— Средняя заработная плата всех Продуктовых Менеджеров составила более 800,000 тенге по итогам исследования
— Средняя зарплата на рынке: 412 000 ₸
Управление жизненным циклом продукта
— Запуск продуктов с 0 до end-to-end — Является частью коммерческого успеха продукта — Формирует стратегию продукта и продуктовый roadmap
Колоссальный опыт в короткий срок
— Влияние на пре-релиз и пост-релиз продукта — Формирование гипотез, которые влияют на жизни людей — Вовлечение в дизайн, аналитику, разработку и этапы маркетинга
Управление командой разработки и дизайна
— Работает с дизайнерами и командой разработки — Имеет возможность вовлекаться в разные пайплайны продукта — Вовлекается в Discovery & Delivery часть продукта
Востребованная профессия
— PM становится всё более актуальна и спрос на специалистов растет с каждым годом минимум на 20% — По данным hh.kz сейчас доступно 870 вакансий.
Lessons
Как проходят уроки?
Уроки
Самостоятельная работа
Начало спринта: Вводная лекция на каждый модуль
Self-pace: Просмотр лекции, прохождение квизов
Self-pace: Выполнение домашних кейсов и задач
Гостевые лекции: Продакты с Google, Meta, Kaspi, inDrive и другие
Self-pace: Просмотр бонусных материалов и лекции
Self-pace: Проведение Peer-to-peer (P2P) интервью
Office hours: Помощь ментора с ДЗ
Бахытжан Жакажанов
CEO & Founder ProductBee
5+ лет опыта работы в ПМ
ex-Senior Product Manager в MyCar
ex-Head of Product в ORBI Inc., USA
ex-Brainbridge Data Scientist, USA
ex-PwC Assurance Consulting
Course author
Автор курса
We are in the media
Мы в СМИ
Why choose us
Почему выбирают ProductBee
Техническое интервью и полный отчет по окончанию курса
Гибридный и гибкий график: все лекции идут в записи и доступны в любое удобное время
Продуктовые кейсы: презентация и работа над кейсами компании как Kaspi, MyCar, Careem, Freedom с итоговым Demo day
30 минутные 1-1 сессии по улучшению индивидуального карьерного пути
Обучение на американской платформе Thinkific с личным аккаунтом и закрытым доступом на платные материалы
Закрытые митапы и офлайн встречи только для участников курса
Гостевые лекторы с компании как Kolesa, Kaspi, MyCar, inDrive, Beeline и зарубежных Booking, Google, Meta
Referral program и Alumni group: мы рекомендуем в различные ИТ компании, и вакансии которых вы не найдете на рынке труда
Top student certificate: для топ студентов выдается отличительный сертификат и мы приглашаем в команду
Main lecturers
Основные лекторы
Бахытжан Жакажанов
CPO at BI Group
Радмир Тукаев
Lead AI/ML Product Manager Lamoda
Улжан Биссаринова
Team Lead Data Science ISSAI
Guest lecturers
Гостевые лекторы
Бахытжан Жакажанов
ex-Senior Product Manager at MyCar
Нарикби Максут
Product Manager at Booking
Абдугани Сафи
ex-Head of Product at 1Fit
Назерке Калидолда
ex-Google SWE, PM in France
Алия Мирзахметова
Head of Product Prerender
Нурхан Искендир
CPO at MyCar
Аршын Султангазы
CPO at BCC
Айгерим Алтайканова
Senior Product Manager at IZI Mobile
Адиль Булатов
Senior Product Manager at inDrive
Константин Швацкий
ex-Head of Product at Kaspi
Your CV after course
Ваше резюме после прохождения курса
должность
AI/ML Продакт Менеджер
зарплата
600 000 – 2 000 000 ₸
Методологии:
Customer Development
Lean Startus
User Person
Design Thinking
Lean Canvas
User Story Map
Customer Journey Map
Agile
Scrum
Kanban
Value Proposition Canvas
RICE
Навыки:
Проводить глубинные интервью по JTBD
Посчитать размер рынка TAM/SAM/SOM
Прототипировать дизайна на Miro/Figma/Sketch
Составить портрет потребителя (User Persona)
Презентация стейкхолдерам на Дэмо дне
Проводить UX-research
Проводить UX-research
Считать unit-экономика продукта
Запускать MVP/MLP
Умение выбрать NSM и метрики продукта
Управлять разработкой по SCRUM и Kanban
Инструменты:
Certificate
После курса вы получите:
Диплом ИТ академии
Проект в ваше портфолио
Доступ в закрытое комьюнити выпускников
Course Program
Программа курса
Занятие: Обзор AI/ML в современных продуктах
Что такое ML-продукты и где они применяются
Разбор хайпа вокруг AI/ML: возможности и ограничения
Когда ML приносит ценность, а когда его применение не оправдано
Краткий обзор LLM и современных трендов в AI
Роли в ML-продуктах: от Data Scientist до ML Engineer и продакт-менеджера
Результат: Студенты получат общее понимание экосистемы AI/ML и увидят, как именно технологии влияют на продуктовые решения.
Занятие: Роли, задачи и базовые технологии
Обзор профессии Data Scientist и других ключевых специалистов
Типы ML-задач: классификация, регрессия, кластеризация и др.
Основные алгоритмы и модели (решающие деревья, коллаборативная фильтрация и др.)
Организация команд: как выстраивать взаимодействие между бизнесом и техническими специалистами
Результат: Понимание технической базы и структуры команд, задействованных в разработке ML-продуктов. Воркшоп: Кейс “Делаем поиск”
Определение ключевых метрик для поисковых систем
Этапы реализации поиска
Анализ ранжирования
Занятие: Идея, гипотеза и метрики
Обзор этапов ML-проекта (DS Lean)
Постановка гипотез, поиск аплифтов, определение целей и ключевых метрик
Оценка бизнес-ценности: когда нужен ML и как его оправдать
Составление технического задания для фичи: качество, скорость, допустимые погрешности
Этика и управления рисками в AI/ML
Результат: Умение формировать гипотезы и определять показатели успеха для будущего ML-продукта.
Занятие: Данные – основа ML проекта
Качество данных: разметка событий, сбор, очистка, анализ и подготовка датасетов
Вопросы разметки данных: когда нужна ручная аннотация (ассессоры, Яндекс.Толока)
Настройка автоматизированного контроля качества (автотесты, мониторинг, алерты)
Практический мини-воркшоп: анализ примеров, очистка и подготовка небольшого датасета
Результат: Студенты узнают, как правильно работать с данными для обучения моделей и обеспечить качество входных данных. Воркшоп: Кейс “Делаем персонализированные рекомендации”
Особенности разработки рекомендательных систем
Метрики, оценка качества рекомендаций
Занятие: Процесс разработки модели
Выбор метрики для оптимизации (оффлайн метрика, оффлайн валидация)
Процедуры обучения модели, особенности разметки в оффлайне
Организация code review, управление версиями с помощью Git
Результат: Понимание жизненного цикла обучения модели и методик ее оценки до запуска в продакшн.
Занятие: Стратегия запуска и тестирование
Планирование запуска продукта: от пилотного запуска до масштабирования, грамотный UX/UI в продуктах на базе ML.
Проведение A/B тестов: цели, методология, анализ результатов
Коммуникация ценности ML для пользователей и внутренних стейкхолдеров
Развертывание нескольких алгоритмов с последующим отбором лучшего решения
Анализ ROI, оценка альтернативных издержек и мониторинг пост-запуска
Результат: Навыки планирования и оценки эффективности запуска ML-продукта с акцентом на измерение бизнес-результатов.
Занятие: Как адаптировать AI под свой продукт?
Embedding & attention: как LLM "запоминают" и "понимают" данные
Fine-tuning LLM: когда нужно, а когда можно обойтись промптами
ML в CRM, рекомендательные баннеры, Uplift-модели в рекламе
Конкретные кейсы: от динамического ценообразования до диагностики и предиктивной аналитики, метрики продуктов.
Как меняются требования к модели в зависимости от контекст Результат: ориентирование в индустриальных паттернах и особенностях внедрения ML в разных сферах
Воркшоп: Решаем кейсы из индустрии с ML продуктами
Занятие: Как читать, писать и проверять SQL
Основы баз данных
SELECT, WHERE, JOIN, GROUP BY
Чеклист продакт-запроса: что спрашивать, чтобы не напутать
Результат: уверенное понимание базового SQL и умение делать запросы к БД для получения нужной информации
Воркшоп: Тренируемся делать базовые запросы к БД
Оконные функции
Фреймы (RANGE, ROWS и GROUPS, EXCLUDE, FILTER)
Подключаем LLM к генерации SQL - запроса
Создание дашбордов Результат: умение самостоятельно вытаскивать метрики, готовить дашборды, читать запросы
Воркшоп: Тренируемся делать сложную аналитику, строить дашборды
Обзор необходимый навыков для проекта
Необходимый формат и инструменты для создания проекта
Чек-лист проекта: этапы и заключение
Результат: Студенты готовы к выполнению итогового проекта, как описать и реализовать его.
Занятие: Резюме, кейсы и аналитика
Итоговый обзор пройденного материала
Чек-лист проверки ML проекта, оценка NPS и обратной связи
Обсуждение этических вопросов, рисков и управления ожиданиями
Рекомендации для пет-проектов и профессионального развития
Ответы на вопросы, анализ рынка и советы от экспертов
Бонус: Анализ вакансий ML PM
Результат: Закрепление знаний, понимание текущих трендов и готовность к дальнейшему развитию в области ML-продукт менеджмента.
Наша академия является №1 по средней заработной плате выпускников в 2023 году в сфере Продуктового Менеджмента. Мы официально признаны ИТ академией по образованию от программы TechOrda и соответствуем всем стандартам обучения высокого качества. Мы также являемся частью Международного Технопарка Astana Hub.
FAQ
Ответы и вопросы
Курс подходит всем, в том числе и для начинающих в ИТ сфере и желающих освоить профессию Продакт-менеджера и тем, кто хочет работать над продуктом
Мы 100% гарантированно возвращаем ваши деньги в первую неделю, если вам не понравится и если поймете, что Продакт менеджмент не для вас
Да, но зависит от вашего опыта и как вы подготовите ваши кейсы. Но есть ребята после окончания нашего курса устраивались на работу, повышали грейд или вообще меняли профессию
Таких нет, главное - ваше желание!
Курс длится 8 недель. Еженедельно у вас будут 2 онлайн лекции, и 4 заранее записанных видео для выполнения задач. Также, освоение новых инструментов таких как Jira, Amplitude. Будут платные закрытые материалы и интервью с вашим одногруппником (P2P interview sessions)
Остались вопросы?
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c Политикой конфиденциальности
На каждый поток выделяем - 20 количество мест
Оставьте контакты и наш менеджер свяжется с вами в ближайшее время
Как зарождался Продуктовый Менеджмент в Kolesa и Kaspi?