Привет, Хабр! Меня зовут Андрей Горлов, я CEO IT-компании «Альтеркод» и программный эксперт курса «Python-разработчик» в Яндекс Практикуме. Недавно мы провели рефакторинг программы: добавили больше практики, обновили версии фреймворков и сделали обучение более сбалансированным для студентов.
В этом материале мы с продуктовым лидом Александром Скугаревым кратко расскажем об изменениях. Текст будет полезен тем, кто хочет узнать больше о том, как устроено онлайн-образование в IT, и всем, кто думает об обучении Python в Практикуме.
Почему мы обновили курс
Курсу по Python-разработке уже больше пяти лет, и всё это время он меняется. Отчасти это продиктовано трендами, о которых знают все программисты: меняются практики, стили и даже скорость разработки, обновляются версии фреймворков, появляются новые инструменты.
Кроме того, в Практикуме есть целые отделы, которые проводят исследования и тестируют гипотезы, чтобы узнать, насколько портрет нашего выпускника соответствует потребностям рынка. Мы следим за требованиями работодателей, изменениями в списках ожидаемых навыков и трендами в найме.
А ещё мы тщательно анализируем обратную связь от студентов, как внутри Практикума, так и на сервисах с отзывами.
Эта работа не прекращается, но её масштабы зависят от того, как быстро меняется рынок. Если обновление критичное, стараемся внести изменения сразу. Если нет, можем отложить задачу на потом — до следующей переработки курса. Такие переработки мы называем рефакторингами.
О последнем рефакторинге и пойдёт речь в этой статье. Ключевые изменения можно сгруппировать по пяти категориям.
1. Теория: закрыли пробелы в фундаменте и обновили стек
Добавили модуль Computer Science
Простыми словами, Computer Science — это компьютерная грамотность. Когда полноценным компьютером является даже обычный телефон, полезно знать, из чего он состоит, как работает интернет или, например, оперативная память. Это базовые знания даже для пользователя, что говорить о разработчиках? В противном случае мы сталкиваемся с неожиданными проблемами: «хочу написать программу, но не знаю, как установить ПО для разработки», «не знаю, какой компьютер выбрать для программирования» и так далее.
Такие пробелы обычно закрываются разработчиками самостоятельно, но это занимает много времени, а знания получаются фрагментированными. В нашем модуле Computer Science мы подаём их структурированно, плавно погружая человека в мир прикладного программирования.
Рассказали об обновлении больше в отдельной статье «Зачем разработчику Computer Science — и почему мы добавили её в курсы Практикума» — там мы тщательно разбираем, что такое Computer Science, как она помогает карьере разработчика и что входит в модуль.
Добавили модуль FastAPI во все версии курса
У курса «Python-разработчик» есть два тарифа: базовый, который включает всё необходимое для входа в профессию, и расширенный, в котором ещё больше теории, практики и проектов для портфолио. Студенты с разными тарифами учатся 10 и 14 месяцев соответственно.
Раньше модуль FastAPI был доступен только в расширенном тарифе. В нём он представлен серией спринтов (отрезков обучения по 2–3 недели), за которые студенты собирают крепкую базу для работы с фреймворком: глубоко погружаются в теорию и реализуют несколько проектов.
Так как знание FastAPI становится всё более важным навыком для разработки на Python, мы добавили бонусный модуль, пусть и в сокращённом виде, в базовый тариф. Это значит, что теперь студенты короткой программы смогут познакомиться с технологией и заложить основу для самостоятельной практики.
Добавили модуль Kubernetes
Для современного Python-бэкенд-разработчика Kubernetes — это не опциональная технология, а ключевой инструмент для деплоя и управления приложениями. Джуниор-разработчик не должен уметь устанавливать и администрировать кластер. Его цель — понимать, как работать с приложением внутри него. Наш бонусный модуль в расширенной части даёт именно эту базу, достаточную, чтобы работать в проекте, где используется Kubernetes, и понимать, что происходит с кодом после коммита.
2. Интенсивность: снизили нагрузку, сохранив всё важное
Перепридумали траекторию обучения
Раньше интенсивность курса была высокой. Студентам было тяжело, о чём они прямо писали во внутренних опросах и отзывах.
Чтобы сбалансировать нагрузку, мы разделили теорию на две категории:
основная часть, которая необходима для выполнения итогового проекта и успешного трудоустройства;
дополнительная часть для самостоятельного изучения, которая поможет погрузиться в темы глубже.
Мы понимаем, что всё индивидуально, и погрешность в наших расчётах точно есть, но ориентиры такие: если проходить основную часть, обучение займёт 12 часов в неделю. Если изучать обе — 15 часов в неделю.
При разделении материалов мы исходили из цели курса. Что нам необходимо дать студентам? Преимущество при трудоустройстве. Что для этого нужно? Помочь им освоить ряд востребованных навыков. Как им освоить эти навыки? Выполнить проекты и получить обратную связь. Какие знания им необходимы, чтобы выполнить проекты? Ответ на последний вопрос и стал главным принципом, по которому контент определялся в основную часть обучения.
Так как автору курса всегда хочется сказать чуть больше, чем необходимо, это вроде бы небольшое изменение потребовало значительной переработки: мы пересобрали структуру, отредактировали связки и переходы, чтобы повествование было цельным и у студентов не возникло ощущения, что из курса что-то «вырезали».
А ещё мы убрали жёсткие дедлайны каждые 2–3 недели. Теперь мы будем о них напоминать, чтобы студенты поддерживали рекомендуемый темп, но главным условием будет закончить всю программу вовремя. Мы верим, что иногда студенту нужно время для передышки или решения трудностей на работе и он способен наверстать упущенное после разрешения кризиса. При этом его всегда будут окружать единомышленники, находящиеся на том же отрезке пути, что и сам студент.
«Растворили» часть с алгоритмами
Раньше мы давали базу по алгоритмам в двух спринтах. И это были одни из самых сложных спринтов для новичков. Они выбивали из колеи даже сильных студентов, так как тема специфическая, переключаться на неё и возвращаться обратно к фреймворкам — отдельная задача.
В новой версии курса мы растворили материал двух спринтов в программе: что-то унесли в дополнительную часть, что-то добавили в теорию в других спринтах, а практику — рассредоточили по проектам. Теперь студенты получают необходимую алгоритмическую базу и тут же применяют её на практике.
3. Проекты: ещё сильнее приблизили кейсы к реальным
Добавили больше практики и обновили версии
В целом практики на курсе стало больше. Под практикой мы понимаем проекты, как с проверкой ревьюеров, так и самостоятельные. Сейчас студенты с базовым тарифом выполняют 20 проектов, вся практика рассчитана на 355 часов. Студенты с расширенным тарифом выполняют на семь проектов больше, у них на 176 часов больше практики.
Также мы провели апгрейд старых задач — адаптировали под текущие версии Python и фреймворков, используемые на рынке.
Добавили продуктовый кейс
Мы всегда стремились приближать проекты к реальным задачам, но в этом рефакторинге пошли дальше — взяли реальный кейс, который недавно решала одна из команд в Яндексе.
Этот проект отличается от прочих тем, что у него есть:
настоящая бизнес-цель — результат выполнения напрямую связан с потребностями бизнеса;
понятный опыт выполнения — декомпозиция бизнес-цели уже собрана в виде детального технического задания;
реальные ограничения — студенты вникают в особенности уже существующего продукта, а ревьюеры проверяют работу в соответствии с техническим заданием и условиями заказчика.
Обновили итоговые проекты
Теперь студенты с базовым тарифом в качестве дипломной работы пишут аналог Stack Overflow, а студенты с расширенным — агрегатор новостей. Раньше в расширенной части не было своего дипломного проекта, который бы позволил обобщить весь опыт, полученный на программе.
При выборе проектов и составлении технических заданий мы ориентировались на многосоставность — работы масштабные и затрагивают самые разные области знаний, освоенных на курсе. А ещё уделили внимание проектированию сервисов. Совсем недавно понимание архитектур ожидали, скорее, от мидл-разработчиков, но времена меняются, и знание базы для джуниоров уже точно не назвать лишним.
Добавили проект с применением Celery и RabbitMQ и внедрением ML-инструментов
Также в рамках курса студенты пишут сервис рекомендаций кино на вечер. Так мы закрываем тему асинхронного программирования — уже обязательного навыка для джуниоров. Большинство высоконагруженных сервисов являются асинхронными, и нагрузку на такие проекты сложно регулировать без брокеров задач Celery и RabbitMQ. Конечно, во всех компаниях свои особенности работы с ними, но практика в курсе даст базовое понимание технологий.
Добавили парное программирование на Django REST Framework
Основную часть практики в курсе занимают индивидуальные проекты. Это логичный подход при отработке навыков и составлении портфолио, но в реальной работе условия могут быть другими. Например, программисты часто работают в парах, также всё популярнее становится модель разработки с ИИ в качестве «второго пилота».
Чтобы помочь студентам отработать навык совместной работы, мы взяли проект сервиса с рецептами Foodgram (когда-то он был итоговым) и адаптировали его под работу в парах. Заодно обновили версии Django REST Framework с 3.2 на 5.2, которая будет поддерживаться до 2028 года.
4. ИИ: стали ориентировать студентов в работе с нейросетями
Добавили модуль «Вайбкодинг»
Вайбкодингом в 2026-м занимаются многие разработчики, и лучшее, что мы можем сделать для студентов, — познакомить их с этим инструментом и научить, как пользоваться им правильно.
Поэтому студенты учатся писать проработанные промпты и скилы с большим количеством условий и ограничений, выполнять рутинные задачи с помощью ИИ и находить ошибки в сгенерированном коде. Мы наглядно подсвечиваем все сложности и ловушки в работе с ИИ, начиная от риска галлюцинаций и нехватки контекста до потенциальных проблем с безопасностью и дальнейшим масштабированием проекта.
Проект в модуле изначально сложнее других в курсе. По замыслу текущего уровня подготовки студентам должно быть недостаточно для решения без вайбкодинга. И это показывает ещё один сценарий использования нейросетей — не только доверить рутину, но и закрыть пробелы в знаниях.
Разработали персональный тренажёр по Python
Вместе с рефакторингом мы выпустили ИИ-задачник с возможностью разбирать дополнительные примеры по пройденным темам, сгенерированные с учётом интересов и уровня погружения студента в материал.
Задачник представляет собой Git-репозиторий на SourceCraft — аналоге GitHub от Яндекса. Мы специально вышли за рамки классического тренажёра в курсе, чтобы студенты сразу начинали взаимодействовать с Git. Также в SourceCraft встроен ИИ-помощник Code Assistant, который отвечает за персонализацию контента и генерирует задачи под конкретного пользователя.
Задачник разработан на основе программы, учебных материалов и образовательных результатов курса, поэтому будет особенно полезен для студентов в начале пути. Но доступ к нему открыт всем желающим — если интересно, можете зайти в репозиторий и поупражняться. Если обнаружите шероховатости, это нормально, так как всё, что получает пользователь, генерируется на лету, и мы ещё дорабатываем задачник по обратной связи от студентов, чтобы сделать опыт максимально полезным и увлекательным.
5. Трудоустройство: обновили и дополнили карьерный трек
Переработали карьерный трек
Карьерный трек — часть программы, в которой студенты учатся строить карьеру: откликаться на вакансии, оформлять резюме, проходить собеседования и презентовать себя работодателям.
В 2025 году мы провели глобальный рефакторинг карьерных треков на всех курсах. Сделали их более актуальными и лаконичными, чтобы студенты могли быстрее перейти к поиску работы.
А ещё мы пересмотрели точки касания. Раньше карьерный трек открывался после прохождения всех модулей, а теперь часть материалов становится доступна во время обучения. Это значит, что студенты могут готовиться к выходу на рынок труда ещё до окончания программы.
Сделали акцент на мок-собеседованиях
Анализ опыта наших выпускников показывает, что труднее всего пройти отбор по резюме. А преодолев этот сложный этап, некоторые проваливаются на собеседованиях, причём не из-за недостатка знаний, а из-за волнения. Победить его можно с помощью мок-собеседований — проверочных интервью, похожих на те, что проходят разработчики при найме в компанию.
Мок-собеседования от наших наставников — практикующих нанимающих менеджеров из разных областей и компаний — были опцией в карьерном треке и раньше, но при обновлении курса мы запланировали более интенсивный график таких интервью и сделали их доступными для всех студентов.
Добавили сопровождение пет-проекта
По данным исследования, решающим фактором выбора кандидата на этапе скрининга резюме является проектный опыт. Один из популярных способов получить такой опыт — это выполнить пет-проект, а самое сложное в разработке такого проекта — формализовать его и приступить к проектированию.
Поэтому мы предлагаем помощь ревьюера на нескольких итерациях, включая подготовку. Наставник поможет проработать архитектуру проекта, выбрать стек и составить образ финального решения. Проведёт ревью работы в процессе и даст комментарии к результату.
Если у студента не будет идеи для пет-проекта, мы предложим обратную связь при решении задачи из банка тестовых заданий.
Возможность разработки пет-проекта с наставником доступна студентам с расширенным тарифом.
Начали устраивать собеседования для лучших студентов
Мало кто верит в гарантии трудоустройства, ведь устроить всех выпускников невозможно. Точнее, возможно, но не на тех условиях, которые будут выгодны студентам и нанимающим компаниям.
Мы считаем, что Практикум должен выстраивать инфраструктуру доверия между студентами и работодателями. Для этого мы ввели внутреннюю систему оценки навыков, которая позволяет автоматически формировать рейтинг каждого выпускника на основе качества выполненных проектов. Параллельно с этим у нас есть договорённости с компаниями-партнёрами о проведении собеседований для студентов с самым высоким рейтингом.
Возможность пройти собеседование будет доступна выпускникам с расширенным тарифом.
Что дальше
Мы считаем, что, проведя рефакторинг, мы приблизились к нашим целям: сделали обучение комфортнее для студентов, стали давать им больше актуальных знаний и погружать их в контекст современной разработки. Но это не последнее обновление и точно не конец работы — мы продолжаем следить за рынком, собирать обратную связь от студентов и вносить новые изменения почти в ежедневном режиме. Например, прямо сейчас проводим A/B-тестирование вводного модуля.
Если размышляете об обучении, попробуйте бесплатно — первые 30 уроков можно пройти, не привязывая карту. Оценить все изменения в этой части не получится, но зато вы поймёте, чего ждать от курса и подходит ли вам формат обучения.
