Technical Product Owner

Описание

Мы в Управлении по работе с данными ИИ обеспечиваем полный цикл работы с данными для продуктовых команд и предоставляем аналитические инструменты и сервисы по работе с данными. Наша задача – создать платформу, которая предоставляет данные специализированных доменов по запросу, а также инструменты по работе с ними. Обязанности Формирование продуктовой стратегии платформы сбора и обогащения данных для задач дообучения фундаментальных ИИ моделей Сбор и приоритезация требований от клиентов (data scientists, ML engineers, платформенные команды), формирование продуктовых инициатив Управление бэклогом продукта: декомпозиция задач, формализация требований, постановка целей и критериев успеха Мониторинг качества данных, внедрение метрик и процессов контроля качества, организация процесса проведения регулярных eval'ов Анализ рынка решений в области SOTA моделей, синтетических данных и подготовки данных для обучения фундаментальных моделей Проведение демо, презентаций и материалов для внутренних и внешних стейкхолдеров Требования Продуктовый стек: Опыт работы в роли Product Owner или Product Manager от 2+ лет в ML‑ или AI‑продуктах, желательно с фокусом на data/ML‑платформы или модели Уверенные навыки управления бэклогом: планирование и приоритизация задач в рамках Agile/Scrum, работа в Jira или сопоставимых системах Практический опыт работы с продуктовыми метриками, построения дерева метрик Способность извлекать инсайты из данных (продуктовая аналитика, эксперименты) и формулировать на их основе продуктовые гипотезы Сильные коммуникационные навыки и опыт взаимодействия с инженерными, ML‑ командами. Плюсом будет опыт работы с BI‑инструментами и платформами аналитики (например, Metabase, Apache Superset) Технический стек: Понимание архитектуры data-платформ (в том числе ETL/ELT, data lakes/warehouses) Практический опыт обучения и дообучения моделей: классические ML‑модели, глубокие нейросети и/или LLM, включая работу с пайплайнами подготовки данных, мониторинга и переобучения Понимание особенностей дообучения фундаментальных моделей (LLM/vision/мультимодальных): работа с инструктивными датасетами, синтетическими данными Опыт работы с современными SOTA‑моделями и фреймворками: использование готовых foundation‑моделей, их адаптация под прикладные задачи Опыт работы с API-продуктами и/или продуктами, работающими по модели Data as a Service Условия комфортный современный офис рядом с м. Кутузовская ежегодный пересмотр зарплаты, годовая премия корпоративный спортзал и зоны отдыха система обучения для профессионального и карьерного развития расширенный полис ДМС с первого дня работы и страхование для семьи льготная программа ипотеки для сотрудников бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.