Вакансии

Обязанности: Развитие функции информационной безопасности, формирование стратегии и дорожной карты ИБ. Координация проектов по внедрению и поддержке ключевых средств защиты совместно с внутренней ИТ‑командой и подрядчиками (SIEM/SOC, EDR/XDR, DLP, NGFW/IDS/IPS и пр.).

Руководить небольшой командой специалистов по развитию облачной платформы: управлять результативностью сотрудников, распределять ресурсы и задачи, устранять рабочие препятствия и помогать команде достигать поставленных целей. Координировать работу различных команд и контролировать своевременное выполнение проектных этапов.

Выполнять монтаж и конфигурирование серверной и сетевой инфраструктуры с учётом технологических и бизнес-потребностей компании. Обеспечивать стабильную работу ИТ-инфраструктуры: выявлять причины сбоев, проводить техническое обслуживание и восстанавливать работоспособность оборудования в согласованные сроки.

Задача: разработать рабочий прототип компактного автономного устройства регистрации вибрации и механического удара с беспроводной передачей сигнала на отдельный приёмник.

Location: Москва Workplace: Комбинированный Мы разрабатываем крупнейший мессенджер в России, чтобы соединять людей, сервисы и компании. Создаём простые и удобные инструменты коммуникации. Сейчас развиваем платформу и ищем ведущего дата-инженера. Задачи Проектировать, реализовывать и оптимизировать сложные ETL-процессы (в том числе разработка DAG для автоматизации) Участвовать в проработке и пилотировании нового: Data Quality, развитие собственного ETL-фреймворка, тесные интеграции с аналитическими инструментами Работать с данными на каждом этапе их трансформации: от появления информации в конкретном источнике до принятия решений на данных Извлекать из исходных данных ценную информацию и скрупулёзно обрабатывать её для последующего анализа Реализовывать стабильный расчёт бизнес-метрик вместе с командой аналитиков Поддерживать и модифицировать созданные решения, обеспечивать доступность сервиса и корректность данных для принятия решений Требования Уверенно знаете Python на уровне написания собственного фреймворка и SQL на уровне оптимизации запросов Умеете проектировать DWH: слои, модели хранения данных, процессы ETL Хорошо понимаете принципы работы распределённых систем Hadoop или YTsaurus, ClickHouse Использовали Airflow, Luigi или другой оркестратор Умеете выбирать технологии для решения конкретных задач Понимаете принципы работы инструментов мониторинга и способны настраивать алерты для отслеживания состояния ETL-процессов Знаете основные алгоритмы и структуры данных, особенно используемые в работе с большими данными Эффективно общаетесь с людьми, находите общий язык с разными специалистами

Location: Москва Workplace: Комбинированный Мы разрабатываем крупнейший мессенджер в России, чтобы соединять людей, сервисы и компании. Создаём простые и удобные инструменты коммуникации. Сейчас развиваем платформу и ищем QA инженера в команду. Задачи Опыт тестирования сложных пользовательских продуктов Опыт тестирования iOS-native, Android-native, веб-приложений Понимание полного цикла разработки ПО Понимание работы feature toggles Уверенное знание клиент-серверной архитектуры Требования Тестирование клиентских приложений на iOS, Android, Web, Desktop 3+ года опыта в ручном тестировании Ведение тестовой документации Описание тест-кейсов Работа с поддержкой Ведение эпиков и/или со стороны тестирования Проведение регрессионного тестирования внутри релизного цикла

Location: Москва Workplace: гибкий Команда VK расширяется и ищет старшего инженера по ручному тестированию. Задачи Тестировать пользовательские сценарии на Android, iOS, web и mobile web Проверять новые функциональные возможности и исправление ошибок, проводить приёмочное и регрессионное тестирование на всех поддерживаемых платформах Участвовать в проработке требований до начала разработки (выявлять неучтённые сценарии и риски, определять критерии качества и т. д.) Определять приоритеты и объём проверок с учётом рисков, критических пользовательских сценариев и доступного времени Использовать AI-инструменты для анализа требований, подготовки тестовых сценариев и диагностики проблем, проверять корректность полученных результатов Готовить тестовую документацию и поддерживать её в актуальном состоянии Оперативно разбирать и анализировать проблемы, с которыми сталкиваются коллеги и пользователи, взаимодействовать с командой поддержки и смежными командами Оценивать готовность изменений к релизу совместно с командой: сообщать, что проверено, какие риски остаются и как они влияют на выпуск Сопровождать запуск функциональности: отслеживать возникающие проблемы, участвовать в разборе инцидентов и контролировать исправления Участвовать в развитии процессов тестирования и автоматизированного покрытия совместно с командой, предлагать улучшения с учётом метрик качества Требования Глубокие знания и практический опыт тестирования мобильных приложений (Android/iOS) и веб-приложений от пяти лет Знание основных принципов, техник и видов тестирования ПО Опыт тестирования frontend, backend/API и интеграций со сторонними сервисами Умение анализировать требования, находить неточности и оценивать возможные риски Практический опыт применения AI-инструментов в тестировании и умение критически оценивать их результаты Умение сопоставлять логи, сетевые запросы и поведение приложения, локализовать проблемы на стороне клиента, backend и интеграций Внимательность к деталям, способность аргументированно оценивать качество реализованной функциональности Опыт подготовки тест-планов, чек-листов, тест-кейсов и оформления баг-репортов Владение инструментами тестирования и отладки: Postman или аналоги, снифферы трафика (Charles, Proxyman, Fiddler), инструменты Android/iOS (ADB, Logcat, Android Studio, Xcode) и DevTools браузера Самостоятельность, коммуникабельность и ответственность за результат Знание SQL и опыт работы с базами данных будут плюсом

Location: Санкт-Петербург Workplace: гибкий Мы развиваем крупнейший российский видеосервис VK Video Player, которым ежедневно пользуются десятки миллионов людей. Перед нами амбициозная задача — развивать продукт, который будет № 1 в России, а также обеспечивать его высокое качество. Наша команда активно работает над тем, чтобы миллионы пользователей каждый день получали стабильный и качественный опыт просмотра видео. Задачи Тестировать видеоплеер и связанные пользовательские сценарии на Android, iOS, web, mvk Проверять новый функционал, фиксы багов, проводить регрессионное тестирование в мобильных приложениях Участвовать в проработке требований: выявлять неучтённые сценарии, риски и критерии качества Готовить и поддерживать тестовую документацию в актуальном состоянии Оперативно разбирать и анализировать проблемы коллег и пользователей, взаимодействовать с командой поддержки Участвовать в развитии процессов тестирования в команде и повышении качества продукта Требования Коммерческий опыт тестирования мобильных приложений (Android/iOS) и веб-сервисов Понимание пользовательских сценариев видеоплеера на разных платформах Базовое понимание видеотехнологий: форматов и кодеков, разрешений, качества воспроизведения, особенностей адаптивного стриминга Знание основных принципов, техник и видов тестирования ПО Опыт тестирования frontend, backend/API и интеграций со сторонними сервисами Умение анализировать требования, находить неточности и оценивать возможные риски Внимательность к деталям, способность аргументированно оценивать качество реализованной функциональности Опыт подготовки тестовой документации: тест-планов, чек-листов, тест-кейсов, заведение баг-репортов Знание SQL и опыт работы с базами данных Уверенное владение инструментами тестирования и отладки: Postman, Charles, Fiddler или аналогами Самостоятельность, коммуникабельность, ответственность за результат

Location: Москва Workplace: Комбинированный Мы разрабатываем end-to-end рекомендательные сервисы в социальной сети «Одноклассники»: от генерации идей до реализации факторов, обучения моделей и A/B-тестирования. Уже сейчас наши модели рекомендуют пользователям друзей и определяют, какие пуш-уведомления об интересных людях и постах будут отправлены им. Наша цель — улучшать пользовательский опыт и растить метрики социальных взаимодействий, чтобы пользователи чаще возвращались к нам. Задачи Разработка и оптимизация ML-моделей для рекомендаций Участие в переносе рекомендательных сервисов на ЕКП (единую контентную платформу) Построение пайплайнов обработки больших объёмов данных Эксперименты: проверка гипотез, анализ A/B-тестов, улучшение метрик Генерация идей по улучшению качества работы рекомендаций и участие в проектировании рекомендательных сервисов Требования Опыт в ML от двух лет Опыт работы с большими данными (Hadoop, Spark) Опыт работы с realtime-сервисами Будет плюсом Опыт с рекомендательными и поисковыми системами Опыт проведения и анализа A/B-экспериментов Опыт работы с ООП-языками (Java, С++)

Location: Москва Workplace: гибкий Мы — группа мультимодальных контентных моделей в отделе экспериментальных технологий AI VK. Мы разрабатываем технологии глубокого понимания контента и применяем их для развития рекомендательных систем ВКонтакте. Мы строим модели, которые извлекают содержательные представления из постов, клипов, длинных видео и музыкальных треков, объединяя информацию из текста, изображения, видеоряда, речи и звука. Эти представления используются для поиска похожего контента, построения признаков, классификации и улучшения качества рекомендаций в продуктах VK. Основные направления нашей работы — базовые embedding-модели для представления контента, мультимодальные модели и контентные классификаторы. Мы исследуем современные архитектуры, обучаем собственные модели на больших внутренних датасетах и доводим их до применения в продуктовых рекомендательных системах. Позиция находится на стыке ресёрча и инженерии: от чтения статей, построения датасетов и постановки экспериментов до масштабного обучения, оптимизации инференса и проверки моделей в A/B-тестах. Стек: PyTorch YT (YTsaurus), YQL NVIDIA Triton Inference Server, TensorRT, vLLM Распределённое обучение и multi-GPU inference Python, C++, Go Задачи Разрабатывать и обучать базовые embedding-модели для текста, изображений, видео, речи, звука и музыки Разрабатывать мультимодальные модели и контентные классификаторы Исследовать архитектуры и методы обучения представлений: metric learning, contrastive learning, self-supervised и supervised learning Строить датасеты и бенчмарки для оценки качества моделей и проводить масштабные экспериментальные исследования Адаптировать модели под задачи retrieval и рекомендательных систем Интегрировать модели в продуктовые механики рекомендаций постов, клипов, видео и музыки Оптимизировать и масштабировать обучение и инференс моделей Деплоить модели и сопровождать их в продакшене: проводить A/B-тесты, анализировать метрики и мониторить качество Постоянно разбирать свежие статьи и идеи из индустрии и академической среды, воспроизводить перспективные подходы и проверять их на наших задачах Настраивать пайплайны сбора и разметки данных, работать с асессорами и синтетическими данными: проектировать инструкции, контролировать качество и проводить калибровки Требования Опыт разработки, обучения и внедрения DL-моделей Уверенное знание теории машинного и глубокого обучения Хорошее понимание алгоритмов и структур данных, линейной алгебры, теории вероятностей и статистики Умение проектировать корректные эксперименты, выбирать метрики и интерпретировать результаты Навык написания чистого и поддерживаемого кода, понимание принципов проектирования ПО Владение современными практиками совместной разработки с кодовыми агентами: умение эффективно декомпозировать задачи для агентных инструментов, контролировать и ревьюить сгенерированный код Умение самостоятельно разбираться в новых предметных областях, быстро ставить эксперименты и проверять гипотезы Готовность работать как с исследовательской частью задачи, так и с её инженерной реализацией Открытость, ответственность, самостоятельность и проактивность Будет плюсом Опыт разработки поисковых или рекомендательных систем в индустриальном масштабе Опыт работы с embedding-моделями, metric learning, contrastive learning или representation learning Опыт работы с мультимодальными моделями, VLM, audio-language моделями, video encoders или foundation-моделями Опыт обучения моделей для аудио, музыки, речи, изображений или видео Опыт self-supervised learning и обучения на больших слабоструктурированных датасетах Опыт распределённого обучения на нескольких GPU или нескольких узлах Опыт оптимизации DL-моделей: профилирование, квантизация, дистилляция, уменьшение размерности представлений Опыт построения больших датасетов и систематических бенчмарков для ML-моделей Публикации на профильных ML-конференциях или сильный исследовательский бэкграунд

Location: Москва Workplace: Офисный Мы — отдел экспериментальных технологий в AI VK, который решает широкий спектр ML- и DL-задач. Наша команда анализирует, как наши разработки можно переиспользовать и где применить, а затем масштабировать. Задачи Развивать компоненты AI-ассистента для VK Видео: понимание намерения, удержание контекста диалога, выбор стратегии и маршрутизация инструментов Улучшать генерацию кандидатов, semantic retrieval и reranking для поиска и персонализированных рекомендаций Работать с гибридным поиском: эмбеддинги, текстовые и структурные фильтры, поисковые API, рекомендательные модели и явные критерии пользователя Оптимизировать candidate budget и смешивание кандидатов из разных источников Обучать и дообучать модели для отдельных компонентов системы: LLM-like, reranker, query rewriting, relevance-модели Собирать и улучшать обучающие и тестовые датасеты: реальные и синтетические запросы, сложные негативные примеры, long-tail-сценарии и размеченные диалоги Создавать и поддерживать golden datasets, human-aligned evaluation и автоматические проверки качества; калибровать auto-eval по человеческой оценке Анализировать деградации, формулировать гипотезы и проверять их в воспроизводимых экспериментах Оценивать модели не только по общей метрике, но и по отдельным сценариям, категориям запросов, релевантности, разнообразию, безопасности и качеству диалога Оптимизировать latency, стоимость и использование вычислительных ресурсов при обучении и инференсе Готовить компоненты к промышленной эксплуатации: интеграция, нагрузочное тестирование, мониторинг, обработка ошибок и контроль регрессий Участвовать в offline- и online-экспериментах, подготовке A/B-тестов и интерпретации продуктовых метрик Проводить code review, документировать эксперименты и участвовать в обсуждении архитектуры и исследовательских результатов Требования Сильная теоретическая база и опыт работы в рекомендательных системах, информационном поиске, NLP/LLM; готовность работать на их пересечении Понимание устройства retrieval и ranking: embeddings, candidate generation, negative sampling, cross-encoders, reranking Знание основных offline-метрик поиска и рекомендаций: Recall@K, Precision@K, NDCG, MRR и их ограничений Опыт обучения, валидации и внедрения ML-моделей; доведённые до production либо production-like среды самостоятельно разработанные компоненты Навыки постановки воспроизводимых экспериментов, анализа ошибок и статистической интерпретации результатов Понимание жизненного цикла ML-системы: данные, обучение, inference, мониторинг, деградации и переобучение Опыт работы с большими объёмами данных и пайплайнами обработки; YT, Spark или аналогичные инструменты Базовые навыки Linux, Git, контейнеризации и работы с сервисами Будет плюсом Опыт создания LLM-приложений: tool calling, agentic workflows, RAG, structured generation Дообучение LLM или encoder-моделей: SFT, LoRA/adapters, RL Построение lexical, semantic или hybrid retrieval LLM-as-a-judge, human evaluation, построение golden datasets и калибровка автоматических оценок Оптимизация GPU-инференса, batching, quantization, model serving Опыт с распределённым обучением и промышленной ML-инфраструктурой Практика A/B-тестирования рекомендательных или поисковых моделей Мультимодальные модели, VLM, понимание видео или рекомендательные системы для медиаконтента Наличие публикаций по тематике LLM, NLP, multimodal models

Location: Москва Workplace: Комбинированный VK Реклама — платформа, которая объединяет все крупнейшие в России и СНГ социальные сети и сервисы с общим охватом более 140 млн человек. Благодаря VK Рекламе у рекламодателей есть единая точка доступа к аудитории рунета и колоссальному объёму мобильного трафика высокого качества. Ядро рекламной системы — аукцион, обеспечивающий эффективную реализацию выбранных рекламодателями стратегий ставок и подбор рекламы для пользователей. Мы ищем ML-специалиста, которому интересно глубоко погрузиться в механику аукциона, растить эффективность рекламных продуктов и стратегий ставок с помощью методов машинного обучения. Что предлагаем: Возможность внедрять решения, влияющие на ~100 млн пользователей ежедневно Интересную предметную область - реклама сочетает в себе рекомендательную систему и аукцион со множеством дополнительных механизмов Технологические платформы компании, упрощающие внедрения в рантайм Задачи Разрабатывать и улучшать ML-модели ранжирования в аукционе Проводить AБ эксперименты с моделями в высоконагруженной системе Оптимизировать производительность существующих алгоритмов Требования Знание классических методов машинного обучения (линейные модели, градиентный бустинг, матричные факторизации, методы NLP) и DL Понимание принципов и методов предобработки данных, feature engineering и оценки моделей Практический опыт разработки на Java, Python или C++ Знание алгоритмов и структур данных Уверенное владение SQL Будет плюсом Опыт разработки рекомендательных систем Опыт работы с большими данными (Spark, Hadoop, YTsaurus)

Location: Москва Workplace: Офисный Мы — отдел экспериментальных технологий в AI VK, который решает широкий спектр ML- и DL-задач. Наша команда анализирует, как наши разработки можно переиспользовать и где применить, а затем масштабировать. Мы строим LLM-команду, ищем людей с опытом алаймента, RAG-сценариями, ресёрч-бэкграундом в RL, умеющих рассуждать, быстро ставить эксперименты и проверять гипотезы. Позиция на стыке ресёрча и инженерии. У нашего отдела есть огромный накопленный опыт обучения и релизов Frontier мультимодальных моделей, VLM/MMLM. Стек: YT (YTsaurus), YQL NVIDIA Triton Inference Server, TensorRT, vLLM PyTorch, verl Python, C++, Go Задачи Разработка новых и улучшение существующих RAG-сценариев Оценка качества моделей и интеграция в продуктовые механики Деплой и оптимизация инференса моделей Сопровождение релизов: A/B-тесты, мониторинг Постоянный разбор свежих статей и идей в индустрии Настройка пайплайнов разметки, работа с асессорами и синтой: инструкция, контроль качества, калибровки Требования Опыт внедрения и сопровождения DL-моделей в продакшен Уверенное знание теории DL, алгоритмов и структур данных, линейной алгебры, теории вероятности и статистики Навык написания чистого кода, глубокое понимание принципов проектирования (SOLID, coupling & cohesion, etc...) Умение рассуждать, быстро ставить эксперименты и проверять гипотезы Открытость, ответственность, самостоятельность и проактивность Будет плюсом Опыт в построении поисковых или рекомендательных систем в индустриальном масштабе, бэкграунд разработки или кванты Публикации в научной среде Опыт профилирования DL-моделей, квантизация, дистилляция Опыт работы с распределённым обучением Опыт алаймента LLM, SFT, DPO/RLHF/GRPO, scaling laws, работа с агентами, синтетическими данными

Location: Москва Workplace: Комбинированный Наша команда развивает экосистемные сервисы VK — решения, которые упрощают пользовательский опыт и создают удобную экосистему из существующих продуктов внутри и за пределами VK. Задачи Разрабатывать и дорабатывать конфигурации BPMSoft с нуля и с использованием стандартных инструментов конфигуратора Создавать базовые компоненты платформы: схемы, модули, детали, кнопки, поля Настраивать страницы разделов: валидацию, видимость, доступность и обязательность полей Добавлять и настраивать детали, включая фильтрацию и кастомизацию отображения Разрабатывать клиентские схемы, расширять и переопределять базовые модули Подключать зависимости в клиентских схемах с пониманием целей и последствий Работать с Sandbox для обмена данными между модулями Обрабатывать событийную модель: сохранение, изменение, стартовые сигналы бизнес-процессов Писать интеграции через бизнес-процессы и веб-сервисы REST/SOAP Поднимать приложение локально, включая сборку в Docker Отлаживать серверную и клиентскую части, работать с логами Анализировать и дорабатывать чужой код Работать с Git в команде Требования Глубокое знание архитектуры BPMSoft и уверенная настройка системы через конфигуратор Опыт локального развёртывания приложения, в том числе из Docker Знание C#, JavaScript, .NET на уровне, достаточном для решения задач средней сложности Уверенная работа с PostgreSQL: JOIN, индексы, триггеры, запросы по нескольким таблицам Понимание различий между Select и EntitySchemaQuery и умение выбирать подходящий инструмент Опыт работы с ClassFactory Понимание жизненного цикла клиентской схемы Навыки отладки клиент-серверного взаимодействия Будет плюсом Сертификат BPMSoft Разработчик — продвинутый уровень Знание Go и (или) Python Понимание смежного frontend/backend-стека: React, TypeScript, RxJS Опыт интеграции BPMSoft со смежными системами Опыт миграции с других CRM-систем, включая Salesforce, Microsoft Dynamics, 1С, на BPMSoft

Location: Москва Workplace: гибкий Группа разработки HPC-инфраструктуры занимается созданием суперкомпьютера, на котором обучается вся компания. Мы строим HPC-сегменты с использованием технологий InfiniBand и RoCE, а поверх них — ML-платформу на базе Kubernetes. Задачи Разработка и развитие компонентов ML-платформы и инфраструктурных сервисов Автоматизация процессов запуска, сопровождения и мониторинга ML/HPC workloads Повышение надёжности, производительности и масштабируемости платформы Развитие CI/CD и внутренних инструментов для эксплуатации платформы Взаимодействие с командами разработки и ML-инженерами по вопросам платформы и инфраструктуры Требования Опыт разработки инфраструктурных и platform-компонентов на Go Углубленные знания Linux, включая понимание работы ОС, сетевого стека и механизмов контейнеризации Хорошее понимание сетей, сетевых протоколов и диагностики проблем связности Знание архитектуры и принципов работы Kubernetes Навыки troubleshooting на всех уровнях инфраструктуры: хост, контейнеры, runtime, сеть Опыт автоматизации инфраструктурных процессов и разработки внутренних инструментов Понимание принципов надёжности, масштабируемости и observability production-систем Будет плюсом Опыт работы с ML / MLOps / HPC workloads Опыт разработки на Python Опыт работы с CI/CD, monitoring и platform tooling

Location: Москва Workplace: гибкий Команда занимается миграцией данных почтовых и календарных систем в продукт VK WorkSpace в On-premise- и SaaS-системах. Работаем с крупными заказчиками российского рынка, сложными техническими и продуктовыми задачами, большим количеством данных. Стремимся к повышению стабильности и качества наших продуктов. Ищем инициативного сотрудника с хорошей экспертизой и широким техническим кругозором для повышения инженерной культуры в команде и внесения вклада в достижение командных целей. Технологический стек: Languages: Go, Python, C, Lua Databases: PostgreSQL, MySQL, Tarantool Protocols & API: SMTP, IMAP, POP3, ICS, HTTP, gRPC, TCP, MS Exchange API Задачи Перенос почтовых систем крупных B2B-заказчиков в VK WorkSpace Написание, оптимизация и рефакторинг кода на Go Покрытие кода Unit/Integration тестами, ведение технической документации Поддержка продукта, участие в дежурствах, работа с Unix-like системами (CLI, чтение логов, знание системного программирования) Проектирование и оптимизация схем SQL / NoSQL (с пониманием внутренних механизмов СУБД) Применение практик Highload и построения отказоустойчивых систем Работа с сетевыми и почтовыми протоколами на разных уровнях стека Требования Опыт коммерческой backend-разработки на Go от трёх лет Уверенное владение Go: конкурентность, профилирование, работа с сетью, тестирование и поддержка production-кода Опыт проектирования и развития API и интеграций: HTTP, gRPC Практический опыт с PostgreSQL и MySQL: транзакции, индексы, планы запросов, репликация Опыт работы с высоконагруженными или распределёнными системами: отказоустойчивость, наблюдаемость, деградация и восстановление сервисов Умение разбираться в production-инцидентах: Linux/Unix CLI, логи, метрики, сетевые взаимодействия Понимание основ системного программирования и сетевого взаимодействия; умение применять системные инструменты для разработки и отладки Практика написания unit- и integration-тестов, участия в code review и ведения технической документации Готовность участвовать в развитии сервисов миграции корпоративной почты и интеграций с внешними системами Будет плюсом Опыт работы с Python, C, Lua, Tarantool Опыт работы с SMTP, IMAP, POP3, MS Exchange API Опыт работы с почтовыми протоколами, календарными форматами ICS и миграциями данных Опыт эксплуатации Kubernetes, CI/CD и on-premise-инсталляций

Location: Москва Workplace: гибкий Инфраструктурная команда Core Backend отвечает за надёжность ВКонтакте, разрабатывает HighLoad core-сервисы, которые находятся на стыке продукта и инфраструктуры — от них зависят многие сценарии продуктовой разработки. Также мы являемся одним из главных драйверов по распилу монолита. Задачи Выделение независимых сервисов, оптимизация взаимодействия между ними Разработка и внедрение стандартизированных систем и подходов Участие в переходе, миграции систем хранения Проектирование и развитие механизмов устойчивой работы при сбоях и повышенной нагрузке Анализ инцидентов, поиск первопричин и внедрение системных улучшений Участие в архитектурных решениях для высоконагруженной платформы Требования Уверенное владение Go Опыт работы на PHP Опыт разработки и эксплуатации высоконагруженных backend-систем Опыт работы с контейнерами и оркестраторами Понимание облачной инфраструктуры и принципов построения распределённых систем Знание SRE-практик: мониторинг, управление инцидентами, надёжность, отказоустойчивость, безопасные изменения в production Опыт работы с реляционными или NoSQL-БД, а также системами кеширования Будет плюсом Опыт разработки платформенных или инфраструктурных продуктов Опыт проектирования систем, критичных к доступности и производительности Навыки performance-инжиниринга, поиска узких мест и планирования ресурсов Опыт улучшения процессов эксплуатации и автоматизации рутинных операций

Location: Санкт-Петербург Workplace: Офисный Мы ищем специалиста, который будет обеспечивать надёжную работу систем энергоснабжения центров обработки данных (ЦОД), участвовать в развитии инженерной инфраструктуры и поддерживать высокий уровень отказоустойчивости оборудования. Задачи Проводить техническое обслуживание, диагностику и ремонт электроустановок 0,4 и 6 (10) кВ Выполнять комплексные испытания и лабораторные проверки электрооборудования Принимать в эксплуатацию новые и реконструированные электроустановки Проводить аудит электроустановок, в том числе на площадках коммерческих ЦОД Обслуживать инженерное оборудование ЦОД: ИБП, аккумуляторные батареи, распределительные устройства, трансформаторные подстанции, дизель-генераторные установки и другое оборудование систем энергоснабжения Контролировать выполнение работ подрядными организациями при строительстве, реконструкции и техническом обслуживании энергообъектов Выполнять электромонтажные и инсталляционные работы, сборку электрощитового оборудования, подключение инженерной инфраструктуры под новые проекты Участвовать в подготовке технических заданий для подрядчиков Разрабатывать и актуализировать эксплуатационную документацию и инструкции Формировать заявки на закупку оборудования, материалов, инструмента и запасных частей Обеспечивать соблюдение требований охраны труда, электробезопасности и промышленной безопасности Требования Высшее или среднее профессиональное образование (электротехническое направление) Опыт работы сервисным инженером, электромонтёром или инженером-энергетиком от трёх лет Практический опыт обслуживания электроустановок 0,4 и 6 (10) кВ Знание нормативной базы: ПУЭ, ПТЭЭП, ПОТЭУ, профильных ГОСТ и СП Опыт работы с ИБП, ДГУ, АКБ, РУ, ТП, трансформаторами, автоматическими выключателями и другим оборудованием систем электроснабжения Понимание принципов работы АВР, релейной защиты, шинопроводов, кабельных линий и испытательного оборудования Ответственность, внимательность, умение работать как самостоятельно, так и во взаимодействии с подрядными организациями Будет плюсом Опыт работы в центрах обработки данных (ЦОД), на объектах критической инфраструктуры или крупных промышленных предприятиях Опыт проведения высоковольтных испытаний и измерений Навыки участия в приёмке инженерных систем после строительства или реконструкции Условия: Работа на современном объекте ЦОД (недалеко от станции метро «Улица Дыбенко») График работы: 5/2 с 09:00 до 18:00 Официальное оформление по ТК РФ с первого дня Программа ДМС для сотрудников и их детей с первого месяца работы Компенсация питания Система гибких льгот с 14 категориями на выбор Участие в эксплуатации и развитии критически важной инженерной инфраструктуры Возможны командировки между Москвой и Санкт-Петербургом (до 25% рабочего времени) Оформление в соответствии с ТК РФ И многое другое, о чём мы расскажем на собеседовании :)