Вакансии

— создавать и тестировать креативы; — приводить пользователей в ботов;

Сейчас мы ищем дизайнера, который будет создавать коммерчески эффективный визуал для Wildberries, Ozon и других площадок с использованием ИИ-инструментов. Создание баннеров, карточек товаров и визуального контента для всех digital-каналов: маркетплейсы (Ozon, Wildberries), сайт, соцсети, email-рассылки.

Вы полностью отвечаете за соцсети: от идей и контент-плана до съёмки, монтажа и публикаций. Ведение и развитие аккаунта компании в TG/MAX/ВК.

We're looking for a Lead Product Designer to shape the end-to-end experience for members. You'll own design from concept through execution for our mobile app priorities.

We're looking for a Senior Content Marketing Specialist to shape and create impactful, thought-leadership led content across our 6 monthly brand campaign cycles, plus additional ICP tracks as needed, while owning customer advocacy content - e.g. case studies.

— составлять контент-план на месяц; — анализировать конкурентов и анонсы профильных мероприятий;

Workplace: Удалённый Ищем оператора CRM в команду Яндекс! Ты будешь ключевым звеном в коммуникации с пользователями: сегментировать аудиторию, настраивать триггерные рассылки по событиям, работать с Jinja и проверять качество контента перед отправкой. Если знаешь основы HTML, понимаешь структуру JSON и умеешь писать простые SQL-запросы — тебе к нам. Опыт работы обязателен. Предлагаем стабильный доход, работу из дома в графике 5/2, официальное трудоустройство и перспективы карьерного роста. Стань архитектором пользовательского опыта! Требования Полное описание вакансии размещено на сайте Команды для Бизнеса

• Разрабатывать и реализовывать SEO-стратегию портфеля проектов; • Управлять SEO-командой: ставить цели, развивать специалистов и участвовать в найме;

- Вести каналы бренда (ТГ, IG, VK, Дзен), включая контент план. - Составлять задачи креаторам, принимать их работу (креаторов тоже ищем).

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: 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: 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: Офисный 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 более удобными и персональными для пользователя: помогать находить хороший фильм на вечер, правильно выбирать следующую серию любимого сериала, продолжать просмотр с нужного места и получать релевантные рекомендации без дублей. Мы ищем руководителя команды, которая будет заниматься end-to-end развитием киносериальных рекомендаций: 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 — команда будет отвечать не только за модели, но и за качество пользовательских сценариев Задачи Руководить командой ML-инженеров и бэкенд-разработчиков: нанимать, развивать людей и выстраивать процессы Быть техническим владельцем направления и отвечать за качество рекомендаций фильмов и сериалов Формировать цели команды и декомпозировать их в понятные, достижимые задачи Проводить A/B-эксперименты, анализировать метрики и пользовательское поведение Выстраивать эффективное взаимодействие с продуктом, аналитиками, бэкендом и смежными ML-командами Требования Руководили ML-командой не менее двух лет Обладаете хорошими знаниями алгоритмов, структур данных и машинного обучения Имеете практический опыт разработки на Python, Java или C++ Работали с ML-решениями в условиях высокой нагрузки Умеете работать с продуктовыми метриками, A/B-тестами и пользовательскими гипотезами Будет плюсом Работали с рекомендательными, поисковыми или рекламными системами Имеете опыт работы с большими данными Работали с видео, медиа, UGC или стриминговыми продуктами Сталкивались с задачами матчинга или дедупликации

Location: Москва Workplace: Офисный Команда контекстных рекомендаций в VK Клипах отвечает за персонализацию коротких видео с учётом интересов пользователя в других продуктах VK. Сейчас наш основной фокус — клипы в VK Видео: мы используем информацию о просмотре длинных видео, чтобы лучше понимать предпочтения зрителя и рекомендовать ему интересные клипы. Наша задача — учитывать контекст продукта, в котором человек смотрит клипы, и помогать ему находить подходящий контент. Мы ищем руководителя команды, которая будет заниматься полным циклом развития контекстных рекомендаций: анализировать пользовательское поведение, находить полезные сигналы из других продуктов, формулировать и проверять гипотезы, обучать и внедрять модели, проводить A/B-эксперименты. Предстоит определять техническое развитие направления, развивать команду и вместе со смежными командами улучшать качество рекомендаций. Задачи Руководить командой: наём, развитие, performance review Декомпозировать бизнес-цели и проекты до уровня задач для команды Предлагать новые решения и проводить A/B-эксперименты для оценки гипотез Обеспечивать стабильность ML-решений в высоконагруженном рантайме Требования Опыт руководства командой ML или разработки от двух лет Опыт развития команды, проведения code review Практический опыт разработки на Java, Python или C++ Знание классических методов машинного обучения и DL Понимание принципов и методов предобработки данных, feature engineering и оценки моделей Знание алгоритмов и структур данных Опыт разработки рекомендательных или поисковых систем

Location: Москва Workplace: гибкий В рекомендациях, поиске и рекламе ключевую роль играют эмбеддинги — векторные представления контента. Их нужно считать в поточном режиме для всех новых объектов (видео, изображений, постов, рекламных объявлений) и быстро доставить в систему ранжирования Discovery Runtime. Feature Flow предоставляет ML-командам возможность самостоятельно управлять графами поточного обогащения данных и расчёта моделей. Платформа реализует материализацию таких графов в пайплайны стриминговой обработки данных, используя фреймворк Stream Flow. Результаты расчётов записываются в распределённое хранилище YTSaurus. Наша команда пишет на Java 21, использует Spring Boot, YTSaurus, Postgres, Gradle, GitLab CI, Grafana и множество внутренних инструментов. Задачи Улучшение UX, снижение TTM Интеграция новых сценариев Оптимизация ресурсов Обеспечение надёжности Миграция пайплайнов из неплатформенных решений Требования Опыт разработки на Java от пяти лет Опыт в проектировании отказоустойчивых сервисов Уже управляли командой разработки из 5+ человек Желание быстро осваивать новые технологии и подходы

Location: Москва Workplace: Комбинированный Мы создаём платформу персонализации для всех продуктов VK. На нашей инфраструктуре работают рекомендательные системы, поиск и реклама крупнейших продуктов компании, масштаб которых достигает 300 млн пользователей и почти миллиарда единиц контента. Немного о нашем масштабе: 1 млн vCPU вычислительных мощностей Сотни тысяч персональных подборок в секунду Более 300 инженеров из продуктовых команд используют нашу платформу, большинство из них — ML-инженеры Tier A, доступность более 99,99%. Мы умеем строить отказоустойчивые real-time системы и обеспечивать их работу под огромной нагрузкой Наша миссия — сделать платформу, на которой продуктовые команды могут быстро воплощать идеи, экспериментировать и растить метрики, не задумываясь о сложности инфраструктуры. При этом платформа должна эффективно работать даже в масштабах крупнейших интернет-продуктов. Наш технологический стек: Java (99% кодовой базы), C++ и Python для GPU-сервисов. Активно используем экосистему распределённых вычислений YTsaurus и разрабатываем собственные инфраструктурные решения. Задачи Мы ищем Team Lead в одну из команд платформы персонализации, которая отвечает за инфраструктуру поисковых сценариев. Один из главных инженерных вызовов в поиске — найти оптимальный баланс между потреблением RAM и CPU. Поисковые системы предъявляют особенно высокие требования к полноте данных, скорости их доставки и эффективности индексации. При этом важно обеспечивать предсказуемую производительность и эффективно использовать вычислительные ресурсы. В команде мы разрабатываем собственное реплицированное in-memory хранилище, технологии индексации контента и инфраструктуру для поисковых сценариев. Вам предстоит: Руководить командой инженеров: развивать сотрудников, участвовать в найме и отвечать за результаты команды Определять техническое развитие команды и принимать архитектурные решения Развивать технологии хранения и индексации данных, оптимизировать производительность и использование ресурсов Пример задачи, над которой работаем прямо сейчас: Реализовать персонализированное ранжирование поисковой выдачи, используя возможности платформы персонализации Почему у нас интересно: Масштаб, который редко встречается. Здесь даже небольшое архитектурное решение может влиять на миллионы пользователей и потребление тысяч CPU Сложные инженерные задачи. Мы не просто интегрируем готовые технологии, а создаём собственные решения для хранения, обработки и доставки данных в реальном времени Влияние на продукты. Результатами нашей работы пользуются более 300 инженеров продуктовых команд, а сама платформа лежит в основе ключевых продуктов VK Сильная инженерная экспертиза. Мы умеем строить системы с доступностью более четырёх девяток и постоянно работаем над тем, чтобы делать их быстрее, надёжнее и эффективнее Требования Опыт руководства инженерной командой, включая people management Уверенное знание Java или опыт разработки на другом современном языке с готовностью перейти на Java Хорошее понимание алгоритмов и структур данных Интерес к распределённым системам, большим данным и высоконагруженным сервисам. Опыт работы с ними будет преимуществом Любовь к технически сложным задачам, оптимизации кода и поиску эффективных решений Будет плюсом Опыт разработки поисковых или рекомендательных систем Знакомство с машинным обучением и инфраструктурой для ML

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 Мы развиваем социальную коммерцию внутри VK — новый формат покупок, в котором пользователь знакомится с товарами через клипы, видео, посты, сообщества и другие виды контента, а весь путь до покупки проходит внутри экосистемы. В наших системах уже хранится более 500 млн товаров, с которыми ежедневно взаимодействуют миллионы пользователей. Команда развивает ключевую часть товарной вертикали ВКонтакте. Все то, что связано с главным компонентом: карточкой товара, а также витринами, чекаутом, корзиной и так далее. В команде решаются амбициозные и интересные задачи, направленные на развитие и расширение использования товаров внутри соцсети. Задачи Разрабатывать и проектировать backend на Go и на KPHP в монолите Проектировать новые сервисы, API и межсервисные взаимодействия Работать с большими объёмами товарных данных Участвовать в выборе и внедрении PostgreSQL, Kafka, Redis, ClickHouse и других инфраструктурных решений Решать задачи производительности, масштабирования и отказоустойчивости по мере роста продукта Работать над продуктовыми задачами на стыке товаров и других сервисов ВКонтакте Участвовать в архитектурной и технической проработке новых возможностей продукта Последовательно сокращать legacy и технический долг направления Требования Опыт backend-разработки от двух лет Хорошее знание Go и практический опыт его использования: concurrency, context, тестирование, профилирование Опыт разработки и эксплуатации production-сервисов Понимание архитектуры распределённых систем: API, базы данных, кэширование, очереди, межсервисное взаимодействие Умение разбираться в существующем коде и безопасно переносить функциональность между системами Опыт проведения code review и командной разработки Самостоятельность при технической проработке задач и готовность участвовать в принятии инженерных решений Будет плюсом Опыт работы с PHP/KPHP, но глубокого знания языка на старте не требуется.