Product Owner

Мы строим фундамент MLOps платформы в масштабах Сбера. Мы ищем сильного Product Owner, который возьмет на себя развитие централизованных сервисов автоматизации производственного цикла Classic ML. Вашими продуктами станут CI/CD-конвейеры для ML (real-time online inference и тяжелые batch-процессинги). Ваша миссия — сократить Lead Time от обучения модели до её промышленной эксплуатации, обеспечив надежность и управляемость на уровне всего Банка.

Вам предстоит работать на стыке потребностей бизнес-заказчиков, строгих регуляторных требований Enterprise и сложных инженерных вызовов (Kubernetes, Hadoop, S3).

• Стратегия и видение: разработка и синхронизация продуктовой стратегии платформы с глобальной стратегией компании по развитию Classic ML функции.
• Исследование рынка MLOps-решений (Open-source, SaaS) и внедрение лучших практик для обеспечения скорости и надежности доставки моделей.
• Определение метрик успеха платформы (Developer Experience Score, Time-to-Production, утилизация GPU/CPU, Reliability SLO).
• Управление продуктом и бэклогом: формирование и приоритизация бэклога, балансируя между функциональными требованиями DS-команд, техническим долгом и задачами по масштабированию (High Load).
• Декомпозиция сложных технических эпиков на user stories с четкими критериями приемки (DoR/DoD).
• Управление жизненным циклом версий API (включая стратегию депрекации старых версий).
• Взаимодействие со стейкхолдерами: выступать «голосом заказчика» для внутренних команд Data Science и ML-инженеров, выявляя боли в процессах деплоя и мониторинга.
• Управление ожиданиями бизнес-заказчиков: объяснение технических ограничений, SLA/SLO, стоимость владения моделью в продакшене.
• Тесное сотрудничество с Tech Lead, архитекторами и смежными продуктовыми командами (Data Platform, IAM/Security, Мониторинг).
• Контроль реализации: приемка инкрементов: проверка гипотез через метрики, а не через субъективные ощущения.
• Обеспечение полной наблюдаемости сервисов (логирование, трейсинг, алертинг) на уровне продукта.
• Обеспечение соблюдения стандартов ИБ и комплаенса (шифрование, аудит действий, управление секретами) на этапе проектирования, а не постфактум.

• Опыт в MLOps / Data Engineering: опыт управления продуктами в области машинного обучения, или высоконагруженной инфраструктуры от 3-х лет.
• Технический бэкграунд: понимание архитектуры ML-систем (признаки, модель, инференс). Знание того, как работают Docker, Kubernetes, Helm, Kafka/RabbitMQ. Понимание разницы между Online (gRPC/REST) и Batch инференсом.
• CI/CD и GitOps: четкое понимание принципов непрерывной интеграции и доставки, опыт работы с триггерами пайплайнов, деплой-стратегиями (Canary, Blue-Green, Shadow).
• Управление требованиями: опыт формализации строгих нефункциональных требований (SLA 99.9%, RTO/RPO, latency < 50ms, throughput > 10k RPS).
• Экономика платформы: опыт построения cost-эффективных решений, понимание принципов FinOps (учет потребления GPU/CPU командами).
• Soft Skills и Достижения: системное мышление, коммуникация со сложной аудиторией, ориентация на результат, управление зависимостями.
• Будет плюсом: опыт работы с ML Feature Store (Feast, Tecton или in-house решения), понимание специфики мониторинга моделей (Data Drift, Model Decay) в проде, опыт работы с Open Policy Agent (OPA) или аналогичными системами авторизации, сертификация PO/PM (CSPO, SAFe PM/PO) при наличии реального технического опыта.

• комфортный современный офис в Москве