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! 👇

Рефлексия по LLM

Сейчас много работаю с LLM. Они обрабатывают сырые текстовые данные и заменяют ручную разметку во многих местах.

Осознал, что LLM - это easy to start, hard to master. Решить задачу как-то на небольшом объеме данных может каждый. А дальше возникают тонкости.

Абсолютно невозможно разобраться в современном многообразии моделей. Качество оценить сложно. Быстро упираешься в производительность.

Пока стратегия, которую я выбрал - попытаться разобраться в семействе моделей одного производителя, OpenAI. Не из-за качества работы, а просто потому, что мне нравится их документация.

Ее так много, словно это не LLM, а самолет. Кто не видел, посмотрите сколько новых инструкций выходит каждый месяц.

Если считаете, что OpenAI фигня и нужно пользоваться чем-то другим - напишите!

#tech@big_ledovsky

Обучение на тестовых данных - новый вид искусства

Андрей Карпати в итогах года аргументированно объяснил ровно то, о чем я интуитивно писал в прошлом посте.

Публичным бенчмаркам LLM-ок нельзя доверять, когда вы выбираете модель для своей задачи. Нужно делать свои тесты.

Все исследователи LLM специально тюнят свои сети под бенчмарки - типа решать ЕГЭ. Чтобы занимать первые строчки в рейтингах.

Прочитал на праздниках потрясающую обзорную статью State of LLMs 2025 от одного из авторов, на которого я подписан в LI.

Она что ли уложила в одну систему то обилие новостей и хайпа, которые влетали из новостных каналов. Про актуальные модели, про open source, про текущую школу мысли в области.

Не буду пересказывать, но хочу поделиться одной мыслью, точнее даже цифрами.

Обучение DeepSeek V3 стоило около 5 млн долларов. Это не 50, и не 500. DeepSeek R1 , который привлек много внимания, обучался на основе V3 и вообще стоил всего 250 тысяч долларов.

Это вам просто для ориентира. Делать свои претрейны вполне себе посильно многим компаниям. Вопрос нужно ли. Но посильно.

#tech@big_ledovsky