Менеджер продуктов машинного обучения

Siberian Wellness - уникальная международная компания с 30-летней историей, которая выросла из сибирской силы и российской предпринимательской энергии в устойчивую, масштабную международную организацию, продукция которой востребована в более чем 60 странах.

Мы производим биологически активные добавки, витамины, косметику, парфюмерию, спортивное и функциональное питание для активного образа жизни и отличного самочувствия.

Мы стремительно развиваемся, и не боимся ломать привычные рамки и стереотипы.

Компания объединяет научный подход, силу природы и человеческий потенциал, чтобы предлагать не просто продукты, а образ жизни — с заботой о себе, других и планете.

Присоединяйся к команде заряженных людей!

Кто мы:

Небольшая прикладная ML-команда (3 человека), где ML — источник реальной ценности, а не витрина.

Внутренние заказчики часто приходят с размытыми или «магическими» ожиданиями — мы приземляем их в работающие решения.

Работаем удалённо (есть офисы), процессы лёгкие: канбан + двухмесячные спринты, минимум бюрократии.

Зачем роль

Освободить техлида от продуктово-менеджерской рутины и усилить «мост» между командой и заказчиками. Это не «календарный звонарь», а со-автор продукта. Горизонт — долгий; естественный рост в лидерство приветствуется.

Что делать

• Общаться с внутренними заказчиками, переводить «хотелки» в проверяемые гипотезы и понятные постановки.

• Связывать офлайн-метрики моделей с продукт/бизнес-метриками; формулировать критерии успеха и план измерений.

• Держать бэклог, приоритеты, риски; настраивать ритмы (синки, демо, ретро) без лишнего формализма.

• Вести короткие решения-доки/one-pagers, фиксировать договорённости, поддерживать прозрачность.

• Иметь техническую насмотренность: читать Python/ноутбуки, поправить мелочи (конфиг, простая предобработка), понимать MLOps-поток. Требования (must-have).

• 3–6+ лет в ML/данных/продукте/менеджмент (TPM/PM в DS/ML или инженер с продуктовым опытом).

• Статистическая грамотность: гипотезы, эффекты, доверительные интервалы, дизайн экспериментов, A/B, ошибки I/II рода.

• Умение «переводить» между бизнес-языком и ML-экспериментами; сильная письменная коммуникация.

• Python/SQL на уровне чтения и мелких правок; понимание жизненного цикла ML-фич (данные → модель → прод → мониторинг).

Мы можем рассмотреть кандидатов, которые не соответствуют всем требованиям, но которым интересно развиваться в них.

Формат

• Удалённо/гибрид, рабочий оверлап обязателен;

• Культура: мало митингов, doc-first, можно и нужно спорить с процессами по делу.