Стратегическое лидерство: формирование технологической и продуктовой стратегии развития NLP-направления в банке. Определение дорожной карты и контроль её выполнения.
Управление командой и развитие. Руководство коллективом из ~30 ML-инженеров и менеджеров (руководители отделов, тимлиды, линейные сотрудники различной степени синьорности). Построение эффективных процессов, развитие талантов, повышение уровня экспертизы.
Бюджетирование и ресурсы. Операционное и финансовое планирование управления. Оптимизация ресурсов и бюджетов на проекты.
Внедрение и масштабирование. Обеспечение перевода моделей в промышленную эксплуатацию; контроль за качеством, надежностью и масштабируемостью решений.
Экосистема и взаимодействие. Ключевой контакт для топ-менеджмента банка и руководителей бизнес-направлений. Выстраивание эффективного сотрудничества с ИТ, Data- и MLOps-подразделениями.
Наши пожелания к кандидатам
Успешный опыт руководства крупными (20+ человек) распределенными командами со сложной структурой (несколько отделов/направлений) от 5 лет.
Экспертиза в области диалоговых систем (Chatbots/Voicebots). Опыт интеграции с голосовыми платформами (ASR/TTS), мессенджерами, CRM-системами.
Понимание полного цикла разработки: от проектирования диалоговых сценариев до запуска и анализа эффективности продуктового решения (CGR, FCR, NPS).
Знание архитектурных подходов и фреймворков: Rasa/Dialogflow/CX, специализированные in-house фреймворки. Понимание актуальных нейроархитектур и опыт работы с моделями, такими как GPT, LSTM, BERT и др.
Экспертиза в области Large Language Models (LLM) и RAG.
Дообучение (Fine-tuning) LLM. Практический опыт применения и руководства проектами по тонкой настройке малых/специализированных LLM (например, на базе Llama, Gemma, Qwen) с использованием современных методов (LoRA/QLoRA, PEFT).
Глубокое понимание и опыт внедрения RAG-архитектур для повышения точности и актуальности ответов моделей. Ключевые технологии: векторные базы данных (например, Chroma/Weaviate/Qdrant/FAISS), фреймворки для семантического поиска и чанкинга (LlamaIndex, LangChain — предпочтительно), механики ранжирования и переранжирования.
Знание методик и инструментов для оценки качества LLM (сравнение метрик, A/B-тестирование, человеческая оценка).
Общий стек: Python, PyTorch, Transformers (Hugging Face), Spacy, NLTK. Понимание принципов CI/CD для ML, инструментов для мониторинга и версионирования моделей и данных (MLflow, DVC, Git), работа с контейнеризацией (Docker, Kubernetes).
Условия
Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования.
Возможность гибридного и удаленного графика работы.
Карьерный рост: ты будешь понимать, что нужно сделать для перехода на другой уровень.
Чувство локтя: у нас дружелюбная атмосфера и команда лучших профессионалов, которые готовы делиться с тобой экспертизой.
Забота о твоем здоровье: программа ДМС, куда входит стоматология и обслуживание в лучших клиниках города, скидки на абонементы в фитнес-клубы, неформальные спортивные сообщества.
Возможности для разнообразного досуга: скидки на услуги туристических агентств, продукты питания, в рестораны и бары, в магазины и салоны красоты.
