BM110: Product Manager w zespole AI
Jak wygląda praca Product Managera w zespole AI? Na to i wiele innych pytań odpowie gość tej rozmowy - Ola Możejko. Historia Oli jest bardzo ciekawa - skończyła studia matematyczne, później pracowała jako Machine Learning Engineer, Data Scientist i niedawno zdecydowała się zmienić tę ścieżkę kariery i zostać Product Managerem. Porozmawiamy o tym, skąd pomysł na taką zmianę, ale także o sztuce zarządzania projektami, roli Product Managera w zespole AI i nie tylko. Zaczynamy!
Wprowadzenie do podcastu i przedstawienie gościa Oli Marzejki, która pracuje jako młodszy product manager w Allegro po studiach matematyki i wielu lat pracy technicznej.
Ola opowiada o ostatniej przeczytanej książce i opisuje motywację do zmiany kariery z technicznej na product managera.
Wspomnienie o procesie analizy motywacji i decyzji kariery, w tym opisanie różnych etapów pracy i wykrytych potrzeb.
Porównanie ról product managera, project managera i product ownera w kontekście zarządzania projektami MLDS.
Opis roli product managera w zarządzaniu projektami MLDS, w tym opisanie potrzeb doświadczenia technicznego i biznesowego.
Rozróżnienie ról product managera i project managera, w tym opis możliwości angażowania się w bardziej biznesowe inicjatywy.
Definicje ról product managera, project managera i product ownera, w tym opis ich odpowiedzialności i zazębiania się.
Opis roli product managera w Allegro, w tym opis zespółu MLDS, jego rozmiary i potrzeby product managera.
Opis roli product managera w Allegro, w tym opis zespółu MLDS, jego rozmiary i potrzeby product managera.
Opis roli product managera w zarządzaniu riskiem i komunikacji, w tym opis potrzeb doświadczenia technicznego i biznesowego.
Opis problemu komunikacji z stakeholderami i propozycje do jej usprawnienia, w tym opis własnego doświadczenia i rad.
Podsumowanie rozmowy i zakończenie rozmowy, w tym propozycje do rozwoju kompetencji komunikacyjnej i podziękowania za udział.
Rozmowa skupia się na kwestiach związanych z zrozumieniem problemu, zdefiniowaniu inputu i outputu, a także na zadań pytania klientom, aby zrozumieć, czy machine learning jest odpowiednim rozwiązaniem. Podkreśla się znaczenie metryk biznesowych i technicznych, oraz ich integracji.
Rozmowa koncentruje się na porównaniu projektów w Polsce i zagranicach, a także na prognozach dotyczących przyszłości dziedziny MLDS, w tym zasądzenia prawne i zastosowanie sztucznej inteligencji w medycynie.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Historia Oli jest bardzo ciekawa - skończyła studia matematyczne, później pracowała jako Machine Learning Engineer, Data Scientist i niedawno zdecydowała się zmienić tę ścieżkę kariery i zostać Product Managerem. Porozmawiamy o tym, skąd pomysł na taką zmianę, ale także o sztuce zarządzania projektami, roli Product Managera w zespole AI i nie tylko. Zaczynamy!