Вакансии

Практический опыт в основном банковском деле: жизненный цикл счета, расчёт процентов и комиссий, бухгалтерские записи, концепции регуляторной отчетности. Проверенная экспертиза в FLEXCUBE: настройка продукта и параметры, события, бухгалтерские роли и правила, архитектура (база данных, приложение, интерфейсы).

-Проектирование, разработка и внедрение программного обеспечения в стеке React, Yii2, PostgreSQL. -Тестирование и отладка при разработке нового функционала, написание автотестов, поиск багов серверных приложений, исправление ошибок.

🔹 5+ лет коммерческого опыта. 🔹 Уверенные знания React и TypeScript.

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: 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 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 работаем над самой масштабной контентной платформой в рунете — по объёму, форматам, времени потребления и аудитории. Миллионы RPS и петабайты данных — главные вызовы для бэкенда ВКонтакте.Core Backend — это слой продуктовой инфраструктуры, который лежит в основе и позволяет разным командам двигаться вперёд, не решая одни и те же задачи.Мы ищем инженера, который хочет решать сложные задачи и напрямую влиять на архитектуру ВКонтакте. Задачи проектирование и реализация новых Go-сервисов для распила монолита; оптимизация нагрузки и потребления ресурсов существующих сервисов; переход на современные open-source базы данных; повышение надёжности ВКонтакте. Примеры конкретных задач в работе: сервис статистики для авторов. Единая точка входа для работы со статистикой. Обрабатывает около миллиона событий в секунду, связанных с взаимодействием с контентом, и отображает её в личных кабинетах авторов практически в реальном времени; Лайки и реакции. Единый сервис для простановки лайков и реакций для любых сущностей. Архив объёмом в триллион лайков, миллионы чтений и тысячи записей в секунду; Комментарии. Единый сервис для работы с комментариями к любым сущностям — посты/видео/клипы. Унифицированная и настраиваемая логика для лёгкой интеграции в любой продукт; редизайн платформы сообщений: миграция триллионов сообщений с специфичных, сильно кастомизированных движков на современный open-source стек с выделением переиспользуемого core backend-слоя. Требования владение Go уверенное; опыт работы с высоконагруженными сервисами и проектирования отказоустойчивых решений; опыт работы с несколькими популярными open-source решениями: PostgreSQL, MongoDB, Redis, Cassandra, ClickHouse, Kafka или аналогами. Будет плюсом знание PHP; опыт оптимизации вычислений и хранения данных; опыт работы с YTsaurus.

Location: Москва Workplace: гибкий Команда VK Коммуникаций отвечает за ключи безопасности и доставки сообщений для всей экосистемы. Мы строим единый сервис верификации (SMS-Gate), который заменит 15-летнюю систему на Perl. Также мы развиваем VKCM — транспорт для Push-уведомлений, который доставляет миллионы сообщений на Android-устройства. Тебе предстоит не только создавать, но и масштабировать архитектуру, устанавливать стандарты и вести за собой команду из 14 человек. Задачи Проектировать и реализовывать архитектуру сервисов: SMS-Gate, VKCM и других Мигрировать логику с Perl на Go, сохранив стабильность и надёжность Реализовывать сложные каскады проверок (SMS, Mobile ID, Telegram, Flash-звонки и так далее) для оптимизации конверсии и затрат Настраивать observability (метрики, алерты, логи) с использованием VictoriaMetrics и Grafana Проводить ревью кода, менторить разработчиков и внедрять стандарты качества Оптимизировать CI/CD, сокращать техдолг и улучшать процессы разработки Участвовать в планировании и управлении техническим бэклогом Работать с внешними партнёрами (операторы, вендоры) при необходимости Требования От трёх до пяти лет коммерческой разработки на Go Опыт проектирования распределённых систем под высокой нагрузкой (Highload) Глубокое понимание PostgreSQL, Redis и Kafka (включая работу с партициями, репликацией и гарантиями доставки) Умение настраивать метрики, логи и алерты Опыт управления командой или менторства (желателен) Способность аргументированно защищать технические решения Способность работать с устаревшим кодом и вносить улучшения без потери стабильности Готовность осваивать новые технологии и адаптироваться к новым требованиям Будет плюсом Опыт работы с Push-сервисами или телекоммуникационными протоколами Навыки переговоров с техническими партнёрами (операторы связи, вендоры и другие)

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. Задачи Разрабатывать и поддерживать микросервисы на Go Участвовать в проектировании архитектуры системы и взаимодействии между её компонентами Оптимизировать производительность и повышать надёжность разрабатываемых сервисов Осуществлять мониторинг и обеспечивать стабильность систем Разрабатывать модульные, функциональные и end-to-end тесты Участвовать в code review Требования Опыт коммерческой разработки на Go от трёх лет Понимание принципов построения распределённых систем Умение писать читаемый, поддерживаемый и тестируемый код Знание принципов безопасности веб-приложений Опыт работы с реляционными и нереляционными базами данных Опыт работы с брокерами сообщений Опыт использования observability-инструментов (метрики, трейсы, логи) Опыт работы с Git и CI/CD-инструментами Опыт работы с Docker и контейнерными технологиями

Location: Москва Workplace: Комбинированный Мы развиваем Managed Databases — платформу управляемых баз данных в One Cloud. Команда SQL & Search отвечает за PostgreSQL, MySQL, OpenSearch и Qdrant: проектирует новые возможности сервиса, автоматизирует работу с кластерами и делает их эксплуатацию надёжнее и понятнее. Основное направление этой роли — PostgreSQL: на него приходится около 70–80% задач. Предстоит развивать жизненный цикл 1500+ кластеров: мажорные обновления, бэкапы и восстановление, автоматическое предотвращение аварийных состояний и аналитику производительности. Ищем сильного Java/backend-разработчика с пониманием распределённых систем. Опыт с инфраструктурой и базами данных приветствуется, но не является жёстким требованием: важнее умение быстро погружаться в новую предметную область, разбираться в сложных системах и доводить изменения до production. Наш стек: Java 21 → 25, Spring Boot, PostgreSQL, MySQL, OpenSearch, Qdrant, Temporal, S3, Kafka, Redis, ClickHouse, микросервисная архитектура. Задачи Проектировать и разрабатывать на Java компоненты платформы управляемых баз данных Реализовать мажорные обновления PostgreSQL и развивать поддержку новых версий Переработать бэкапы и восстановление PostgreSQL, снизить нагрузку на master и обеспечить устойчивость кластеров к сбоям S3 Развивать автоматическую замену отказавших узлов и автоскейлинг до возникновения инцидента Создавать инструменты диагностики и аналитики производительности PostgreSQL: помогать пользователям находить медленные запросы, проблемные настройки и причины деградации Повышать надёжность и скорость операций управления кластерами, пользователями, базами данных и расширениями Участвовать в on-call, поддержке production и разборе инцидентов По мере необходимости развивать OpenSearch, Qdrant и MySQL Требования Уверенный опыт разработки backend-сервисов на Java Понимание принципов работы распределённых систем и способов обработки частичных сбоев Умение проектировать отказоустойчивые изменения, учитывать идемпотентность, повторные попытки и конкурентное выполнение операций Способность диагностировать сложные проблемы и находить их первопричины Готовность участвовать в архитектурных обсуждениях и аргументировать технические решения Самостоятельность: умение провести задачу от исследования и проектирования до запуска и поддержки в production Интерес к устройству баз данных и готовность глубоко погружаться в их внутреннюю механику Будет плюсом Опыт работы с PostgreSQL и понимание репликации, WAL, бэкапов, восстановления или обновления версий Опыт разработки инфраструктурных платформ, DBaaS или систем управления кластерами Практический опыт работы с S3-совместимыми объектными хранилищами Знакомство с OpenSearch, Qdrant или MySQL Опыт создания инструментов диагностики производительности и наблюдаемости Опыт эксплуатации высоконагруженных сервисов и участия в разборе production-инцидентов