Привет! С вами Антон Семенистый. В сентябре я выступал на конференции Practical ML.
👉 Рассказал про первые исследования Авито в области нейросетевых моделей для предсказания CTR объявлений в поисковой выдаче.
👉 Показал итоги исследований и экспериментов, в результате которых мы получили устойчивый прирост по ML-метрикам по сравнению с текущими решениями.
👉 Поделился одним из подходов к внедрению DL-моделей, благодаря которому запустили первые технические тесты малыми силами без серьёзной перестройки инфраструктуры.
Краткие тезисы доклада читайте в карточках ↑
👉 Рассказал про первые исследования Авито в области нейросетевых моделей для предсказания CTR объявлений в поисковой выдаче.
👉 Показал итоги исследований и экспериментов, в результате которых мы получили устойчивый прирост по ML-метрикам по сравнению с текущими решениями.
👉 Поделился одним из подходов к внедрению DL-моделей, благодаря которому запустили первые технические тесты малыми силами без серьёзной перестройки инфраструктуры.
Краткие тезисы доклада читайте в карточках ↑
🔥13❤5👍3👎1
Расширения для Visual Studio Code. Часть 1
Привет! С вами Артём, и я запускаю новую серию тематических постов. В этот раз про расширения для Visual Studio Code.
Сегодня рассмотрим, возможно, не самые популярные, но полезные расширения, которые упрощают мою работу каждый день.
Не будем обсуждать стандартные штуки, которые ставятся автоматически при работе с определёнными языками программирования и фреймворками (например, Jupyter, Python, Pylance и другие).
Сейчас предлагаю перейти к карточкам ↑, а потом вернуться к посту, чтобы разобраться, как эти расширения установить.
Существует два подхода:
— Сделать запрос в поисковике, перейти на сайт marketplace.visualstudio.com и нажать кнопку
— Установить напрямую в Visual Studio Code через панель расширений (
Прямые ссылки на расширения для вашего удобства:
— Black Formatter
— isort
— Code Spell Checker + Русский языковой пакет — Russian - Code Spell Checker.
— SQL Formatter
— vscode-pdf
В следующий раз рассмотрим ещё 4 полезных расширения для VS Code.
Если вам интересно получать такие практические советы, поставьте ✍️ под постом, чтобы мы продолжили развивать это направление! (А ещё нам просто приятно) 🙂
Привет! С вами Артём, и я запускаю новую серию тематических постов. В этот раз про расширения для Visual Studio Code.
Сегодня рассмотрим, возможно, не самые популярные, но полезные расширения, которые упрощают мою работу каждый день.
Не будем обсуждать стандартные штуки, которые ставятся автоматически при работе с определёнными языками программирования и фреймворками (например, Jupyter, Python, Pylance и другие).
Сейчас предлагаю перейти к карточкам ↑, а потом вернуться к посту, чтобы разобраться, как эти расширения установить.
Существует два подхода:
— Сделать запрос в поисковике, перейти на сайт marketplace.visualstudio.com и нажать кнопку
Install.— Установить напрямую в Visual Studio Code через панель расширений (
Ctrl+Shift+X или Cmd+Shift+X).Прямые ссылки на расширения для вашего удобства:
— Black Formatter
— isort
— Code Spell Checker + Русский языковой пакет — Russian - Code Spell Checker.
— SQL Formatter
— vscode-pdf
В следующий раз рассмотрим ещё 4 полезных расширения для VS Code.
Если вам интересно получать такие практические советы, поставьте ✍️ под постом, чтобы мы продолжили развивать это направление! (А ещё нам просто приятно) 🙂
✍31❤🔥7🔥7🥱1
Всем привет! Мы регулярно пишем на Хабр статьи про LLM и не только. Решили показать, что мы успели написать за эту осень:
✍️ Статья от Серёжи Кляхандлера о том, как DS-инженеры совершенствуют автогенерацию описаний и пополняют индекс объявлений Авито.
Читать →
✍️ Показали 10 докладов про ML и LLM с Data Fest Day 2025.
Читать →
✍️ Илья Петряшин написал статью, как мы в Авито обучили ML-модель находить «договорённости» без данных о сделках.
Читать →
✍️ Анастасия Рысьмятова рассказала в статье, как в Авито сделали свою LLM — A-vibe.
Читать →
Если вы что-то пропустили, — советуем наверстать. Напишите в комментариях, какая тема понравилась больше других и почему.
❤️ — если уже видели все статьи.
✍️ Статья от Серёжи Кляхандлера о том, как DS-инженеры совершенствуют автогенерацию описаний и пополняют индекс объявлений Авито.
Читать →
✍️ Показали 10 докладов про ML и LLM с Data Fest Day 2025.
Читать →
✍️ Илья Петряшин написал статью, как мы в Авито обучили ML-модель находить «договорённости» без данных о сделках.
Читать →
✍️ Анастасия Рысьмятова рассказала в статье, как в Авито сделали свою LLM — A-vibe.
Читать →
Если вы что-то пропустили, — советуем наверстать. Напишите в комментариях, какая тема понравилась больше других и почему.
❤️ — если уже видели все статьи.
❤11🔥4
Привет! Я Денис Кайшев — Старший Backend-инженер. В следующий четверг в прямом эфире я проведу ML reading club. Мы прочитаем и разберём статью Demystifying NCCL: An In-depth Analysis of GPU Communication Protocols and Algorithms, чтобы изучить внутреннюю архитектуру библиотеки NCCL.
Вот о чём поговорим:
— как работают внутренние механизмы, для которых почти нет документации,
— как описываются способы обмена при intra/inter node взаимодействии,
— как строятся алгоритмы коллективных операций.
📌 Трансляцию проведём 20 ноября в 18:00 в Контур Толке.
📌 За час до эфира пришлём напоминание и ссылку на встречу.
Приходите — будет интересно!
Вот о чём поговорим:
— как работают внутренние механизмы, для которых почти нет документации,
— как описываются способы обмена при intra/inter node взаимодействии,
— как строятся алгоритмы коллективных операций.
📌 Трансляцию проведём 20 ноября в 18:00 в Контур Толке.
📌 За час до эфира пришлём напоминание и ссылку на встречу.
Приходите — будет интересно!
🔥16❤6⚡2
Всем привет! Я — Света Широковских, DS-инженер в Авито, и сегодня расскажу, как мы с коллегами участвовали в соревновании e-cup от Ozon. Заняли третье место в треке «Логистика» 🎉
В чём задача
Нужно было оптимально распределить заказы по курьерам и построить маршруты. Учитывались разные условия:
— ограничение на рабочее время каждого курьера,
— разное время обслуживания точек,
— микрополигоны, все точки на которых обслуживает один курьер,
— и даже бонусные баллы за сбалансированные маршруты.
Такую постановку можно точно выразить в терминах ЦЛП (целочисленного линейного программирования). Подобные задачи в общем случае NP-трудны, и наша — не исключение.
Часто их решают с помощью солверов, например, на основе метода branch and bound (перебор с отсечениями).
Задачи ЦЛП встречаются во множестве областей — даже в ранжировании на Авито. У меня был доклад про это на конференции e-code.
Как решали
Мы быстро написали бейзлайн, приближённо решив задачу с помощью солвера. А дальше стало ясно, что для улучшения нужно использовать эвристики. Мы реализовали несколько ruin-recreate операторов (они сначала частично разрушают, а потом более оптимально восстанавливают маршруты) на Python, увидели улучшения, а затем ради скорости переписали всё на C++.
Обычно в соревнованиях по машинному обучению можно усреднить предсказания моделей и получить улучшение. В этой задаче всё было не так просто, но мы нашли аналог — распараллелили проверку разных подходов, а потом собрали их в последовательный пайплайн, в котором решение постепенно улучшается на каждом шаге.
Вот как выглядело финальное решение
1️⃣ сначала применяли солвер,
2️⃣ затем снова солвер, но с уменьшенным множеством курьеров,
3️⃣ потом применяли балансировку,
4️⃣ и в конце улучшали результат с помощью эвристик.
Итоги и впечатления
Благодаря такой комбинации точных и эвристических методов мы заняли третье место 🏆
Это соревнование дало возможность не только попробовать себя в новой задаче, но и поработать в команде, где каждый участник усиливает общий результат. Особенно важно быстро экспериментировать и не бояться пробовать разные подходы — например, нейросети очень помогли нам писать код.
Обязательно поучаствую ещё в каком-нибудь соревновании. Ждите новых постов 🚀
В чём задача
Нужно было оптимально распределить заказы по курьерам и построить маршруты. Учитывались разные условия:
— ограничение на рабочее время каждого курьера,
— разное время обслуживания точек,
— микрополигоны, все точки на которых обслуживает один курьер,
— и даже бонусные баллы за сбалансированные маршруты.
Такую постановку можно точно выразить в терминах ЦЛП (целочисленного линейного программирования). Подобные задачи в общем случае NP-трудны, и наша — не исключение.
Часто их решают с помощью солверов, например, на основе метода branch and bound (перебор с отсечениями).
Задачи ЦЛП встречаются во множестве областей — даже в ранжировании на Авито. У меня был доклад про это на конференции e-code.
Как решали
Мы быстро написали бейзлайн, приближённо решив задачу с помощью солвера. А дальше стало ясно, что для улучшения нужно использовать эвристики. Мы реализовали несколько ruin-recreate операторов (они сначала частично разрушают, а потом более оптимально восстанавливают маршруты) на Python, увидели улучшения, а затем ради скорости переписали всё на C++.
Обычно в соревнованиях по машинному обучению можно усреднить предсказания моделей и получить улучшение. В этой задаче всё было не так просто, но мы нашли аналог — распараллелили проверку разных подходов, а потом собрали их в последовательный пайплайн, в котором решение постепенно улучшается на каждом шаге.
Вот как выглядело финальное решение
1️⃣ сначала применяли солвер,
2️⃣ затем снова солвер, но с уменьшенным множеством курьеров,
3️⃣ потом применяли балансировку,
4️⃣ и в конце улучшали результат с помощью эвристик.
Итоги и впечатления
Благодаря такой комбинации точных и эвристических методов мы заняли третье место 🏆
Это соревнование дало возможность не только попробовать себя в новой задаче, но и поработать в команде, где каждый участник усиливает общий результат. Особенно важно быстро экспериментировать и не бояться пробовать разные подходы — например, нейросети очень помогли нам писать код.
Обязательно поучаствую ещё в каком-нибудь соревновании. Ждите новых постов 🚀
🔥26❤9👍5
This media is not supported in your browser
VIEW IN TELEGRAM
🔥20❤10👍3💅2
👋 Привет! На связи Ярослав Хныков, Senior DS-инженер из команды рекомендаций на главной странице. Делюсь впечатлениями о прошедшей конференции ACM RecSys 2025 в Праге, куда я летал вместе с Мишей и Таней из команды item2vec.
Рассказываю о трендах и инсайтах с конференции.
📌 Универсальные модели — новый стандарт
→ Наблюдается активный переход от отдельных моделей под каждый рекомендательный сценарий к универсальным системам, которые решают сразу несколько задач (multi-task learning).
→ В Netflix утверждают, что универсальные модели помогают вырастить качество, ускорить внедрение инноваций, эффективнее использовать ресурсы и снизить количество моделей для поддержки.
📌 Диалоговые рекомендации заменят классический поиск
→ Активно развиваются диалоговые рекомендации на LLM-агентах, которые используют в качестве инструментов веб-поиск, классические рекомендательные модели и товарный поиск.
→ В Amazon верят, что в перспективе диалоговый режим с shopping-ассистентом полностью заменит традиционный поиск.
→ Основные челленджи — дообучение LLM на кейсах conversational shopping и оптимизации для эффективной работы на огромном трафике.
📌 Продолжают развиваться генеративные рекомендательные модели
→ Google, Meta и Kuaishou исследуют способы нативно интегрировать рекомендательные системы в LLM, без использования агентских систем.
→ Для этого используют семантические идентификаторы товаров, которые рассматривают как токены в LLM.
→ Ключевая идея — соединить мощь классического ранжирования RecSys и способности LLM к рассуждению.
Ну и, конечно, отдельное удовольствие — это неформальное общение с коллегами и возможность насладиться атмосферой прекрасной Праги!
Ещё предлагаю посмотреть видео и презентации с конференции
ACM RecSys — это главная мировая конференция в области рекомендательных систем. Просто представьте: в одном месте собираются сотни лучших умов из науки и индустрии с одной целью — научить алгоритмы угадывать наши желания лучше, чем мы сами.
Рассказываю о трендах и инсайтах с конференции.
📌 Универсальные модели — новый стандарт
→ Наблюдается активный переход от отдельных моделей под каждый рекомендательный сценарий к универсальным системам, которые решают сразу несколько задач (multi-task learning).
→ В Netflix утверждают, что универсальные модели помогают вырастить качество, ускорить внедрение инноваций, эффективнее использовать ресурсы и снизить количество моделей для поддержки.
📌 Диалоговые рекомендации заменят классический поиск
→ Активно развиваются диалоговые рекомендации на LLM-агентах, которые используют в качестве инструментов веб-поиск, классические рекомендательные модели и товарный поиск.
→ В Amazon верят, что в перспективе диалоговый режим с shopping-ассистентом полностью заменит традиционный поиск.
→ Основные челленджи — дообучение LLM на кейсах conversational shopping и оптимизации для эффективной работы на огромном трафике.
📌 Продолжают развиваться генеративные рекомендательные модели
→ Google, Meta и Kuaishou исследуют способы нативно интегрировать рекомендательные системы в LLM, без использования агентских систем.
→ Для этого используют семантические идентификаторы товаров, которые рассматривают как токены в LLM.
→ Ключевая идея — соединить мощь классического ранжирования RecSys и способности LLM к рассуждению.
Ну и, конечно, отдельное удовольствие — это неформальное общение с коллегами и возможность насладиться атмосферой прекрасной Праги!
Ещё предлагаю посмотреть видео и презентации с конференции
🔥19👍9
Привет! Напоминаем, что ждём вас на ML reading club через час. Вместе с Денисом Кайшевым прочитаем и разберём статью Demystifying NCCL: An In-depth Analysis of GPU Communication Protocols and Algorithms, чтобы изучить внутреннюю архитектуру библиотеки NCCL.
📌 Эфир пройдёт сегодня, в 18:00.
🔗 Ссылка на подключение в Контур Толк.
Приходите, будет интересно!
📌 Эфир пройдёт сегодня, в 18:00.
🔗 Ссылка на подключение в Контур Толк.
Приходите, будет интересно!
🔥10❤5👍1
Всем привет! На связи Алина Бабенко, Team Lead команды Auction Efficiency. В прошлый раз я рассказывала о команде и о том, зачем мы ходим на конференции. А сегодня напишу не столько о том, как мы развиваемся, сколько об отдыхе 🌴
Наша команда отвечает за монетизационный фактор в поиске и рекомендациях, в частности, мы обучаем модели конверсий. По работе мы много общаемся с командами поиска и рекомендаций, и по некоторым вопросам мнения совпадают не всегда 🫢 Но работа — это работа, она не мешает каждые 2 недели играть в настольные игры. Для этого собираются люди из многих команд отдела монетизации. Мы забываем про разногласия и отлично проводим время. 😎
Настолки бывают очень разные, и мне всегда сложно объяснить людям, во что мы играем. Мы выбираем не очень популярные игры, но такие, что отлично подходят для расслабленного пятничного вечера и больших кампаний.
Иногда мы играем в «Шляпу», и это объяснить проще всего. Но чаще мы выбираем такие игры, как «Декодер», «Суши Го», «Кольт Суперэкспресс» (маленькая версия большого брата), «Визуал», «Пандаворот», «Селестия», «Бонанза,«Тип Топ» и «Кодовые слова» (она кооперативная, то есть все играют против игры, тоже бывает полезно. И нет, это не Codenames).
Для полной картины стоит упомянуть «Диксит», «Крошечные города», «Тропы туканы», «Тени Амстердам», «Опасные слова», «Бумажные Кварталы», «Бункер», «7 чудес», а также «Крылья», хотя в них мы играли по одному разу. Лично я очень люблю серию игр-квестов Unlock (на русском языке «Квест-Коллекция», но в переводе только 2 коробки) — заказываю их аж из другой страны ✈️
Знаете эти игры? Как вы проводите свободное время с коллегами?
❤️ — если играли во что-нибудь из перечисленного.
Наша команда отвечает за монетизационный фактор в поиске и рекомендациях, в частности, мы обучаем модели конверсий. По работе мы много общаемся с командами поиска и рекомендаций, и по некоторым вопросам мнения совпадают не всегда 🫢 Но работа — это работа, она не мешает каждые 2 недели играть в настольные игры. Для этого собираются люди из многих команд отдела монетизации. Мы забываем про разногласия и отлично проводим время. 😎
Настолки бывают очень разные, и мне всегда сложно объяснить людям, во что мы играем. Мы выбираем не очень популярные игры, но такие, что отлично подходят для расслабленного пятничного вечера и больших кампаний.
Иногда мы играем в «Шляпу», и это объяснить проще всего. Но чаще мы выбираем такие игры, как «Декодер», «Суши Го», «Кольт Суперэкспресс» (маленькая версия большого брата), «Визуал», «Пандаворот», «Селестия», «Бонанза,«Тип Топ» и «Кодовые слова» (она кооперативная, то есть все играют против игры, тоже бывает полезно. И нет, это не Codenames).
Для полной картины стоит упомянуть «Диксит», «Крошечные города», «Тропы туканы», «Тени Амстердам», «Опасные слова», «Бумажные Кварталы», «Бункер», «7 чудес», а также «Крылья», хотя в них мы играли по одному разу. Лично я очень люблю серию игр-квестов Unlock (на русском языке «Квест-Коллекция», но в переводе только 2 коробки) — заказываю их аж из другой страны ✈️
Знаете эти игры? Как вы проводите свободное время с коллегами?
❤️ — если играли во что-нибудь из перечисленного.
❤16🔥5👍1
📌 Запись трансляции ML reading club
20 ноября Денис Кайшев — Старший Backend-инженер разбирался с внутренней архитектурой библиотеки NCCL в прямом эфире. Выкладываем видео, посмотрите, если пропустили трансляцию.
О чём говорили:
4:13 Обзор библиотеки NCC
5:11 Основные объекты и инициализация
6:19 Коллективные операции
9:08 Компоненты системы. Основные компоненты: GPU, CPU и сетевая карта.
10:09 Сетевая эффективность
12:02 Топология и протоколы
17:37 Инициализация и алгоритмы
18:43 Выбор протокола передачи данных
19:42 Оптимизация передачи данных между GPU
22:17 Мультисокетные системы и RDMA
22:50 Оптимизация интернет-взаимодействия
25:37 Балансировка трафика и очереди
29:10 Примитивы коммуникации
31:18 Передача данных и пайплайны
33:07 Варпы и алгоритмы
35:38 Редьюс на уровне кольца
37:40 Древовидное представление
38:45 Роль GPU
39:53 Бенчмарки на Грейс-Хоппере
40:45 Заключение
Видео на ютуб-канале AvitoTech
Задавайте вопросы Денису в комментариях под этим постом ⬇️
20 ноября Денис Кайшев — Старший Backend-инженер разбирался с внутренней архитектурой библиотеки NCCL в прямом эфире. Выкладываем видео, посмотрите, если пропустили трансляцию.
О чём говорили:
4:13 Обзор библиотеки NCC
5:11 Основные объекты и инициализация
6:19 Коллективные операции
9:08 Компоненты системы. Основные компоненты: GPU, CPU и сетевая карта.
10:09 Сетевая эффективность
12:02 Топология и протоколы
17:37 Инициализация и алгоритмы
18:43 Выбор протокола передачи данных
19:42 Оптимизация передачи данных между GPU
22:17 Мультисокетные системы и RDMA
22:50 Оптимизация интернет-взаимодействия
25:37 Балансировка трафика и очереди
29:10 Примитивы коммуникации
31:18 Передача данных и пайплайны
33:07 Варпы и алгоритмы
35:38 Редьюс на уровне кольца
37:40 Древовидное представление
38:45 Роль GPU
39:53 Бенчмарки на Грейс-Хоппере
40:45 Заключение
Видео на ютуб-канале AvitoTech
Задавайте вопросы Денису в комментариях под этим постом ⬇️
🔥15👍4❤2
Привет! С вами Андрей Старостин, DS-инженер в аналитической платформе Авито. Сегодня расскажу, как вместе с командой M42 мы разработали и внедрили в наш продукт ИИ-ассистента m42copilot. Решение упрощает работу с аналитическими данными и делает BI-инструмент доступным для более широкого круга пользователей.
📊 M42 — это инструмент, в котором доступно более 16 000 метрик и 120+ разрезов. Но такой масштаб создаёт трудности: нужную метрику или параметры графика часто сложно найти из-за похожих названий, неочевидных описаний и множества опций. ИИ-ассистент решает эту проблему: по запросу на естественном языке он определяет правильные метрики, подбирает фильтры, показатели и формат визуализации.
🛠️ В основе работы — связка LLM, Retrieval-Augmented Generation и строгий JSON-формат вывода, что минимизирует ошибки и галлюцинации. Ассистент находит метрики с помощью семантического и лексического поиска, Faiss-индексации эмбеддингов и отбора кандидатов для LLM. Для сложных запросов подбираются релевантные few-shot примеры. Выбор оптимального промпта автоматизируется с помощью фреймворка DSPy.
📈 Мы построили бенчмарк для оценки качества и сравнили разные LLM в экспериментах: в задаче поиска метрик точность достигла 0.85 для топ-5 выдачи, в обработке параметров визуализации — до 0.95 по отдельным категориям.
🚀 Вот что получили за два месяца после внедрения:
— около 2 000 запросов,
— с ИИ-ассистентом графики стали строить на 50% быстрее,
— в некоторых случаях поиск метрик ускорился в десятки раз.
Пользователи М42 начали активнее использовать продукт, проникновение выросло на 1,5%.
💫 Основные запросы на развитие:
— расширить число поддерживаемых разрезов,
— добавить возможность вести контекстный диалог с ассистентом в рамках одной аналитической задачи.
Подробнее читайте в нашей статье на Хабре.
📊 M42 — это инструмент, в котором доступно более 16 000 метрик и 120+ разрезов. Но такой масштаб создаёт трудности: нужную метрику или параметры графика часто сложно найти из-за похожих названий, неочевидных описаний и множества опций. ИИ-ассистент решает эту проблему: по запросу на естественном языке он определяет правильные метрики, подбирает фильтры, показатели и формат визуализации.
🛠️ В основе работы — связка LLM, Retrieval-Augmented Generation и строгий JSON-формат вывода, что минимизирует ошибки и галлюцинации. Ассистент находит метрики с помощью семантического и лексического поиска, Faiss-индексации эмбеддингов и отбора кандидатов для LLM. Для сложных запросов подбираются релевантные few-shot примеры. Выбор оптимального промпта автоматизируется с помощью фреймворка DSPy.
📈 Мы построили бенчмарк для оценки качества и сравнили разные LLM в экспериментах: в задаче поиска метрик точность достигла 0.85 для топ-5 выдачи, в обработке параметров визуализации — до 0.95 по отдельным категориям.
🚀 Вот что получили за два месяца после внедрения:
— около 2 000 запросов,
— с ИИ-ассистентом графики стали строить на 50% быстрее,
— в некоторых случаях поиск метрик ускорился в десятки раз.
Пользователи М42 начали активнее использовать продукт, проникновение выросло на 1,5%.
💫 Основные запросы на развитие:
— расширить число поддерживаемых разрезов,
— добавить возможность вести контекстный диалог с ассистентом в рамках одной аналитической задачи.
Подробнее читайте в нашей статье на Хабре.
🔥6❤2👍2😱1
Всем привет! Я Саша, DS-менеджер в Авито. Знакомые из других компаний часто задают мне такой вопрос: что значит «DS-менеджер»? Раскрываю карты.
Какие у него обязанности
DS-менеджер — это руководитель нескольких команд. Что он делает, можно посмотреть в матрице компетенций.
Ключевые вещи: формирование стратегии, архитектурного видения, выстраивание процессов и бОльший по сравнению с тимлидом горизонт планирования. Ну и конечно работа с руководителями — тимлидами.
На что я трачу своё время
Объяснить структуру рабочего дня по матрице компетенций сложно. Для себя я делю время по характеру деятельности. В таком виде, мне кажется, вам будет понятнее. Цифры ниже основаны на моих личных заметках за последние недели.
👉 Операционная работа: 2 часа в день. В основном статусы, дейли, 1-1, собеседования. Всё, чтобы поддерживать эффективную работу команды. Бывают периоды, когда много собеседований, но это случается эпизодически.
👉 Экспертная работа: 2.5 часа в день. Пишу документы, стратегии, веду консультации, провожу ревью кода, прорабатываю архитектуру решений.
👉 Техническая работа: 1 час в день. Всегда стараюсь чуть-чуть работать руками. Чаще всего это тестирование чужой работы или вспомогательные задачи.
👉 Занятость: 2.5 часа в день. Переписки, решение проблем, организационные вопросы, ответы на запросы.
Бонус: как не потонуть в менеджерской рутине
Операционную работу фиксируем в необходимом разумном количестве. Занятость снижаем, насколько можно. Экспертную работу увеличиваем. Техническую не забрасываем.
Повторюсь, что вышеописанное — личный опыт. На холивар и просто с вопросами приглашаю в комментарии! 👇
Какие у него обязанности
DS-менеджер — это руководитель нескольких команд. Что он делает, можно посмотреть в матрице компетенций.
Ключевые вещи: формирование стратегии, архитектурного видения, выстраивание процессов и бОльший по сравнению с тимлидом горизонт планирования. Ну и конечно работа с руководителями — тимлидами.
На что я трачу своё время
Объяснить структуру рабочего дня по матрице компетенций сложно. Для себя я делю время по характеру деятельности. В таком виде, мне кажется, вам будет понятнее. Цифры ниже основаны на моих личных заметках за последние недели.
👉 Операционная работа: 2 часа в день. В основном статусы, дейли, 1-1, собеседования. Всё, чтобы поддерживать эффективную работу команды. Бывают периоды, когда много собеседований, но это случается эпизодически.
👉 Экспертная работа: 2.5 часа в день. Пишу документы, стратегии, веду консультации, провожу ревью кода, прорабатываю архитектуру решений.
👉 Техническая работа: 1 час в день. Всегда стараюсь чуть-чуть работать руками. Чаще всего это тестирование чужой работы или вспомогательные задачи.
👉 Занятость: 2.5 часа в день. Переписки, решение проблем, организационные вопросы, ответы на запросы.
Бонус: как не потонуть в менеджерской рутине
Операционную работу фиксируем в необходимом разумном количестве. Занятость снижаем, насколько можно. Экспертную работу увеличиваем. Техническую не забрасываем.
Повторюсь, что вышеописанное — личный опыт. На холивар и просто с вопросами приглашаю в комментарии! 👇
❤14🔥8👍5
Ребята, добавляем в канал интерактив и будем разгонять холиварные вопросы. Сейчас готовим новогоднюю DS-вечеринку.
Давайте обсудим корпоративы?
Давайте обсудим корпоративы?
🔥2
Как вы относитесь к новогодним корпоративам?
Anonymous Poll
33%
Готов разрывать 😈
20%
Люблю исключительно ламповые вечеринки ☕️
4%
Как же я устаю за декабрь от постоянных тусовок 🥴
41%
Заплатите лучше деньгами 💸
2%
Другое (пишите в комментариях)