На базе Новосибирского государственного технического университета завершилась региональная олимпиада по налогам и налогообложению, проводимая совместно с одной из крупнейших в мире сетей, оказывающих аудиторские, налоговые и консультационные услуги, – компанией КПМГ. Данное предприятие входит в большую четвёрку крупнейших мировых аудиторских компаний. Участниками олимпиады стали команды ведущих вузов Сибири: Томского государственного университета, Новосибирского государственного технического университета, новосибирского филиала РАНХиГС, Новосибирского государственного университета экономики и управления, Кемеровского государственного университета.
Опорный вуз Кузбасса представляли студенты профиля «Налоги и налогообложение» Института экономики и управления: Арам Киракосян, Юлия Кирсанова, Регина Бедерина и Александра Голикова, под руководством преподавателей кафедры бухгалтерского учёта, анализа, аудита и налогообложения Аллы Александровны Хандрамай и Ирины Васильевны Корчагиной. В командном зачёте экономисты КемГУ заняли первое место. В индивидуальном зачёте Регина Бедерина и Юлия Кирсанова заняли первое и второе место.
Фото Дмитрия КИРЧАНОВА
Заполните все поля.
Ваша заявка отправлена.
Настоящим в соответствии с Федеральным законом от 27 июля 2006г. № ФЗ-152 «О защите персональных данных» я подтверждаю согласие на обработку своих персональных данных.
Персональные данные – любая информация, относящаяся к определенному или определяемому на основании такой информации физическому лицу (субъекту персональных данных), в том числе его фамилия, имя, отчество, год, месяц, дата и место рождения, адрес, семейное, имущественное положение, образование, профессия, доходы, другая информация. Обработка персональных данных – действия (операции) с персональными данными, включая сбор, систематизацию, накопление, хранение, уточнение (обновление, изменение), использование, распространение (в том числе передачу), обезличивание, блокирование, уничтожение, проверку персональных данных.
Я даю согласие на проверку и обработку своих персональных данных.