МАШИННОЕ ОБУЧЕНИЕ
В БИОЛОГИИ И БИОМЕДИЦИНЕ
Единственная программа с кейсами по Сomputer Vision в биомедицине и ML в NGS в одном курсе.
Полная база для входа в профессию, включая готовые протоколы для изучения пайплайнов и практику на новых датасетах
Даты: 1 октября - 10 декабря
2,5 месяца по 8-10 часов в неделю
Онлайн-встречи с преподавателями
для разбора вопросов с записью
для разбора вопросов с записью
Спикеры курса - признанные преподаватели и действующие практики
Практика в группах и самостоятельно
Занятия по видео лекциям и методическим материалам
Поддержка кураторов и наставников в чате
Четыре кейса для портфолио и
один выпускной проект
один выпускной проект
Перспективная область с высоким спросом на рынке труда и привлекательными зарплатами
Удостоверение о повышении квалификации
Еще можно присоединиться
МАШИННОЕ ОБУЧЕНИЕ
это не только модная технология, это инструмент, который быстро развивается и меняет мир на наших глазах. Программа курса направлена на навигацию в “зоопарке” подходов в биологии и биомедицине, построена с постепенным усложнением и даст уверенное понимание, когда и как лучше применять классические методы ML, а когда пора переходить на нейросети. В завершающем модуле по Computer Vision раскрываются прикладные точечные технологии с освоением практических навыков инженерии.
По окончании курса вы получите конкурентное преимущество
- не только опыт работы по готовым протоколам обработки конкретных типов данных, а понимание специфики мира ML в биологии и медицине, знания составных частей процессов, которые лежат в основе популярных пайплайнов. Наши эксперты передадут опыт изучения ML и расставят акценты, которые помогут сэкономить время, спланировать развитие карьеры в области DataScience и общаться на одном языке с другими коллегами.
По окончании курса вы получите конкурентное преимущество
- не только опыт работы по готовым протоколам обработки конкретных типов данных, а понимание специфики мира ML в биологии и медицине, знания составных частей процессов, которые лежат в основе популярных пайплайнов. Наши эксперты передадут опыт изучения ML и расставят акценты, которые помогут сэкономить время, спланировать развитие карьеры в области DataScience и общаться на одном языке с другими коллегами.
МАШИННОЕ ОБУЧЕНИЕ
это не только модная технология, это инструмент, который быстро развивается и меняет мир на наших глазах. Программа курса направлена на навигацию в “зоопарке” подходов в биологии и биоимедицине, построена с постепенным усложнением и даст уверенное понимание, когда и как лучше применять классические методы ML, а когда пора переходить на нейросети. В завершающем модуле по Computer Vision раскрываются прикладные точечные технологии с освоением практических навыков инженерии.
По окончании курса вы получите конкурентное преимущество
- не только опыт работы по готовым протоколам обработки конкретных типов данных, а понимание специфики мира ML в биологии и медицине, знания составных частей процессов, которые лежат в основе популярных пайплайнов. Наши эксперты передадут опыт изучения ML и расставят акценты, которые помогут сэкономить время, спланировать развитие карьеры в области DataScience и общаться на одном языке с другими коллегами.
По окончании курса вы получите конкурентное преимущество
- не только опыт работы по готовым протоколам обработки конкретных типов данных, а понимание специфики мира ML в биологии и медицине, знания составных частей процессов, которые лежат в основе популярных пайплайнов. Наши эксперты передадут опыт изучения ML и расставят акценты, которые помогут сэкономить время, спланировать развитие карьеры в области DataScience и общаться на одном языке с другими коллегами.
Используемые технологии
Python
OpenAI
Pandas
NumPy
Matplotlib
Plotly
Seaborn
SciPy
Git
GitHub
Scikit-team
Kaggle
PyTorch
TensorFlow
Теория вероятностей
ML-алгоритмы
ML-модели
Линейная алгебра
Нейронные сети
Компьютерное зрение
Ggplot2
Bash
R
ДЛЯ КОГО ЭТОТ КУРС
- биологи, биоинженеры, биотехнологи, врачи-диагносты
- биостатистики и клинические биоинформатики
- аналитики и специалисты по данным в биологии/медицине
- научные сотрудники лабораторий и RnD центров
- руководители лабораторий и team-лиды научных групп
- а также разработчики Python, которые хотят решать проблемы биоинформатики и биомедицины
ПРИМЕРЫ ВАКАНСИЙ
c запросом компетенций в области ML
Аналитик данных
З/п от 150 000 рублей на руки
Какие задачи вас ждут:
Какие задачи вас ждут:
- постоянный анализ пользовательского поведения с целью поиска точек роста и узких мест в сервисе
- генерация и проверка гипотез на основе данных
- работа над улучшениями и анализ ключевых контентных метрик, таких как конверсия в просмотр, досматриваемость, время в сервисе
- подготовка данных для подбора и создания нового контента
- создание отчетов / дашбордов для мониторинга основных показателей
- Хорошее знание математической статистики;
- Умение читать и писать код на Python;
- Опыт визуализации данных в дашбордах на Seaborn, Plotly;
- Уверенное владение SQL;
- Знание Grafana для разработки дашбордов:
- Понимание и умение оценивать, как изменение в сервисе повлияет на бизнес;
- Знание методов машинного обучения
Биоинформатик
З/п до 150 000 ₽ на руки
Обязанности:
Обязанности:
- Участвовать в обработке данных генотипирования (Illumina microarrays),
- Выстраивать пайплайн биоинформатического и статистического анализа для генетических тестов по генеалогии, фармакогенетике, генетике многофакторных и наследственных заболеваний,
- Участвовать в научно-исследовательской работе (GWAS, разработка алгоритмов оценки рисков, определения степени родства по генетическим данным и тд.).
- Профильное высшее образование (математика / биоинформатика / программирование),
- Уверенная работа в bash / Linux / Git,
- Уверенное владение Python или R,
- Базовые знания в области машинного обучения.
- Имеете опыт работы в биоинформатике,
- Умеете работать с базами данных (SQL, MongoDB),
- Имеете навыки работы в облачных платформах (Google Cloud, Яндекс.Облако).
Computer Vision Engineer
Центр прикладного искусственного интеллекта Applied AI Center Сколковского института науки и технологий разрабатывает инструменты с применением ИИ для решения широкого спектра индустриальных задач, в том числе для моделирования физических процессов. Мы решаем сложные задачи помогаем исследователям Арктики, а также заботимся об экологической безопасности.
Обязанности:
Обязанности:
- Тренировка нейронной сети для детектора препятствий.
- Разработка системы машинного зрения для дрона.
- Оптимизация нейронных сетей для встраиваемых систем (Embedded System).
- Python.
- Знание Git.
- Знание основных фреймворков для глубокого обучения: PyTorch, Tensorflow.
- Опыт тренировки нейронных сетей для задач classification, object detection, semantic/instance segmentation.
- Опыт реализации проектов для задач SLAM и визуальной одометрии.
ПРИМЕРЫ ВАКАНСИЙ
c запросом компетенций в области ML
Аналитик данных
З/п от 150 000 рублей на руки
Какие задачи вас ждут
Какие задачи вас ждут
- постоянный анализ пользовательского поведения с целью поиска точек роста и узких мест в сервисе
- генерация и проверка гипотез на основе данных
- работа над улучшениями и анализ ключевых контентных метрик, таких как конверсия в просмотр, досматриваемость, время в сервисе
- подготовка данных для подбора и создания нового контента
- создание отчетов / дашбордов для мониторинга основных показателей
- Хорошее знание математической статистики;
- Умение читать и писать код на Python;
- Опыт визуализации данных в дашбордах на Seaborn, Plotly;
- Уверенное владение SQL;
- Знание Grafana для разработки дашбордов:
- Понимание и умение оценивать, как изменение в сервисе повлияет на бизнес;
- Знание методов машинного обучения
Биоинформатик
З/п до 150 000 ₽ на руки
Обязанности:
Будет плюсом если вы:
Обязанности:
- Участвовать в обработке данных генотипирования (Illumina microarrays),
- Выстраивать пайплайн биоинформатического и статистического анализа для генетических тестов по генеалогии, фармакогенетике, генетике многофакторных и наследственных заболеваний,
- Участвовать в научно-исследовательской работе (GWAS, разработка алгоритмов оценки рисков, определения степени родства по генетическим данным и тд.).
- Профильное высшее образование (математика / биоинформатика / программирование),
- Уверенная работа в bash / Linux / Git,
- Уверенное владение Python или R,
- Базовые знания в области машинного обучения.
Будет плюсом если вы:
- Имеете опыт работы в биоинформатике,
- Умеете работать с базами данных (SQL, MongoDB),
- Имеете навыки работы в облачных платформах (Google Cloud, Яндекс.Облако).
Computer Vision Engineer
Центр прикладного искусственного интеллекта Applied AI Center Сколковского института науки и технологий разрабатывает инструменты с применением ИИ для решения широкого спектра индустриальных задач, в том числе для моделирования физических процессов. Мы решаем сложные задачи помогаем исследователям Арктики, а также заботимся об экологической безопасности.
Обязанности:
Обязанности:
- Тренировка нейронной сети для детектора препятствий.
- Разработка системы машинного зрения для дрона.
- Оптимизация нейронных сетей для встраиваемых систем (Embedded System).
- Python.
- Знание Git.
- Знание основных фреймворков для глубокого обучения: PyTorch, Tensorflow.
- Опыт тренировки нейронных сетей для задач classification, object detection, semantic/instance segmentation.
- Опыт реализации проектов для задач SLAM и визуальной одометрии.
Больше вакансий
в еженедельной рассылке материалов про ML в биологии и биомедицине
Нажимая кнопку "ПОЛУЧАТЬ ПОДБОРКУ" вы даете согласие на обработку персональных данных
Прямо сейчас эти компании набирают себе специалистов со знанием ML
Прямо сейчас эти компании набирают себе специалистов со знанием ML
Необходимый уровень знаний
Требуются базовые знания Python, а также библиотек numpy и pandas.
Курс подойдет для вас, если вы:
- Хотите познакомиться с передовыми методами биоинформатики
- Ставите цель улучшить и систематизировать навыки программирования, которые были получены исключительно самообучением
- Вам нужно глубже изучить Python и получить практику в ML по биологическим или медицинским данным
- Стремитесь понять, как применять ML в NGS и распознавании изображений из клинических данных
- Строите карьеру в области анализа данных в биологии и медицине
- Прокачиваете свое резюме кейсами, которые помогут вам найти работу или получить повышение
- Хотите получить базу для потенциальной смены сферы деятельности в сторону IT для био/медицины
- Хотите сэкономить свое время и получить рафинированный набор ресурсов для дальнейшего развития
Курс подойдет для вас, если вы:
Хотите познакомиться с передовыми методами биоинформатики- Ставите цель улучшить и систематизировать навыки программирования, которые были получены исключительно самообучением
- Вам нужно глубже изучить Python и получить практику в ML по биологическим или медицинским данным
- Стремитесь понять, как применять ML в NGS и распознавании изображений из клинических данных
Строите карьеру в области анализа данных в биологии и медицине- Прокачиваете свое резюме кейсами, которые помогут вам найти работу или получить повышение
- Хотите получить базу для потенциальной смены сферы деятельности в сторону IT для био/медицины
- Хотите сэкономить свое время и получить рафинированный набор ресурсов для дальнейшего развития
профессионалы О МАШИННОм ОБУЧЕНИи
Узнайте больше о работе и карьере в сфере машинного обучения от наших спикеров на вебинарах про личный путь эксперта
Артем Васильев
На встрече будут обсуждать детали карьерного трека спикера курса, лайфхаки трудоустройства, экспертное мнение по трендам отрасли, обзор "поляны" мира ML в биоинформатике и многое другое.
Приглашаем вас на встречу- разговор, где в неформально дружеском формате можно будет послушать опыт спикера нашего курса и задать волнующие вопросы.
Приглашаем вас на встречу- разговор, где в неформально дружеском формате можно будет послушать опыт спикера нашего курса и задать волнующие вопросы.
27 сентября 19:00 по мск
ПРОГРАММА
- Основные задачи машинного обучения: регрессия и классификация.
- Линейная регрессия. Функция потерь. Метрики MSE и R2
- Скоррелированные признаки. Проблема переобучения, гиперпараметры, Train/Test/Validation. L1 и L2 регуляризация.
- Шкалирование признаков. One-hot encoding категориальных признаков. Работа с пропущенными значениями.
- Логистическая регрессия. Метрики качества классификации: accuracy, AUROC, AUPRC. Задача мультиклассовой классификации. Линейная разделимость и feature engineering. Методы оценки значимости признаков.
- Библиотека sklearn и интерфейс fit/predict/predict_proba.
- Основные типы классических моделей: SVM, градиентный бустинг и случайный лес, kNN, кластеризация.
- Кластеризация. K-means, KNN, Иерархическая кластеризация, DBScan.
- Методы оценки качества кластеризации.
- Примеры биоинформатических задач, в решении которых применяются методы кластеризации.
- Методы понижения размерности. PCA, t-SNE, UMAP. Сравнительные характеристики методов.
- Практика применения методов понижения размерности.
- Введение в нейронные сети. Перцептрон. Вспоминаем бэкпроп и оптимизацию. Полносвязные нейронные сети.
- Введение в PyTorch, работа тензоров, .to("cuda"), как понимать написание сложных функций на примере функций потерь. Примеры построения линейной и логистической регрессий в pytorch.
- Оптимизационные методы первого порядка: SGD, Momentum, AdaGrad, Adam. Разбор работы современных оптимизаторов. Что такое learning rate и можно ли обойтись без него?
- Сверточные нейронные сети. Сверточное ядро, инвариантности, слои, архитектуры, работа основных составных блоков архитектур.
- Pytorch+Torchvision: знакомство, обучаем сверточные сети на классификации. Timm - библиотека для работы с нейронными сетями для обработки изображений.
- Диагностика проблем работы нейронной сети. Визуализация работы сверточного ядра.
- Разбор статей, ResNet, BatchNorm, Visual transformer. Как изменялись парадигмы с усовершенствованием архитектур.
- Омиксные данные. Обзор основных типов. Введение в анализ омиксных данных (основные подходы, best practices).
- Примеры задач для которых необходимо проводить интеграцию мультиомиксных данных.
- Итеграция мультиомиксных данных с использованием подходов, основанных на методах понижения размерности: MOFA, MCCA и другие.
- Использование нейросетей для понижения размерности. Автоэнкодеры и их архитектуры.
- Примеры использования автоэнкодеров для интеграции мультиомиксных данных в биоинформатике.
- Архитектуры автоэнкодеров.
- Обзор задач CV в медицине и биотехнологиях.
- Работа с изображениями в python (numpy, Pillow, элементы opencv).
- Медицинские изображения в формате DICOM.
- Нейронные сети для обработки изображений (свёрточный слой и свёрточная нейронная сеть).
- Задача классификации изображений при помощи свёрточных нейронных сетей (построение функции потерь и функционала качества).
- Базовые методы улучшения качества и ускорения сходимости моделей: использование предобученных моделей, использование аугментаций.
- Методы аугментации изображений (transforms v2, Albumentations, kornia).
- Построение общего пайплайна классификации изображений на основе предобученных моделей из библиотеки pytorch image models (timm).
- Задача семантической сегментации изображений при помощи свёрточных нейронных сетей (построение функции потерь и функционала качества).
- Построение общего пайплайна семантической сегменации изображений на основе предобученных моделей из библиотеки segmentation models pytorch (smp).
- Проведение воспроизводимых ml-экспериментов: пайплайн обучения на pytorch lightning, запись и визуализация экспериментов в tensorboard и wandb.
- Проведение хакатона и разбор базового решения заключительного соревнования по машинному обучению.
Выпускной проект - групповое соревнование по теме Computer Vision.
ОПЛАТИТЬ КУРС
Если вы - физическое лицо, нажмите кнопку "КУПИТЬ", которая перенесет Вас на страницу оплаты.
Если у Вас есть вопросы или вы представитель компании, оставьте заявку ниже.
Если у Вас есть вопросы или вы представитель компании, оставьте заявку ниже.
Нажимая на кнопку "КУПИТЬ" или "ПОЛУЧИТЬ КОНСУЛЬТАЦИЮ", вы даете согласие на обработку персональных данных
СПИКЕРЫ ПРОЕКТА
- Илья Воронцов10 лет преподает компьютерные науки, машинное обучение и анализ данных. Data-исследователь, программист / computational researcher, teacher and programmer.
Занимается биоинформатикой в области транскрипционной регуляции в ИОГен РАН с 2011 г.
Alma mater: МФТИ - Артем КасьяновPhD, 13 лет в преподавании биоинформатики, алгоритмов в области популяционной генетики, транскриптомики, геномики и методах ML.
Assistant Researcher в BIOPOLIS, CiBio, Portugal.
Alma mater: МГУ - Артем ВасильевЗа 3 года построил карьеру в ML и сразу после окончания университета получил позицию разработчика-исследователя методов CV у лидера рынка - компании "Платформа Третье Мнение".
Преподаватель, науч. консультант и разработчик учебных материалов курса по нейросетям и их применению в научных исследованиях в МГУ.
Alma mater: МГУ и Институт теоретической и математической физики МГУ - Александр СарачаковЭкспертиза в ML - 9 лет и 5 лет преподавательского опыта.
Занимает позицию Team Leader команды Imaging & Deep learning в BostonGene на протяжении 5 лет; 4 года - квант в хедж-фонде, 4 года - преподает в Сбер.Университете на курсах "Байесовские методы машинного обучения" и "Компьютерное зрение", а так же в МФТИ и Санкт-Петербургской школе компьютерных наук.
Alma mater: НГУ и Сколтех
ПАРТНЕРЫ ПРОЕКТА
ОРГАНИЗАТОРЫ И МЕТОДОЛОГИ КУРСА
Российский форум биотехнологий OpenBio уникально сочетает в себе мощную экспертизу науки и бизнеса, диалог с государством, соединение с искусством и самые теплые встречи отрасли
- отраслевая экспертиза более 10 лет
- более 10 000 участников
- 56% аудитории OpenBio составляет научное сообщество
- опыт трансляций масштабных мероприятий
- участники из всех регионов РФ и более 30 стран
На протяжении 11 лет OpenBio - это яркое событие в мире биотех и один из ведущих российских форумов биотехнологий. Задача экосистемы OpenBio мероприятий "подружить" науку, бизнес и государство. Наше событие ежегодно собирает сотни ученых, студентов и аспирантов и представителей бизнеса. На полях форума и круглых столах разбираем острые проблемы, с которыми сталкивается биотехнологическая отрасль . Знаем, за кем гоняются компании и какие навыки релевантны. Участники часто просят рассказать "какой же он "идеальный" кандидат для топовых биотехкомпании". Мы пошли дальше и хотим непросто рассказать об востребованных навыках для работы в биотехе, а сразу дать их.
- Наталья МнафкиПродюсер и методолог программы, соучредитель и ex-руководитель образовательных программ ООО "Бластим", международный эксперт по профориентации для взрослых
- C нуля разработала более 6 образовательных программ
- Запустила 30+ потоков курсов
- Более 13 лет в биотехе
- Более 17 лет в преподавании
- Юлия Линюшина
Основатель и руководитель экосистемы OpenBio - Российского форума биотехнологий, Площадки открытых коммуникаций - мультиформатного пространства взаимодействия науки, бизнеса, государства и общества (11 лет работы в отрасли), экспертиза в сфере коммерциализации технологий, бизнес-инкубирования (Tech2B, Австрия)
- Более 10 лет организации экспертных мероприятий
- Более 15 лет в сопровождении высокотехнологичных проектов, преимущественно life science
КЕЙСЫ ДЛЯ ВАШЕГО ПОРТФОЛИО
Готовые протоколы для изучения пайплайнов плюс практика в группах на новых датасетах
Предсказание заболевания
Кластеризация и визуализация результатов анализа экспрессии генов
Методы понижения размерности + кластеризация на примере данных с scRNA-seq
Интеграция мультиомиксных данных. Подтипы раков, предсказание чувствительности к лекарственному препарату
Бинарная классификация по рентгеновским снимкам. Сегментация тканей гистологических изображений.
Участие в соревновании по Computer Vision
ПОСЛЕ ОБУЧЕНИЯ ВЫ СМОЖЕТЕ
Навигировать в “зоопарке” методов машинного обучения
Применять методы классического машинного обучения для распространенных задач
Оценивать качество моделей ML и корректно использовать метрики качества
Решать задачи бинарной классификации и сегментации изображений самостоятельно
Общаться с опытными ML-щиками на одном языке
Показать работодателю ваши кейсы через ссылку на нашем сайте с отзывом наставника
Эффективно развиваться в новых задачах на базе знаний курса
Претендовать на новые зоны ответственности по задачам ML и Computer Vision в биомеде
Навигировать в “зоопарке” методов машинного обучения
Применять методы классического машинного обучения для распространенных задач
Оценивать качество моделей ML и корректно использовать метрики качества
Решать задачи бинарной классификации и сегментации изображений самостоятельно
Общаться с опытными ML-щиками на одном языке
Показать работодателю ваши кейсы через ссылку на нашем сайте с отзывом наставника
Эффективно развиваться в новых задачах на базе знаний курса
Претендовать на новые зоны ответственности по задачам ML и Computer Vision в биомеде
ПОЧЕМУ МЫ РЕКОМЕНДУЕМ ЭТОТ КУРС?
- Оптимальный формат обучения с лучшими педагогическими практиками
- Возможность изучать материалы в удобное для вас время, прямые эфиры - раз в неделю
- Постоянная поддержка наставников в чате
- Единственная программа с задачами по ML в NGS и Сomputer Vision в биомедицине в одном курсе
- Групповые форматы практик для отработки заданий и обсуждения пройденного материала
- Материалы лекций и доступ к комьюнити сохраняется в течение года
- Организаторы и методологи программы 10 лет проводят отраслевую конференцию OpenBio и более 4 лет делают курсы по программированию в биотехе
СТОИМОСТЬ УЧАСТИЯ И ОПЛАТА КУРСА
Еще можно присоединиться!
Не хватает информации, мы проконсультируем Ваc бесплатно!
Возврат денег
Если обучение вам не подойдет вы можете вернуть полную сумму до второй недели обучения. Условия возврата прописываются в договоре.
Гарантии и договор
С каждым студентом заключается договор.
Для студентов дневных и вечерних отделений бакалавриата, магистратуры и специалитета предоставляется скидка 30%, для аспирантов — 10%.
Уточнить вопросы можно по почте
+7 (923) 181-98-86
education@openbio.ru
Если обучение вам не подойдет вы можете вернуть полную сумму до второй недели обучения. Условия возврата прописываются в договоре.
Гарантии и договор
С каждым студентом заключается договор.
Для студентов дневных и вечерних отделений бакалавриата, магистратуры и специалитета предоставляется скидка 30%, для аспирантов — 10%.
Уточнить вопросы можно по почте
+7 (923) 181-98-86
education@openbio.ru
FAQ's
Машинное обучение (ML) применяется для извлечения закономерностей из данных, предсказаний и принятия решений.Специалисты с помощью ML-моделей на огромных данных делают прогнозы с высокой степенью точности, оптимизируя процессы и минимизируя риски. Методы ML открывают новые возможности для исследований, оптимизации и автоматизации во всех сферах жизни.
Сферы применения ML безграничны: медицина, финансы, маркетинг, производство, научные исследования и многое другое. Поэтому ML – это одна из самых перспективных и быстроразвивающихся областей IT.
Сферы применения ML безграничны: медицина, финансы, маркетинг, производство, научные исследования и многое другое. Поэтому ML – это одна из самых перспективных и быстроразвивающихся областей IT.
Базовые навыки программирования на Python: работа с переменными и областями их видимости, функции, встроенные контейнеры: список, словарь, кортеж, классы и наследование. Библиотеки Numpy и Pandas.
Базовая математика и элементы статистики и теории вероятностей.
По данным вопросам мы даем бесплатную информацию в нашем телеграм-канале.
Базовая математика и элементы статистики и теории вероятностей.
По данным вопросам мы даем бесплатную информацию в нашем телеграм-канале.
Да, программа построена таким образом, что основную часть материалов вы можете изучать в удобное для вас время, прямые эфиры раз в неделю по субботам, групповые задания вы будете выполнять по договоренности с другими участниками без жесткого графика.
По банковской карте всю сумму
Есть возможность оплатить иностранными картами.
Без переплат. Вы заплатите ровно сумму покупки.
Вы оплачиваете только покупку. Проценты мы берем на себя.
Решение по заявке в течение пары минут.
Вы можете отправить к нам на обучение ваших сотрудников. Мы подпишем с вами договор и предоставим все необходимые закрывающие документы.
Есть возможность оплатить иностранными картами.
- Дробными платежами
Без переплат. Вы заплатите ровно сумму покупки.
- В рассрочку
Вы оплачиваете только покупку. Проценты мы берем на себя.
Решение по заявке в течение пары минут.
- Через компанию на р/с
Вы можете отправить к нам на обучение ваших сотрудников. Мы подпишем с вами договор и предоставим все необходимые закрывающие документы.
- Удостоверение о повышении квалификации
- Сертификат
Налоговый вычет
– сумма, которую налогоплательщик может вычесть из суммы налога на доходы физических лиц (НДФЛ 13%), уплачиваемого в бюджет. Образование подходит по статью расхода с возможностью получения вычета.
Условия получения налогового вычета:
Для повышения квалификации и профессиональной переподготовки:
Налогоплательщик должен предоставить необходимые документы:
См. подробности про налоговый вычет на сайте ФНС РФ.
– сумма, которую налогоплательщик может вычесть из суммы налога на доходы физических лиц (НДФЛ 13%), уплачиваемого в бюджет. Образование подходит по статью расхода с возможностью получения вычета.
Условия получения налогового вычета:
- Вы - физическое лицо
- У вас есть доход, подлежащий обложению налогом на доходы физических лиц.
- Образовательное учреждение имеет государственную аккредитацию (у нас она есть).
- Сумма вычета находится в рамках установленных законодательством ограничений.
Для повышения квалификации и профессиональной переподготовки:
- Максимальная сумма на одного налогоплательщика – 120 000 рублей в год, с которой вы можете вернуть 13%, то есть – 15 600 рублей.
- Сумма налогового вычета может быть уменьшена на сумму полученных грантов, стипендий и других видов компенсации затрат на обучение или образование.
- Налоговый вычет имеет общий лимит для расходов на лечение и обучение, фитнес, добровольное страхование и прохождение независимой оценки квалификации.
Налогоплательщик должен предоставить необходимые документы:
- Чек об оплате обучения (приходит на почту после оплаты)
- Договор на оказание платных образовательных услуг с АНО «ИЦК»
- Приложения к договору
- Дополнительные соглашения
- Справка об обучении
- Предоставление заявки налогоплательщика в налоговую службу.
См. подробности про налоговый вычет на сайте ФНС РФ.
Автономная некоммерческая организация “Инновационный центр Кольцово” (АНО ИЦК)
Юридический адрес:
630559, Новосибирская область, р.п. Кольцово, дом 12
Тел./факс: +7 (383) 336-63-45
Технопарковая, 1
Тел./факс: +7 (383) 306-19-17, 233-37-03
Е-mail: info@ick.ru
Почтовый адрес:
630559, Новосибирская область, р. п. Кольцово, а/я 6
______________________________
ИНН 5433141963 КПП 543301001
ОКПО 56009071 ОКАТО 50240552000
ОКОПФ 71400 ОГРН 1025404358154
ОКВЭД 70.22 85.42.9
ОКОГУ 49014
ОКТМО 50740000
______________________________
Р/сч 40703810201400000007
В Банк “Левобережный” (ПАО) г. Новосибирск
БИК 045004850
К/с 30101810100000000850
630559, Новосибирская область, р.п. Кольцово, дом 12
Тел./факс: +7 (383) 336-63-45
Технопарковая, 1
Тел./факс: +7 (383) 306-19-17, 233-37-03
Е-mail: info@ick.ru
Почтовый адрес:
630559, Новосибирская область, р. п. Кольцово, а/я 6
______________________________
ИНН 5433141963 КПП 543301001
ОКПО 56009071 ОКАТО 50240552000
ОКОПФ 71400 ОГРН 1025404358154
ОКВЭД 70.22 85.42.9
ОКОГУ 49014
ОКТМО 50740000
______________________________
Р/сч 40703810201400000007
В Банк “Левобережный” (ПАО) г. Новосибирск
БИК 045004850
К/с 30101810100000000850