Менеджер по качеству данных (ML-датасеты)

2ГИС·Удаленно·5 дн назад

Менеджер по качеству данных (ML-датасеты)

Ориентир по рынку≈ 105 000 – 250 000 ₽наша приблизительная оценка по 34 вакансиям этой роли и грейда, у работодателя вилка не указана

🌍 УдалённоMiddleПолная занятостьПродуктовая

≈ 105 000 – 250 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Вилку работодатель не назвал. Ориентир на созвон: столько платят в 34 похожих вакансиях Менеджер уровня Middle.

платят меньше105 000 – 250 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Опубликована 5 дней назад. Свежие вакансии почти всегда живые.

Свежая

Описание

Обязанности: 10, требования: 13. Понятно, что за работа, ещё до отклика.

Обещают: аккредитованная IT-компания
Не сказано: как оформят, из каких стран можно работать и часовой пояс команды

Подробно

Что требуют

ОбязательноMLComputer VisionNLPLLMPython

ПлюсомHTMLCSSJavaScript

Надбавка к зарплате на этом уровне: Python +40%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

Качественные данные — основа машинного обучения. От того, насколько датасет полон, точен, репрезентативен и актуален, напрямую зависит качество модели в продукте. Мы создаём датасеты, которые помогают 2ГИС находить дорожные знаки, выделять здания на спутниковых снимках, отличать фотографии меню от интерьеров и оценивать привлекательность контента. Работаем с задачами Computer Vision, NLP и AI.

О роли

Ищем менеджера по качеству данных, который будет отвечать за создание, развитие и валидацию датасетов для ML-моделей. Ты будешь проектировать процессы сбора и разметки данных, выстраивать контроль качества, автоматизировать повторяемые этапы и вместе с ML-командами улучшать данные на основе результатов моделей.

Чем предстоит заниматься

Проектировать, запускать и поддерживать процессы сбора, обработки, разметки и валидации данных

Формулировать требования к датасетам совместно с командами Computer Vision, NLP и AI

Определять критерии качества данных, организовывать проверки разметки и анализировать ошибки

Оценивать скорость, стоимость и качество разметки; находить узкие места и улучшать процесс

Проводить эксперименты с подходами к разметке, автоматизации и контролю качества, анализировать результаты и принимать решения на их основе

Использовать LLM и другие инструменты автоматизации для ускорения подготовки и проверки данных

Работать с асессорами и заказчиками: объяснять требования, собирать обратную связь, устранять проблемы в процессе

Развивать типовые пайплайны и масштабировать успешные решения на новые задачи

Поддерживать датасеты после запуска: расширять их при дрейфе данных, появлении новых сценариев и изменении требований к качеству модели

Писать понятные инструкции для асессоров, правила разметки и промпты для LLM

Наши требования

Работал(а) с краудсорсинговыми проектами, разметкой данных или контролем качества разметки

Умеешь декомпозировать неопределённую задачу на измеримый процесс: определить входные данные, правила, критерии приёмки и метрики качества

Умеешь оценивать и сопоставлять качество, скорость и стоимость разных подходов к разметке

Владеешь Python на уровне, достаточном для анализа данных, подготовки выборок и написания скриптов для автоматизации

Умеешь формулировать и тестировать промпты для LLM, оценивать качество результатов и учитывать ограничения такого подхода

Можешь вести несколько задач одновременно, расставлять приоритеты и прозрачно управлять ожиданиями

Умеешь вовлекать нужных участников в решение задачи и объяснять сложные вещи понятным языком

Знаком(а) с основными принципами машинного обучения и жизненным циклом ML-моделей

Работал(а) с датасетами для задач Computer Vision, NLP или генеративного AI

Знаешь HTML, CSS и JavaScript — это поможет при работе с интерфейсами и инструментами разметки

Имеешь опыт разработки или доработки внутренних инструментов для разметки, валидации либо контроля качества данных

Работал(а) с метриками качества разметки, inter-annotator agreement, аудитами ошибок или активным обучением

Мы не ждём совпадения со всеми пунктами. Если тебе близки задачи на стыке данных, процессов, качества и машинного обучения — откликайся. Для нас важны системное мышление, ответственность за результат и готовность разбираться в новых типах ML-задач