Product Owner (MLOps)

СБЕР

Москва

🏢 Офис

Senior

Полная занятость

Россия

Описание вакансии

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.

Требования

•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: Способность видеть платформу целиком, а не только отдельные фичи. Понимание того, как изменение в CI/CD влияет на бизнес-эффекты.

•Коммуникация со сложной аудиторией: Умение разговаривать на языке инженеров (про gRPC и сериализацию) и на языке бизнеса (про окупаемость и риски).

•Ориентация на результат: Опыт вывода платформенных сервисов от стадии "пилот" до массового adoption (сотни моделей в проде).

•Управление зависимостями: Опыт работы в матричной структуре крупной компании, умение договариваться со смежными командами без прямых административных рычагов.

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.

Условия

•комфортный современный офис рядом с м. Тульская

•возможность выбрать удобный график – офис/гибрид

•ежегодный пересмотр зарплаты и годовая премия

•корпоративный спортзал и зоны отдыха

•более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

•расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа