Менеджер продукта в проекте RecEngine
Описание
Команда отвечает за повышение качества персонализированных рекомендаций по развитию бизнеса корпоративных клиентов. Ищем эксперта, который умеет выявлять недостатки в ответах агентов, докапываться до деталей, видеть закономерности в кейсах и переводить бизнес-специфику в чёткие правила работы агентов Обязанности качество и разбор кейсов: выявлять дефекты ответов (логика, арифметика, сопоставимость периодов, структурные ошибки JSON, неверный выбор инструмента), группировать их в паттерны причин, формировать гипотезы улучшений правила и стандарты: определять формат межагентных сообщений, политику «когда считаем в модели/через инструмент/в Python», описывать «как выглядит хороший ответ» для разных зон внимания и отраслей, формулировать критерии приёмки эксперименты: планировать и проводить эксперименты «до/после» (промпты, параметры, инструменты), фиксировать эффект по качеству, стоимости и задержке взаимодействие: работать в связке с Python-разработчиками и промт-инженерами: постановка задач, проверка результатов, упаковка решений «в пакет на внедрение». Требования сильная экспертиза в анализе данных (уровень Middle+): умение формулировать гипотезы, выбирать корректные метрики, строить и проверять расчёты, обеспечивать сопоставимость периодов и баз сравнения, фиксировать выводы и ограничения профессиональное понимание бизнес-анализа: финансы компании (выручка, себестоимость, прибыль, денежные потоки), маржинальность и структура затрат, драйверы P&L, экономика продукта/услуги, логика ценообразования, цепочка создания стоимости и каналы продаж; умение связывать управленческие решения с доходами и затратами наличие реализованных кейсов (рабочих): агент/валидатор/прототип с измеримым приростом качества и наглядным «до/после» навыки python + аналитика данных: Jupyter, pandas, numpy, scipy, базовые методы scikit-learn, визуализация (matplotlib/plotly) LLM-грамотность: понимание промптов и контекста, строгого JSON/схем, function calling на уровне концепции, ключевых параметров инференса (temperature, top_p) и их влияния на поведение понимание экосистемы агентов: GigaChat SDK, LangGraph, GigaChain, LangChain, LlamaIndex умение пользоваться инструментами для агента: RAG, GraphRAG, KAG, MCP; опыт вызова инструментов через function calling. Условия комфортный современный офис рядом с м. Кутузовская (офисный формат работы) расширенный ДМС с первого дня и льготное страхование для близких подписка Прайм с возможностью совместного использования на трёх близких корпоративная пенсионная программа гибкий дисконт по ипотечному кредиту 1/3 ключевой ставки ЦБ более 400 образовательных программ СберУниверситета для профессионального и карьерного развития вознаграждение за рекомендацию друзей в команду Сбера.