TechLead в DS команде — принципы эффективной организации

TechTalk

Доклад принят в программу конференции

Целевая аудитория

Специалисты, интересующиеся организацией бизнес-процессов и рассматривающие компании уровня энтерпрайз в качестве потенциального места работы.

Тезисы

Техлидирование DS-команд имеет свои особенности:
1. “Рутинизация” процессов разработки моделей и постоянное повышение уровня абстракции задач команды

Сервисы по автоматическому и полуавтоматическому обучению и внедрению моделей, стандартные пайплайны разработки моделей позволяют избавить моделистов от рутинных задач и однотипных моделей. Как только возникает задача по разработке второй похожей модели, требуется повысить уровень абстракции задачи и переходить на разработку обобщенного решения. Это позволяет не только повысить time2market, но и сохранять интерес команды к работе, выделить время на новые и интересные задачи, в том числе R&D.

2. Exploitation vs Exploration в развитии компетенций в команде

Разработка собственных инструментов и стандартизация рутинных задач могут привести к найму людей для поддержания и развития уже сложившегося процесса (Exploitation), попадая в ловушку локальных инноваций — шлифуем процессы и улучшаем детали. Важно сохранять в команде дух Exploration — создавать новые процессы и кардинально перестраивать даже хорошо работающее, выходить из зоны комфорта. И это зачастую проблема не только найма людей (с другим бэкграундом), но и менеджмента.

3. Soft skills и Business understanding как драйвер адаптации ml в компании

В DS-командах важно взаимодействие с заказчиком, от команды требуется умение работать в условиях нечеткой постановки задачи, способность погружаться в бизнес-процессы заказчика, стремление осознать, что скрывается за числами и функцией распределения данных, как влияют модели на итоговые бизнес-метрики end-to-end. Соответственно, процесс найма и развития сотрудников направлен на развитие soft skills в команде.

Алексей Найденов

Газпромбанк

Исполнительный директор по разработке моделей Департамента анализа данных и моделирования.

В IТ и DS-индустрии более 15 лет. Начинал как научный сотрудник и разработчик эконометрических моделей. Работал в банках, разрабатывал и внедрял модели машинного обучения.

Газпромбанк

Газпромбанк — один из крупнейших банков России. Не просто банкиры: они создают искусственный интеллект, придумывают новые цифровые продукты и поддерживают профессиональное комьюнити. Ещё они считают, что в центре инноваций — человек, и хотят стать лидерами среди дата-центричных и диджитализированных банков страны.

Видео