Программа курса
Преподаватели
Часто задаваемые вопросы
Похожие курсы
Назад

Факультет искусственного интеллекта

GeekBrains
Сложность
Для новичков
Длительность
18 месяцев
Тип курса
Живые лекции

Описание курса

Пройдите обучение и станьте востребованным специалистов в области искусственного интеллекта с нуля за 18 месяцев. Методика обучения разработана преподавателями-экспертами платформы GeekBrains.

Образовательная программа искусственного интеллекта подойдет как для новичков, которые не имеют специальной подготовки, но планируют построить карьеру в данной области, так и для практикующих специалистов, которые хотят получить новые знания и закрепить имеющиеся навыки.

Программа курса

Подготовительный блок
Их необязательно проходить, но они помогут лучше погрузиться в обучение.
Видеокурс: как учиться эффективно

Расскажем, как спланировать обучение, чтобы сохранить интерес, получить максимум пользы и всё успеть.

7 видеоуроков

8 часов обучающего контента, 24 часа практики

Основы математики

Сможете освежить базовые знания по математике и облегчить погружение в методы машинного обучения.

14 видеоуроков

8 часов обучающего контента, 24 часа практики

Основы программирования

Узнаете об особенностях языков программирования и получите первый опыт написания кода.

17 видеоуроков

8 часов обучающего контента, 24 часа практики

Основы языка Python

Курс для новичков и опытных программистов: вы познакомитесь с инструментами разработки и освоите машинное обучение на Python.

17 видеоуроков

8 часов обучающего контента, 24 часа практики

Git. Базовый курс

Познакомим с основными понятиями: репозиторий, коммит, тег, ветки, создание и клонирование репозитория, слияние веток, запрос истории изменений.

13 видеоуроков

8 часов обучающего контента, 24 часа практики

Программирование
Научитесь работать в Linux и создавать сервера в облачных сервисах AWS, проводить поиск информации и основные операции с файлами, выполнять мониторинг работы сервера. Научитесь использовать язык запросов SQL, создавать и оптимизировать сложные запросы. Освоите библиотеки языка Python, предназначенные для Data Science: Numpy, Pandas, Matplotlib, SciKit-Learn.
Встреча декана со студентами
Основы языка Python

  • Знакомство с Python
  • Встроенные типы и операции с ними
  • Функции
  • Полезные инструменты
  • Работа с файлами
  • Объектно-ориентированное программирование
  • ООП. Продвинутый уровень
  • ООП. Полезные дополнения

4 недели — 8 уроков

8 часов обучающего контента, 24 часа практики

Linux. Рабочая станция

  • Введение. Установка ОС
  • Настройка и знакомство с интерфейсом командной строки
  • Пользователи. Управление Пользователями и группами
  • Загрузка ОС и процессы
  • Устройство файловой системы Linux. Понятие Файла и каталога
  • Введение в скрипты bash. Планировщики задач crontab и at
  • Управление пакетами и репозиториями. Основы сетевой безопасности
  • Введение в docker

4 недели — 8 видеоуроков

8 часов обучающего контента, 24 часа практики

Основы реляционных баз данных и MySQL

  • Вебинар. Установка окружения. DDL - команды
  • Видеоурок. Управление БД. Язык запросов SQL
  • Вебинар. Введение в проектирование БД
  • Вебинар. CRUD-операции
  • Видеоурок. Операторы, фильтрация, сортировка и ограничение. Агрегация данных
  • Вебинар. Операторы, фильтрация, сортировка и ограничение. Агрегация данных
  • Видеоурок. Сложные запросы
  • Вебинар. Сложные запросы
  • Видеоурок. Транзакции, переменные, представления. Администрирование. Хранимые процедуры и функции, триггеры
  • Вебинар. Транзакции, переменные, представления. Администрирование. Хранимые процедуры и функции, триггеры
  • Видеоурок. Оптимизация запросов. NoSQL
  • Вебинар. Оптимизация запросов

4 недели — 12 уроков

8 часов обучающего контента, 24 часа практики

Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn

  • Введение в курс
  • Вычисления с помощью Numpy. Работа с данными в Pandas
  • Визуализация данных в Matplotlib
  • Обучение с учителем в Scikit-learn
  • Обучение без учителя в Scikit-learn
  • Обучение без учителя в Scikit-learn и введение в итоговый проект
  • Консультация по итоговому проекту

5 недель — 10 уроков

8 часов обучающего контента, 24 часа практики

Сбор данных и статистическое исследование
Познакомитесь с теорией вероятностей и математической статистикой. Изучите методы проведения корреляционного, дисперсионного и регрессионного анализа. Научитесь работать с RESTful/SOAP-сервисами, форматами XML и JSON в Python, а также познакомитесь с особенностями открытых данных (OpenData).
Библиотеки Python для Data Science: продолжение

  • Введение в задачу классификации. Постановка задачи и подготовка данных
  • Анализ данных и проверка статистических гипотез
  • Построение модели классификации
  • Оценка и интерпретация полученной модели. Обсуждение курсового проекта

2 недели — 4 урока

8 часов обучающего контента, 24 часа практики

Методы сбора и обработки данных из сети Интернет

  • Основы клиент-серверного взаимодействия. Парсинг API
  • Парсинг HTML. BeautifulSoup, MongoDB
  • Системы управления базами данных MongoDB и SQLite в Python
  • Парсинг HTML. XPath
  • Scrapy
  • Scrapy. Парсинг фото и файлов
  • Selenium в Python
  • Работа с данными

4 недели — 8 уроков

8 часов обучающего контента, 24 часа практики

Введение в математический анализ

  • Вводный урок
  • Множество. Последовательность. Часть 1
  • Множество. Последовательность. Часть 2
  • Предел функции. Часть 1
  • Предел функции. Часть 2
  • Производная функции одной переменной. Часть 1
  • Производная функции одной переменной. Часть 2
  • Производная функции нескольких переменных. Часть 1
  • Производная функции нескольких переменных. Часть 2
  • Интеграл. Ряды. Часть 1
  • Интеграл. Ряды. Часть 2

5 недель — 11 уроков

8 часов обучающего контента, 24 часа практики

Теория вероятностей и математической статистике

  • Случайные события. Вероятные события. Условная вероятность. Формула Байеса
  • Дискретные случайные величины. Закон распределения вероятностей. Биноминальный закон распределения. Распределение Пуассона
  • Основы математической статистики. Количественные характеристики популяции. Графическое представление данных
  • Непрерывные случайные величины. Функция распределения и функция плотности. Нормальное распределение. Центральная предельная теорема
  • Проверка статистических гипотез. P-значения. Доверительные интервалы
  • Взаимосвязь величин. Показатели корреляции. Корреляционный анализ. Проверка на нормальность
  • Линейная регрессия. Двухвыборочный t-тест. A/B-тестирование
  • Дисперсионный анализ. Метод главных компонент. Логистическая регрессия

4 недели — 8 уроков

8 часов обучающего контента, 24 часа практики

Проект
  • Построение модели кредитного скоринга для банка
Линейная алгебра

  • Линейное пространство
  • Матрицы и матричные операции
  • Линейные преобразования
  • Системы линейных уравнений
  • Сингулярное разложение матриц

3 недели — 5 уроков

8 часов обучающего контента, 24 часа практики

Алгоритмы анализа данных

  • Алгоритм линейной регрессии. Градиентный спуск
  • Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спуск
  • Логистическая регрессия. Log Loss
  • Алгоритм построения дерева решений
  • Случайный лес
  • Градиентный бустинг (AdaBoost)
  • Классификация с помощью KNN. Кластеризация K-means
  • Снижение размерности данных

4 недели — 8 уроков

8 часов обучающего контента, 24 часа практики

Проекты
  • Рекомендательная система для интернет-магазина
  • Прогнозирование оттока абонентов
  • Алгоритм для определения вероятности подключения услуги
Машинное обучение в бизнесе

  • Data-driven-подход на примере задачи маршрутизации заявок в helpdesk
  • Профилирование пользователей. Сегментация: unsupervised learning (clustering, LDA/ARTM), supervised (multi/binary classification)
  • Связь бизнес-показателей и DS-метрик
  • Uplift-моделирование
  • Задача оттока: варианты постановки, возможные способы решения
  • Задача look-alike
  • Интерпретация прогнозов модели (SHAP): объясняем поведение модели на отдельных наблюдениях
  • Проверяем работу модели на практике: A/B-тестирование
  • Интеграция. Итоговый проект

5 недель — 10 уроков

8 часов обучающего контента, 24 часа практики

Рекомендательные системы

  • Введение, примеры задач, бизнес- и ML-метрики
  • Бейзлайны и детерминированные алгоритмы item-item
  • Коллаборативная фильтрация
  • Рекомендательные системы на основе контента
  • Поиск похожих товаров и пользователей. Гибридные рекомендательные системы
  • Двухуровневые модели рекомендаций
  • Рекомендательные системы в бизнесе
  • Консультация к курсовому проекту

4 недели — 8 уроков

8 часов обучающего контента, 24 часа практики

Видеокурс от Мегафон + курсовой проект

  • Видеотеория
  • Курсовой проект

2 недели — 2 урока

8 часов обучающего контента, 24 часа практики

Проекты
  • Распознавание и классификация изображений
  • 8 мини проектов по компьютерному зрению
Введение в нейронные сети

  • Основы обучения нейронных сетей
  • Keras
  • TensorFlow
  • Сверточные нейронные сети
  • Рекуррентные нейронные сети
  • Сегментация
  • Детектирование объектов
  • GAN

4 недели — 8 уроков

8 часов обучающего контента, 24 часа практики

Введение в компьютерное зрение от Nvidia

  • Обработка изображений и компьютерное зрение
  • Свёрточные нейронные сети
  • Продвинутые архитектуры свёрточных нейросетей
  • Семантическая сегментация
  • Детектирование объектов
  • Metric learning
  • Обработка видео
  • Синтез изображений

4 недели — 8 уроков

8 часов обучающего контента, 24 часа практики

Проекты
  • Чат-бот на основе искусственного интеллекта, который может общаться на любые темы
  • Приложение, которое анализирует объекты на камере
Введение в обработку естественного языка

  • Предобработка текста
  • Создание признакового пространства
  • Embedding word2vec fasttext
  • Тематическое моделирование. EM-алгоритм
  • Part-of-Speech разметка, NER, извлечение отношений
  • Классификация текста. Анализ тональности текста
  • Сверточные нейронные сети для анализа текста
  • Рекуррентные нейронные сети RNN LSTM GRU
  • Языковое моделирование
  • Машинный перевод. Модель seq2seq и механизм внимания
  • Модель Transformer-1
  • Модель Transformer-2
  • Модель BERT и GPT
  • Transfer learning
  • Консультация по курсовому проекту. Создание чат-бота в Telegram

8 недель — 15 уроков

8 часов обучающего контента, 24 часа практики

Фреймворк PyTorch для разработки искусственных нейронных сетей

  • Введение в PyTorch
  • CNN and LSTM for human action recognition
  • Generative adversarial networks (GAN): генеративные сети
  • Image Segmentation
  • Face Detection and Emotion Recognition

3 недели — 5 уроков

8 часов обучающего контента, 24 часа практики

Проекты
  • Соревнование на площадке Kaggle
Подготовка к поиску работы

  • Как составить резюме, которое точно заметят
  • Составляем карту поиска работы
  • Зачем нужны сопроводительные письма
  • Что вас ждет на собеседовании с HR

2 недели — 4 урока

8 часов обучающего контента, 24 часа практики

История развития искусственного интеллекта

  • Историческая справка об искусственном интеллекте
  • Три парадигмы искусственного интеллекта и подходы в них
  • Мифы и факты об искусственном интеллекте
  • Философия сознания и краткое введение в нейрофизиологию
  • Методы искусственного интеллекта
  • Сферы применения искусственного интеллекта
  • Смежные технологии и дальнейшее развитие

3 недели — 7 уроков

8 часов обучающего контента, 24 часа практики

Алгоритмы и структуры данных на Python

  • Введение в Алгоритмизацию и простые алгоритмы на Python
  • Циклы, рекурсия, функции
  • Массивы
  • Эмпирическая оценка алгоритмов
  • Коллекции. Модуль Collections
  • Работа с динамической памятью
  • Алгоритмы сортировки
  • Графы
  • Деревья. Хеш-функции

5 недель — 9 уроков

8 часов обучающего контента, 24 часа практики

Введение в высшую математику

  • Элементарная алгебра
  • Введение в аналитическую геометрию. Графики на плоскости
  • Элементы теории вероятностей
  • Введение в линейную алгебру

2 недели — 4 урока

8 часов обучающего контента, 24 часа практики

Спортивный анализ данных. Платформа Kaggle

  • Введение в спортивный анализ данных, Exploration Data Analysis
  • Обзор основных алгоритмов машинного обучения, используемых в соревнованиях
  • Построение надежных схем валидации решения, оптимизация целевых метрик
  • Консультация №1
  • Feature Engineering, Feature Selection. Часть 1
  • Feature Engineering, Feature Selection. Часть 2
  • Тюнинг гиперпараметров, построение ансамблей алгоритмов
  • Консультация №2
  • Курсовой проект: inclass соревнование на площадке kaggle

9 недель — 9 уроков

8 часов обучающего контента, 24 часа практики

Язык R для анализа данных

  • Начало работы в R
  • Обработка данных для анализа
  • Разведочный анализ данных в R
  • Статистический анализ в R. Доверительный интервал и тест гипотезы
  • Статистический анализ в R. Anova. Регрессионный анализ

3 недели — 5 уроков

8 часов обучающего контента, 24 часа практики

Визуализация данных в Tableau

  • Знакомство с основным функционалом Tableau Desktop
  • Вычисления и графики
  • Сложные вычисления
  • Использование TabPy для интеграции Python в Tableau

2 недели — 4 уроков

8 часов обучающего контента, 24 часа практики

Сверточные нейронные сети в компьютерном зрении

  • Введение в сверточные нейронные сети
  • Влияние параметров архитектуры на свойства нейронной сети
  • Применение сверточных нейронных сетей в компьютерном зрении

2 недели — 3 урока

8 часов обучающего контента, 24 часа практики

Преподаватели

Дмитрий Коробченко
Дмитрий Коробченко
Deep Learning R&D инженер и руководитель направления в NVIDIA
Алексей  Петренко
Алексей Петренко
Python Developer, фрилансер
Мария  Корлякова
Мария Корлякова
Доцент университета им. Н. Э. Баумана (калужский филиал)
Андрей  Буранов
Андрей Буранов
Cистемный администратор ОС Linux в Mail.ru Group
Показать еще

Часто задаваемые вопросы

Какой требуется опыт для обучения?

Наши образовательные программы ориентированы на тех, кто хочет с нуля освоить профессиональные навыки. Для обучения начальной подготовки или базовых знаний не требуется.

Какие минимальные требования к оборудованию и программному обеспечению?

Для учебы вам необходим компьютер с двухъядерным (желательно четырехъядерным) процессором с частотой 1.8 ГГц и выше, и оперативной памятью от 2 Гб (в идеале 4Гб). На нем должна быть установлена любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: для Java — установленный JDK и любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.

Что делать, если у меня проблема или срочный вопрос?

Если вы являетесь студентом платных курсов и у вас возникли вопросы, связанные с образовательным процессом, свяжитесь с нами: info@geekbrains.uz или +998 71 2058081 (звонок бесплатный). По остальным вопросам пишите нам на info@geekbrains.uz

Что делать, если я не могу учиться онлайн?

Для тех, кто не смог вовремя присутствовать на уроке, мы записываем каждое занятие. Видеозаписи всегда доступны в разделе обучения. Также к каждому уроку мы разработали методички, с помощью которых можно лучше подготовиться к занятиям и получить дополнительные знания.

Можно ли делать перерывы в обучении?

Между курсами можно делать перерывы и регулировать интенсивность своего развития по мере усвоения знаний. Мы рекомендуем не записываться на все курсы сразу, а проходить их последовательно и работать на результат.

Помогаете ли вы с трудоустройством?

Мы помогаем с трудоустройством студентам, которые показывали хорошую успеваемость на протяжении обучения и подали заявку в сервис трудоустройства. Далее вместе с HR-специалистами GeekBrains вы создадите CV и будете самостоятельно откликаться на вакансии и участвовать в поиске идеального места работы. Вместе мы сделаем все, чтобы вы начали строить карьеру и расти профессионально.

Кто преподаёт в GeekBrains?

Преподавать в GeekBrains могут только специалисты с большим опытом реализации проектов. Мы проводим жёсткий отбор кандидатов с помощью программ аттестации и внутреннего обучения. Студенты оценивают уровень преподавателя и качество программы по пятибалльной шкале. Таким образом, мы улучшаем образовательный процесс ежедневно.

Как проходит обучение?

Уроки проходят в формате online-трансляций, несколько раз в неделю в вечернее время. Преподаватель объясняет темы, все его действия отображаются на экране. Студенты задают вопросы и обсуждают материал в чате. В конце каждого урока студенты получают практические задания. Преподаватель оценивает их и обсуждает плюсы и минусы на следующем занятии. Некоторые курсы будут представлены в виде заранее записанных видеолекций.

Цена
24 602 063 сум
Скидка -25%
- 6 150 516 сум
Итого
18 451 547 сум
В рассрочку на 18 мес
1 366 782 UZS/мес
1 025 086 UZS/мес
Кешбэк
5 535 465 баллов

Похожие курсы

Разработчик Базовый
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
IT-специалист
Для новичков6 месяцев
Старт: 15 октября
ХИТ
-45%
Кешбэк 30%: 1 894 359 баллов
11 480 963 сум
6 314 529 сум
В рассрочку на 18 мес
350 808 UZS/мес
Факультет инженер умных устройств
Для новичков19 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 523 163 балла
24 547 391 сум
18 410 543 сум
В рассрочку на 18 мес
1 022 808 UZS/мес
Факультет Python-разработки
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет iOS-разработки
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет Fullstack JavaScript
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет 1С-разработки
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 4 293 060 баллов
19 080 266 сум
14 310 200 сум
В рассрочку на 18 мес
795 012 UZS/мес
Факультет информационной безопасности
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-35%
Кешбэк 30%: 4 786 742 балла
24 547 391 сум
15 955 804 сум
В рассрочку на 18 мес
886 434 UZS/мес
Факультет Java-разработки
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет тестирования ПО
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет разработки на С++
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет Android-разработки
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет Frontend-разработки
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет разработки на C#
Для новичков12 месяцев
Старт: 15 октября
ХИТ
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Системный администратор
Для новичков7 месяцев
Старт: 15 октября
ХИТ
-45%
Кешбэк 30%: 2 246 169 баллов
13 613 141 сум
7 487 228 сум
В рассрочку на 18 мес
415 958 UZS/мес
Факультет DevOps
Для новичков18 месяцев
Старт: 15 октября
ХИТ
-35%
Кешбэк 30%: 5 319 786 баллов
27 280 954 сум
17 732 620 сум
В рассрочку на 18 мес
985 146 UZS/мес
ИТ-инженер. Пакет Базовый
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
ИТ-инженер Передовые технологии, блокчейн
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
ИТ-инженер Передовые технологии, Web 3.0
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
ИТ-инженер Передовые технологии, метавсленные
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
ИТ-инженер Передовые технологии, кибернетика умных устройств
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
ИТ-инженер Передовые технологии, Data Science
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
ИТ-инженер Передовые технологии, Искуственный интеллект
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
Факультет Веб-разработки
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Факультет Сетевой инженер
Для новичков11 месяцев
Старт: 15 октября
-35%
Кешбэк 30%: 4 786 742 балла
24 547 391 сум
15 955 804 сум
В рассрочку на 18 мес
886 434 UZS/мес
Руководитель команды разработки
Для продвинутых6 месяцев
Старт: 15 октября
-15%
Кешбэк 30%: 5 562 527 баллов
21 813 829 сум
18 541 754 сум
В рассрочку на 18 мес
1 030 098 UZS/мес
Факультет ручного тестирования
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Разработкана Go
Для новичков12 месяцев
Старт: 15 октября
-25%
Кешбэк 30%: 5 535 465 баллов
24 602 063 сум
18 451 547 сум
В рассрочку на 18 мес
1 025 086 UZS/мес
Профессия Тестировщик ПО
Для новичков6 месяцев
Старт: 15 октября
-45%
Кешбэк 30%: 1 894 359 баллов
11 480 963 сум
6 314 529 сум
В рассрочку на 18 мес
350 808 UZS/мес
Профессия Веб-разработчик
Для новичков6 месяцев
Старт: 15 октября
-45%
Кешбэк 30%: 1 894 359 баллов
11 480 963 сум
6 314 529 сум
В рассрочку на 18 мес
350 808 UZS/мес
ООО «UBRAINS», ИНН 308432936
Республика Узбекистан, г. Ташкент, Мирабадский р-н, ул. Афросиаб 4б, каб. 102
Регистрационный номер 982705
© UBRAINS, 2022
Zcard
Anorbank
Humo
Payme
© UBRAINS, 2022