Product Owner MLOps в ПАО Сбербанк Москва

Product Owner для развития централизованных MLOps-сервисов автоматизации производственного цикла Classic ML в масштабах Сбера.

Задачи:

• 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).
• 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).
• 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).
• 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).
• Системное мышление: способность видеть платформу целиком, а не только отдельные фичи.
• 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.

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
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера

Навыки:

• MLOps
• CI/CD
• GitOps
• Docker
• Kubernetes
• Helm
• Kafka
• RabbitMQ
• gRPC
• REST
• Hadoop
• S3
• FinOps
• Open Policy Agent
• Feast
• Tecton