Q&A c Андреем Менде

Работа с ML-командами требует от продакта контринтуитивного понимания процессов delivery и реалистичной оценки импакта алгоритмов. Рекомендательные сервисы слабо реагируют на рост точности, и проекты часто не окупают вложенных ресурсов. Для эффективной работы нужен Python и анализ данных — это единственный способ находит неочевидные паттерны поведения, о которых пользователи не расскажут сознательно. Разработчикам, переходящим в Tech PM, приходится перестраивать мышление: работать с бизнес-неопределённостью вместо поиска точных технических решений, а продактам — подтягивать фундаментальную базу Data Science, например по курсам Andrew Ng.

• Оценить реальный импакт ML-проектов до инвестиций в разработку
• Освоить Python и анализ данных для поиска скрытых паттернов
• Перестроить мышление для работы с бизнес-неопределённостью