офера и выход на работу
      • Профессиональное развитие и карьерный рост
      • Типичные вопросы на собеседованиях
      • Требования к программистам разных направлений
      • Итог: узнаете, как выбрать подходящую вакансию, подготовиться к собеседованию и вести переговоры с работодателем. Сможете быстрее получить должность, которая соответствует вашим ожиданиям и умениям
    3. Основы SQL
      • Введение в хранение и обработку данных
      • Реляционные базы данных
      • Команды добавления, изменения и удаления данных
      • Команды обработки данных
      • Продвинутый SQL
      • Итог: научитесь работать с реляционными базами данных и языком SQL для решения профессиональных задач

Ключевые проекты, которые вы добавите в портфолио

  • Анализ изменений в мобильном приложении маркетплейса

    Организуете А/В-эксперимент на основе реального датасета и оцените, насколько успешно на продукт повлияли изменения.

  • Визуализация данных в Excel

    Проанализируете текущие продажи компании, выделите лидеров и аутсайдеров. Поможете владельцу компании понять, какие товары и бренды можно вывести из продаж.

  • Анализ данных в страховой компании

    Выявите основные факторы убыточности по страховым полисам и научитесь прогнозировать её на самых ранних этапах. Предложите бизнесу протестировать гипотезу о снижении убыточности за счёт внедрения кластеризации.

  • Анализ сайта партнёра

    Проанализируете датасет от компании «СберАвтоподписка», которая предоставляет клиентам автомобили по подписке. Затем проверите гипотезы или создадите модель для предсказания целевого действия в зависимости от специализации.

  • Предсказание совершения целевого действия на сайте «СберАвтоподписка»

    Проведёте базовую обработку данных и разведочный анализ, научитесь предсказывать совершение целевого действия и упакуете модель в сервис.

  • Модель кредитного риск-менеджмента для банка

    Проанализируете объёмный датасет и создадите модель кредитного риск-менеджмента. Поможете банку построить скоринг-модель для прогнозирования платёжеспособности клиента.

  • Сервис распознавания документов

    Поработаете с алгоритмами CV и NLP. Протестируете разные OCR-движки и научитесь извлекать из документов важную информацию.

  • SQL-проект по сбору базы данных

    Научитесь превращать вербальное описание предметной области в проект базы данных. Это важный для аналитика навык.

  • Прогнозная модель времени доставки

    Создадите полноценный ML-проект со сбором фич, предобработкой, кодировкой, нормализацией, метриками и кросс-валидацией.

  • Нейронная сеть в PyTorch

    Обучите простую нейронную сеть, которая решает задачу регрессии.

Ваше резюме по итогам курса

Должность

Дата-сайентист

Навыки

  • Извлекаю данные из различных источников — файлов, API, баз данных и хранилищ (DWH)
  • Очищаю и преобразую данные для анализа, использую продвинутые методы обработки
  • Работаю с большими объёмами данных (big data)
  • Провожу разведочный анализ, строю статистические выводы и проверяю гипотезы
  • Провожу A/B-тесты для принятия обоснованных бизнес-решений
  • Создаю интерактивные дашборды и автоматизированные отчёты в Power BI и других инструментах
  • Анализирую пользовательские пути: от построения воронок до расчёта юнит-экономики
  • Строю и обучаю модели машинного обучения для решения задач классификации, регрессии и кластеризации
  • Внедряю ML-модели в продакшен-среду, настраиваю мониторинг их работы и обеспечиваю их надёжную эксплуатацию
  • Использую широкий набор инструментов: от SQL и Power BI до Python и облачных платформ
  • Перевожу данные на язык бизнеса
  • Коммуницирую с заказчиками, обрабатываю обратную связь
  • Решаю задачи NLP и CV с помощью классических методов машинного обучения

Инструменты

Новый формат

Как проходит курс

  • Сначала смотрите видеоматериалы

    Они доступны в любое время. К каждому занятию мы приложили полезные материалы.

  • Потом выполняете задание или проекты

    Каждое задание основано на реальных данных. Во время выполнения проектов вы закрепите все знания, которые получили в видеоматериалах.

  • Получаете обратную связь от кураторов

    Они проверят ваши задания в течение 72 часов с момента отправки работы, укажут на ошибки или похвалят за то, что вы всё сделали круто.

  • Материалы всегда под рукой

    Вы можете проходить курс в мобильной версии платформы прямо с телефона — весь прогресс сохранится.

Попросите работодателя оплатить этот курс

Оставьте заявку, а мы убедим вашего работодателя оплатить всю стоимость курса или её часть.

Стоимость курса

Скидка 60% действует 0 дня 00:00:00

  • 466 BYN/мес
  • −60%
186 BYN/мес
  • В рассрочку на 30 месяцев от банка-партнёра
Стоимость курса: 4 295 BYN
Стоимость в рассрочку указана от банков-партнёров — договор с банком, подробности уточняйте у менеджера
Data Scientist PRO

Длительность: 9 мес

Записаться на курс или получить бесплатную консультацию

Ознакомиться с условиями публичного договора
Похоже, произошла ошибка. Попробуйте отправить снова или перезагрузите страницу.
Спасибо!

Ваша заявка успешно отправлена

Сразу после покупки курса вы получите

  • Картинка для бонуса Год изучения английского в подарок

    Освоите быстрое запоминание слов и грамматики в онлайн-школе английского языка Skillbox.

  • Картинка для бонуса Возможность открыть второй курс

    Пригласите друга в Skillbox, и мы откроем вам ещё один курс на выбор — не дороже покупки друга.

Часто задаваемые вопросы

  • Что такое data science?

    Data science — это наука, которая использует статистику, аналитику и машинное обучение для извлечения знаний из данных. Онлайн-курс высоко оценили пользователи. Его средняя оценка — 4,9 из 5 на основе 3 752 отзывов.

  • Кто такой data scientist?

    Специалист по data science, или дата-сайентист (data scientist), изучает данные, находит в них полезные закономерности и на основе этого помогает бизнесу принимать верные решения. А ещё он работает с машинным обучением — создаёт программы, которые могут сами учиться на данных и делать предсказания.

  • Чем занимается специалист по data science?

    • Анализирует данные. Например, исследует поведение пользователей в приложении для улучшения интерфейса
    • Создаёт статистические модели, которые могут предсказывать будущее. Например, сколько клиентов отпишутся от сервиса для чтения книг в ближайший год, если бизнес повысит цену на подписку
    • Обучает компьютеры анализировать данные. Например, создаёт модели машинного обучения для распознавания изображений в системах безопасности
    • Визуализирует данные. Разрабатывает интерактивные графики для представления результатов исследования бизнесу, чтобы руководители могли легко воспринимать информацию

  • Кому подойдёт курс «Data scientist» от Skillbox?

    • Новичкам. У вас всё получится, даже если вы не связаны со сферой IT. Во время прохождения вас будет сопровождать куратор, который поможет разобраться со всеми трудностями и доведёт до результата
    • Дата-сайентистам. Курс поможет вам повысить квалификацию и актуализировать знания
    • Специалистам из смежных сфер. Курс поможет вам быстро перестроиться на новую профессию и получить высокооплачиваемую работу

  • Сколько зарабатывает дата-сайентист?

    Средняя зарплата специалиста по data science — 7 800 BYN.

  • Зачем платить за курс, если в интернете много бесплатных материалов по data science?

    Бесплатные курсы и видео можно смотреть, чтобы стартовать в профессии и понять, нравится ли она вам. Чтобы освоить профессию на уровне, который позволит вам найти работу, мы советуем учиться на полноценных курсах, и вот почему:

    • Всегда актуальная программа. Технологии в data science меняются быстро, поэтому мы регулярно обновляем материалы. Многие бесплатные видео в интернете были записаны давно, и информация в них может быть устаревшей
    • Практика с проверкой экспертов. Курс по data science на 80% состоит из практики, а каждое практическое задание подробно проверяет наставник
    • Постоянная поддержка. Если что-то непонятно в бесплатном видео на YouTube, приходится гуглить, и можно ещё больше запутаться. В Skillbox вам всегда поможет наставник — он дополнительно объяснит сложные темы столько раз, сколько вам нужно
    • Помощь в трудоустройстве. Бесплатные курсы и видео, может, и дадут вам навыки, но не научат писать резюме, сопроводительные письма и проходить собеседования. В Skillbox у вас будет карьерный консультант, который поможет вам на каждом этапе поиска работы
    • Официальный документ в конце обучения. Вы получите сертификат, который подтвердит ваши знания

  • Действуют ли какие-нибудь программы рассрочки?

    Да, вы можете купить курс в рассрочку — и спланировать свой бюджет, разбив всю сумму на небольшие ежемесячные платежи.

  • Чем рассрочка отличается от кредита?

    Вы оплачиваете только стоимость курса — проценты мы берём на себя. Для оформления рассрочки не требуется официальное трудоустройство и хорошая кредитная история.

Сайт использует файлы cookie для обеспечения удобства пользователей сайта, его улучшения, предоставления персонализированных рекомендаций. Подробнее
Отклонить
Принять
Настройте параметры использования файлов cookie
Вы можете настроить использование каждой категории файлов cookie, за исключением категории «технические (обязательные) cookie», без которых невозможно функционирование сайта.
Сайт запоминает ваш выбор настроек на 1 год. По окончании этого периода сайт снова запросит ваше согласие. Вы вправе изменить свой выбор настроек cookie (в т.ч. отозвать согласие) в любое время в интерфейсе сайта путем перехода по ссылке в нижней части страницы сайта «Настройки Cookie».
Перед тем как совершить выбор настроек параметров использования файлов cookie вы можете ознакомиться с Политикой использования файлов куки, а также со cписком файлов cookie, содержащим их описание и сроки хранения.
Данный тип cookie-файлов требуется для обеспечения функционирования сайта и не подлежит отключению. Эти сookie-файлы не сохраняют какую-либо информацию о пользователе, которая может быть использована в маркетинговых целях или для учета посещаемых сайтов в сети Интернет.
Данные cookie-файлы необходимы в статистических целях, позволяют подсчитывать количество и длительность посещений Сайта, анализировать как посетители используют Сайт, что помогает улучшать его производительность и сделать более удобным для использования. Запретить хранение данного типа cookie-файлов можно непосредственно на интернет-сайте либо в настройках браузера.
Отключение аналитических cookie-файлов не позволяет определять предпочтения пользователей сайта, в том числе наиболее и наименее популярные страницы и принимать меры по совершенствованию работы сайта исходя из предпочтений пользователей.
Рекламные cookie-файлы используются для целей маркетинга и улучшения качества рекламы (предоставление более актуального и подходящего контента и персонализированного рекламного материала). Запретить хранение данного типа cookie-файлов можно непосредственно на Сайте либо в настройках браузера.
Отключение рекламных cookie-файлы не позволит принимать меры по совершенствованию работы Сайта, исходя из предпочтений пользователя, а также осуществлять подбор рекламы, иных рекламных материалов по наиболее актуальному, подходящему назначению для каждого конкретного пользователя.