Вакансии

Выступать основным контактным лицом локального ИТ-центра компетенций по направлениям SAP: консультировать бизнес-пользователей по BW и функциональным модулям MM, SD и PP в SAP S/4HANA. Организовывать регулярное взаимодействие с ключевыми пользователями, собирать обратную связь и помогать в решении вопросов, связанных с работой систем и интеграций.

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: Комбинированный Мы разрабатываем крупнейший мессенджер в России, чтобы соединять людей, сервисы и компании. Создаём простые и удобные инструменты коммуникации. Продолжаем развивать платформу и ищем iOS-разработчика. Задачи Разрабатывать новые фичи и сложные технические решения Работать над оптимизацией, производительностью и масштабируемостью технических решений Реализовывать пользовательские интерфейсы, красивые анимации, заботиться о скролле и сохранять iOS-поведение приложения Взаимодействовать со смежными командами (бэкенд, дизайн, аналитика, QA) Требования Имеете опыт разработки 5+ лет на Swift, Objective-C Знаете Objective-C Самостоятельны, умеете принимать решения и нести ответственность за них Обладаете знаниями в области компьютерных наук У вас есть глубокое понимание iOS SDK-платформы и HIG Уже работали с многопоточным программированием и управлением памятью Знаете современные принципы построения архитектуры мобильных приложений Умеете и стремитесь решать сложные задачи простым и понятным способом без переусложнений Будет плюсом Опыт работы на других языках Опыт работы c нативными приложениями

Location: Москва Workplace: гибкий Мы работаем над самой масштабной платформой в рунете по количеству пользователей, объёму, форматам и времени потребления. Контентные сервисы ВКонтакте — один из ключевых драйверов продукта. Туда входят главные экраны приложения ВКонтакте: новостная лента, клипы, социальная коммерция. Контентные сервисы позволяют авторам находить своего зрителя. А мы делаем инструменты, чтобы этот процесс был наиболее гладким. Задачи Разрабатывать и развивать Android-приложение ВКонтакте Работать в рамках масштабной кодовой базы Участвовать в проектировании архитектуры Влиять на технические решения: стек, подходы, процессы Оптимизировать производительность (startup time, scroll, memory, network) Участвовать в code review и формировать инженерную культуру Требования Опыт 4+ года коммерческой разработки под Android Уверенное знание Kotlin + Java Опыт работы с разными архитектурами: Clean Architecture / MVI / MVVM (и понимание их применимости) Опыт работы с большими кодовыми базами и современным стеком (Coroutines, Compose) Понимание многопоточности и жизненного цикла Android Опыт оптимизации производительности и дебага сложных кейсов Знание классических алгоритмов и структуры данных

Location: Москва Workplace: гибкий Мессенджер позволяет пользователям вести переписку, отправлять видео- и аудиосообщения, подписываться на каналы, заводить собственные и не только. Под капотом у нас полноценная база данных SQLite для хранения сообщений и механизмы для отложенной отправки, которые позволяют пользоваться продуктом офлайн. Для работы с сетью используется набор технологий для разных сценариев: Short Poll, SSE, Web-Socket, Long Poll. В продукте много бизнес-логики, это уже не тонкий клиент, а полноценное приложение с интересными техническими вызовами. Задачи Разрабатывать мессенджер ВКонтакте для Android Интегрировать звонки, каналы, аудио- и видеоконтент Улучшать существующий код и писать новый — расширяемый, поддерживаемый и удобочитаемый Взаимодействовать со смежными командами (backend/дизайн/аналитика/QA) Оптимизировать работу приложения (перформанс, память, холодный запуск и так далее) Требования Опыт работы с мультимедиастеком желателен: камера, аудио, видео, энкодинг/декодинг Ответственность и способность работать самостоятельно Опыт реальной коммерческой разработки с использованием Java/Kotlin Хорошее понимание работы платформы Android Понимание нюансов многопоточности Понимание сетевых технологий, отличие TCP/UDP сокета от веб-сокета Умение оптимизировать приложение с точки зрения быстродействия и работы с сетью Опыт написания тестов

Location: Москва Workplace: Комбинированный VK Карты — наш собственный картографический продукт, который позволят бизнесам использовать геоданные и геосервисы, а людям получать предложения, релевантные их местонахождению и поисковым запросам. Задачи Проектирование и разработка мобильных SDK Проектирование и разработка мобильного приложения Отладка и профилирование Участие в code review Написание unit, UI и интеграционных тестов Требования Опыт разработки от трёх лет Отличные знания языка Kotlin Отличные знания особенностей OC Android и Android SDK Опыт разработки UI с использованием фреймворка Jetpack Compose Kotlin Coroutines + Flow Будет плюсом Знание Android NDK.

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: Комбинированный VK Видео — крупнейший российский видеосервис: ежедневно им пользуются десятки миллионов человек. Перед нами стоит амбициозная задача — развивать видеосервис № 1 в России и внедрять новые технологии. Нашим продуктом пользуются на разных устройствах (мобильные, телевизоры, веб), а ещё у нас есть несколько различных приложений (выделенные приложения VK Видео, приложения соцсети ВКонтакте). Мы ищем сильных ML-инженеров, которые помогут сделать наш продукт ещё более приятным и увлекательным для пользователей. Сейчас наша команда работает над улучшением качества в разных компонентах продукта: Рекомендации в персональной ленте Ранжирование в блоке «Смотреть позже» Рекомендации в тематических витринах, например Кино, Детское, Спорт и др. Ранжирование табов тематик и блоков видео Умные пуши и др. Задачи Улучшать базовое качество рекомендаций и ранжирования Анализировать потребление контента, выдвигать и проверять гипотезы, проводить А/B-тесты Тесно взаимодействовать с командами разработки, продуктовой аналитики и продуктовыми менеджерами Разбираться в незнакомых технологиях Принимать участие в разработке сервисов (внедрять алгоритмы в бэкенд на Java) Требования Совокупный опыт работы в ML от трёх лет Знание классических алгоритмов и принципов ML Знание алгоритмов и структур данных Уверенное владение Python, базовые знания SQL Открытость, самостоятельность и проактивность Будет плюсом Опыт в сфере рекомендаций или смежных областях (поиск, реклама, маркетинг и др.) на позиции уровня Middle и выше Опыт разработки сервисов на объектно ориентированном языке (C++, C#, Java, Python и др.) или Go Опыт работы с технологиями обработки больших данных (Hadoop, Hive, Spark, YT и др.)

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: гибкий Направление фильмов и сериалов в VK Видео отвечает за развитие одних из ключевых сценариев потребления: фильмы, сериалы, детский контент, ТВ-шоу и тематические подборки. Мы хотим сделать эти сценарии удобнее и персональнее для пользователя: помогать находить хороший фильм на вечер, выбирать следующую серию любимого сериала, продолжать просмотр с нужного места и получать релевантные рекомендации без дублей. Мы ищем старшего ML-разработчика, который будет развивать киносериальные рекомендации: анализировать пользовательское поведение, формулировать и проверять гипотезы, развивать матчинг и дедупликацию контента, обучать модели, обеспечивать стабильную работу рантайма, проводить A/B-эксперименты и развивать систему метрик. Об одном из наших релизов можно прочитать здесь: https://vk.company/ru/press/releases/12243/ Что предлагаем: Большой масштаб — десятки миллионов пользователей, высоконагруженный рантайм и большие данные Значимую продуктовую зону — фильмы и сериалы являются одним из ключевых драйверов роста вовлечения и TVT Сильную техническую среду — Discovery-платформа, ML-инфраструктура, Java, YTsaurus, быстрый цикл экспериментов Нетривиальные задачи — матчинг тайтлов, дедупликация копий, рекомендации сериалов, подборки, работа с плейлистами и кластерными сущностями Реальное влияние на продукт — возможность влиять не только на модели, но и на качество пользовательских сценариев Задачи Развивать рекомендации для фильмов, сериалов, детского контента, ТВ-шоу и тематических подборок, а также разрабатывать механизмы матчинга и дедупликации контента Обеспечивать стабильную работу ML-решений в высоконагруженном рантайме Проводить A/B-эксперименты и принимать решения на основе данных Взаимодействовать с продуктом, аналитиками, бэкендом и смежными ML-командами Находить точки роста и формулировать продуктовые и ML-гипотезы Требования Вы имеете от трёх лет опыта разработки ML-решений Уверенно пишете код на Python, Java или C++ Работали с ML-системами в условиях высокой нагрузки Умеете работать с продуктовыми метриками и A/B-тестами Готовы брать на себя сложные технические задачи и доводить решения до продакшена Будет плюсом Работали с рекомендательными, поисковыми или рекламными системами Работали с видео, медиа, UGC или стриминговыми продуктами Сталкивались с задачами матчинга и дедупликации контента Имеете опыт оптимизации ML-рантайма и production-инфраструктуры

Location: Москва Workplace: гибкий VK Pay — финтех-сервис, которым пользуются 60 миллионов человек в месяц и который включает в себя системы приёма платежей для В2В и В2С. Ищем опытного Frontend-разработчика в направление разработки VK Pay. Задачи Проектирование, разработка и поддержка интерфейсов платёжных решений Проектирование архитектуры frontend-части и методов взаимодействия с серверной частью Поддержка и рефакторинг существующего кода Планирование и оценка задач Реализация новых функциональных возможностей Проведение код ревью и ревью технических решений Требования Имеете опыт коммерческой разработки в роли frontend-разработчика от трёх лет Владеете React, TypeScript Умеете верстать и не боитесь CSS Умеете работать с Git Умеете дебажить и решать проблемы Умеете работать в команде и следовать соглашениям

Location: Москва Workplace: гибкий Календарь — это 365 дней, 12 месяцев, тут за нас уже всё разработали, еще в 16 веке. Мы же разрабатываем инструменты для удобного управления календарём: встречи, повторяемые встречи, переговорные комнаты, учёт занятости, десктоп и мобильные клиенты. В нашей зоне ответственности SaaS c мощными нагрузками и OnPremise инсталляции с требовательными заказчиками. Нам нужен инженер, готовый вносить свой вклад в инженерную культуру команды и делать так, чтобы Календарь работал как часы, но как календарь. Задачи Поддержка 10 микросервисов на Go: написание и ревью кода, подготовка и сопровождение релизов Проработка, оценка и разработка фич по продуктовым требованиям Дежурства: контроль метрик, устранение аварий, разбор баг-репортов Покрытие системы интеграционными тестами Требования Опыт разработки на Go Опыт работы с Docker и PostgreSQL Навыки проектирования высоконагруженных распределённых систем

Location: Москва Workplace: гибкий Мы ищем cтаршего разработчика в команду, отвечающую за разработку контентных сервисов ВКонтакте. VK Лента — это «сердце» социальной сети, а наша команда также отвечает за стены и постинг. Главная задача — участвовать в продуктовом развитии и переносе бэкендной части на новую архитектуру и язык Go. Вы будете работать как с существующим монолитом на PHP, так и с новыми микросервисами, обеспечивая их высокую производительность и надёжность. Задачи Разработка и развитие backend-функциональности продуктовой части VK Ленты (как монолита на PHP, так и микросервисов на Go) Участие в выносе и переработке функциональности из монолита в Go-сервисы Проектирование и реализация новых сервисов, API и внутренних интеграций Оптимизация производительности, стабильности и масштабируемости backend-решений Участие в проработке архитектуры и технических решений по продуктовым задачам Интеграция с внутренними платформами и смежными сервисами рекомендаций, видео и ленты Разбор инцидентов, поиск узких мест, улучшение наблюдаемости и качества эксплуатации Взаимодействие с аналитиками, продактами, клиентскими и смежными backend-командами Участие в код-ревью, техническом обсуждении задач и формировании инженерных практик команды Требования Уверенное владение Go и опыт промышленной backend-разработки Опыт проектирования и разработки высоконагруженных сервисов Понимание вопросов отказоустойчивости, производительности и деградации функциональности Понимание принципов микросервисной архитектуры и интеграционного взаимодействия между сервисами Опыт работы с key-value БД, ClickHouse Опыт работы с асинхронными взаимодействиями, очередями Умение писать понятный, поддерживаемый код и разбираться в чужом коде Навыки профилирования, отладки и анализа проблем Опыт участия в командной разработке: code review, декомпозиции задач, взаимодействии со смежными командами Будет плюсом Опыт миграции функциональности из монолита в микросервисы Знание PHP/KPHP Опыт работы с highload-продуктами и рекомендательными/контентными системами

Location: Москва Workplace: гибкий Мы ищем cтаршего разработчика в команду, отвечающую за разработку контентных сервисов ВКонтакте. VK Лента — это «сердце» социальной сети, а наша команда также отвечает за стены и постинг. Главная задача — участвовать в продуктовом развитии и переносе бэкендной части на новую архитектуру и язык Go. Вы будете работать как с существующим монолитом на PHP, так и с новыми микросервисами, обеспечивая их высокую производительность и надёжность. Задачи Разработка и развитие backend-функциональности продуктовой части VK Ленты (как монолита на PHP, так и микросервисов на Go) Участие в выносе и переработке функциональности из монолита в Go-сервисы Проектирование и реализация новых сервисов, API и внутренних интеграций Оптимизация производительности, стабильности и масштабируемости backend-решений Участие в проработке архитектуры и технических решений по продуктовым задачам Интеграция с внутренними платформами и смежными сервисами рекомендаций, видео и ленты Разбор инцидентов, поиск узких мест, улучшение наблюдаемости и качества эксплуатации Взаимодействие с аналитиками, продактами, клиентскими и смежными backend-командами Участие в code review, техническом обсуждении задач и формировании инженерных практик команды Требования Уверенное владение Go и опыт промышленной backend-разработки Опыт проектирования и разработки высоконагруженных сервисов Понимание вопросов отказоустойчивости, производительности и деградации функциональности Понимание принципов микросервисной архитектуры и интеграционного взаимодействия между сервисами Опыт работы с key-value БД, ClickHouse Опыт работы с асинхронными взаимодействиями, очередями Умение писать понятный, поддерживаемый код и разбираться в чужом коде Навыки профилирования, отладки и анализа проблем Опыт участия в командной разработке: code review, декомпозиции задач, взаимодействии со смежными командами Будет плюсом Опыт миграции функциональности из монолита в микросервисы Знание PHP/KPHP Опыт работы с highload-продуктами и рекомендательными/контентными системами

Location: Москва Workplace: гибкий MAX — это цифровая платформа от VK, в которую интегрированы мессенджер, мини-приложения, нейропомощник, платёжный сервис и конструктор чат-ботов. Вместе мы делаем суперприложение, которое будет закрывать любые повседневные задачи человека: от звонка другу и просмотра погоды до оплаты парковки, записи в поликлинику и бронирования столика в ресторане. Наша команда создаёт ключевую инфраструктуру для верификации пользователей для всех сервисов группы. Сейчас мы в активной фазе: строим с нуля единый сервис верификации, который заменит 15-летнее legacy на Perl. Это критически важный узел, через который проходят каскады проверок: SMS, Mobile ID, MAX, Telegram и Flash-calls. Параллельно мы развиваем транспорт для доставки Push-уведомлений на миллионы Android-устройств. Нам нужен сильный инженер, который готов не только проектировать архитектуру, но и задавать стандарты кода, писать его и развивать команду из 14 человек. Наш стек: Язык — Go Брокеры и хранилища — Kafka, PostgreSQL, ClickHouse, YT, Redis Инфраструктура — VK OneCloud Задачи Развитие SMS-Gate, VKCM и других проектов подразделения Перенос логики с Perl-систем на современный стек без деградации сервиса Реализация сложной логики выбора каналов доставки (SMS/Call/Push/Messenger) для оптимизации стоимости и конверсии Тюнинг метрик и создание алертов на основе данных в VictoriaMetrics и Grafana Ревью кода, менторство разработчиков и внедрение стандартов разработки в команде Оптимизация CI/CD пайплайнов и работа с техническим бэклогом (сокращение техдолга — наш приоритет) Требования Опыт от 3–5 лет коммерческой разработки на Go Опыт проектирования распределённых систем, работающих под высокой нагрузкой (Highload) Глубокие знания PostgreSQL, Redis и опыт работы с Kafka (понимание специфики партиций, репликации и гарантий доставки) Умение не просто «смотреть графики», а самостоятельно настраивать сбор метрик и алертинг Желателен опыт управления командой или менторства. Способность аргументированно защитить техническое решение Спокойное отношение к чтению старого кода для его последующей замены, а также к работе с новым для себя стеком технологий Готовность работать в гибридном или офисном режиме работы Будет плюсом Опыт работы с Push-сервисами или телеком-протоколами Опыт в переговорах с техническими партнёрами (операторы связи, вендоры и др.)

Location: Москва Workplace: гибкий Мы — одна из немногих команд в стране, которая разрабатывает ядро распределённой базы данных, а не просто эксплуатирует её. У нас собственный форк Apache Cassandra, поверх которого реализовано то, чего нет в ванильной версии: транзакции, глобальные индексы, генератор последовательностей. С чем предстоит иметь дело: Распределённые системы на практике: репликация, кворумы, консистентность — в продакшене из кластеров на сотни узлов в нескольких дата-центрах, обслуживающем сервисы с многомиллионной аудиторией Живая миграция между мажорными версиями базы без downtime продуктов Производительность на уровне движка хранения: стратегии компакшена, тюнинг GC, работа с off-heap, профилирование под продакшен-нагрузкой Отказоустойчивость: сценарии потери целого дата-центра, расчётные модели доступности, разбор реальных инцидентов до первопричины Работа с апстримом: наш форк регулярно синхронизируется с ванильной Apache Cassandra — вы будете читать и понимать код одной из самых известных open-source баз на уровне контрибьютора Баги, которые не воспроизвести на ноутбуке: часть проблем существует только на больших данных и больших кластерах. Реальный пример из нашей практики — переполнение int32 при компакции SSTable, у которых файл метаданных сжатия перерос 2 ГБ: код работал годами, пока данные не доросли до граничного значения Задачи Разработка и поддержка собственного форка Apache Cassandra Развитие ядра форка: транзакционный слой (ACID поверх Cassandra), глобальные индексы, слияние с апстримом Apache Cassandra Миграция продуктовых сервисов на использование последней версии форка Разработка и поддержка интеграции Cassandra во внутреннюю систему managed database Работа с нагрузочными тестами Работа с метриками, алертами, написание ранбуков, совершенствование инструментов диагностики Дежурство по своим сервисам, разбор инцидентов и устранение их причин Техническое ревью изменений и менторинг в команде Работа с командами-потребителями: разбор их проблем с производительностью, схемой данных и конфигурацией Требования Практический опыт разработки на Java от пяти лет. Core, многопоточность, работа с памятью и сборщиком мусора, профилирование Понимание того, как база данных устроена внутри: хранение на диске, индексы, журнал записи, слияние файлов данных, транзакции и уровни изоляции. На примере любой СУБД Опыт чтения и доработки исходного кода инфраструктурного open-source: баз данных, брокеров сообщений, распределённых систем Опыт работы в большой чужой кодовой базе: умение разобраться в незнакомом коде и вносить изменения, не ломая смежную функциональность Понимание распределённых систем: репликация, консистентность, кворумы, поведение при отказе узлов и сетевых разделениях Готовность участвовать в дежурстве по своим сервисам и разбирать инциденты Будет плюсом Опыт работы с Apache Cassandra любой версии Опыт с другими NoSQL-хранилищами: HBase, ScyllaDB, MongoDB, Redis Опыт эксплуатации баз под нагрузкой: диагностика по метрикам и логам, разбор инцидентов на продакшене