ML BORODA (Mikhail Borodastov)

Кардинальная смена работы. Кто из нас не задумывался об этом?

Все продукты с применением AI/ML можно условно разделить на 2 типа.

В классической продуктовой разработке обычно можно четко описать ожидаемый результат. Функциональность проверяется относительно исходных требований к логике работы системы.

Роль ML Product Manager предполагает тесное взаимодействие с командой Data Scientist-ов. Мне удалось поработать с 50+ DS-ми в разных компаниях. Ниже опишу важные качества, которыми обладали самые сильные ребята.

LLM работает с токенами. На каждом шаге генерации ответа модель выдает вектор логитов.

Когда вы выводите ML-продукт на B2B рынок, вы почти всегда проходите одну и ту же цепочку:

Казалось бы все просто.

В Wildberries я отвечал за техническую секцию собеседований на роль Technical Product Manager AI/ML-продуктов. В посте расскажу, как проводил собесы.

На слайде архитектура и родмап построения цифровых двойников в промышленности. (Цемент, руда, газ, алюминий, бумага — 5 доменов, с которыми удалось поработать)

Если у вас в компании есть потоки повторяющихся вопросов от пользователей или сотрудников, ответы на которые содержатся во внутренних источниках, то рано или поздно встает задача автоматизации, повышения качества ответов и снижения нагрузки на дежурных.

Продолжаю серию постов о важности разделения AI PM и ML PM. На этот раз решил зайти со стороны оценки рынка. За май на hh было опубликовано 416 вакансий. После фильтрации осталось 50.