Тимлид AI - проектов

• Организация и ведение операционной деятельности команды: дейли-митинги, спринт-планирования, ретроспективы, проведение демо для заказчика;
• Управление командами разработки ИИ проектов: ML-инженеры, data scientists, backend-разработчики, включая описание и постановку задач, архитектурные решения, ревью, рост компетенций, выстраивание процессов поставки в prod;
• Контроль соблюдения сроков и качества результатов по всем активным проектам;
• Проектирование и внедрение LLM решений: NER/классификация/обогащение, semantic search и RAG пайплайны, подготовка датасетов, fine tuning, улучшение метрик;
• Сбор и формализация бизнес-требований, перевод бизнес-проблем в технические задачи с определением метрик эффекта и критериев приёмки;
• Организация процессов тестирования, валидации и мониторинга ML-моделей в продуктовой среде; защита метрик качества перед заказчиком;
• Ведение проектной документации в соответствии с принятыми стандартами и регламентами компании.

• Опыт тимлида DS/ML (4+ лет) и общий опыт в IT около 6 лет, с фокусом на end-to-end внедрения AI/ML решений;
• Умение переводить бизнес-проблемы в технические задачи: формулировка AI гипотез, определение метрик успеха, критерии приёмки;
• Опыт оценки трудозатрат для комплексных AI-проектов;
• Инструменты управления: Jira, Confluence или аналоги для трекинга задач, ведения документации и управления бэклогом;
• Понимание полного жизненного цикла ML-проекта: сбор данных, разметка, обучение, валидация, деплой, мониторинг;
• Понимание принципов работы LLM, GenAI, RAG и агентных систем — на уровне, достаточном для оценки рисков и постановки задач команде;
• Понимание принципов MLOps: CI/CD для моделей, версионирование данных, автоматизация пайплайнов;
• Высокий уровень владения языком Python и опыт разработки production решений и интеграций с корпоративными системами;
• Практика работы с корпоративными базами данных (PostgreSQL, ClickHouse, Vertica или аналогичными) и построением витрин/ETL (Airflow, Kafka и т.п.).

Будет плюсом:

• Опыт разработки AI-решений в регулируемых отраслях (нефтегаз, финансы, государственный сектор);
• Опыт формирования и масштабирования AI-команд;
• Базовые знания SQL для самостоятельной работы с данными и понимания задач команды;
• Опыт работы с векторными БД (Qdrant/Milvus) и построением LLM агентов/многошаговых диалогов.