Вакансии

— Присутствовать на созвонах руководителя в Zoom. — После встреч выделять задачи: что, кто и к какому сроку.

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: Санкт-Петербург Workplace: гибкий VK Видео — крупнейший российский видеосервис: ежедневно им пользуются десятки миллионов людей. Перед нами стоит амбициозная задача — развивать видеосервис № 1 в России и внедрять новые технологии. Ищем Android-разработчика, готового к масштабным задачам и к активному участию в жизни продукта. Задачи Разрабатывать приложение VK Видео для Android и Android TV Cоздавать новые возможности продукта, реализовывать смелые UX-эксперименты Cледить за работоспособностью сервиса и устранять технический долг Взаимодействовать с командой менеджеров, дизайнеров, аналитиков и тестировщиков Принимать участие в планировании, обсуждении проектов Требования Вы отлично знаете Kotlin Хорошо знаете платформу Android Знаете классические алгоритмы и структуры данных Обладаете навыками профилирования Пишете Unit- и UI-тесты Работали с аудио или видео на мобильных устройствах Готовы активно участвовать в развитии проекта

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: 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 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: Комбинированный Мы ищем ML-инженера в команду рекомендаций Ленты социальной сети Одноклассники. Команда развивает персонализацию постов, фотографий и видео, повышает вовлечённость пользователей, помогает авторам находить свою аудиторию и делает Ленту более разнообразной. Задачи Разработка факторов и моделей ранжирования Обучение и внедрение ML-моделей в production Развитие высоконагруженных сервисов рекомендаций Проведение и анализ A/B-тестов Требования Опыт работы ML-инженером от двух лет Знание алгоритмов машинного обучения и принципов построения рекомендательных систем Опыт промышленной разработки на Java Понимание принципов работы высоконагруженных систем Будет плюсом Опыт разработки рекомендательных систем и моделей ранжирования Опыт проведения и анализа A/B-тестов Опыт работы с YTsaurus, CatBoost, Spring и Java

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: Санкт-Петербург Workplace: гибкий Мы работаем над самой масштабной контентной платформой в рунете: по объёму, форматам, времени потребления и аудитории. Видеовитрина с различными категориями, высоконагруженные трансляции, аналитика и десятки миллионов пользователей — это всё про нас. Мы — Авторский блок VK Видео. Создаём и развиваем инструменты, которыми авторы пользуются каждый день: от загрузки и публикации видео до управления контентом, оформления канала и анализа статистики потребления контента авторов. Наши задачи — это сочетание разработки продуктовых фич, работы с высоконагруженными сервисами и решения сложных технических задач. Мы работаем с большими объёмами данных, развиваем аналитику потребления контента, обеспечиваем стабильность загрузок и создаём удобный авторский опыт на десктопе и в мобильных браузерах и приложениях. Почему у нас интересно: Ты будешь работать над продуктом с большой аудиторией, решать разнообразные инженерные задачи и видеть реальное влияние своей работы на опыт авторов У нас есть место как для запуска новых фич с нуля, так и для архитектурных улучшений, оптимизации производительности и развития технической платформы Задачи Заниматься продуктовым и техническим развитием видеосервисов и системы аналитики для них Развивать API-сервис видео Интегрировать технологии работы с видео в существующую инфраструктуру Улучшать платформу видео с нагрузкой в миллиард ежедневных просмотров Работать над платформой трансляций, которая выдерживает трафик до 3 Тбит/сек и 1,8 млн онлайн-просмотров Требования Вы разбираетесь в классических алгоритмах и структурах данных Работали с JS и React Понимаете, что такое настоящий highload, и готовы драться за каждую миллисекунду Представляете принцип работы с масштабируемыми нагруженными системами — вам знакомы слова балансировка, шардирование и репликация Можете разобраться в том, что написали другие разработчики (да-да, старого кода у нас много) Командный игрок — с вами комфортно общаться, вы умеете договариваться с коллегами из своей и других команд

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 ML Media — продукт ML R&D: единый gateway для различных AI-технологий. Продуктовые команды VK интегрируются с платформой один раз и получают доступ ко всему спектру речевых и мультимедийных ML-моделей: ASR — распознавание речи: синхронное, асинхронное (длинные аудио) и realtime-стриминг TTS — синтез речи CV — компьютерное зрение: детекция лиц, оценка качества видео, deepfake-детекция, OCR VQE — улучшение качества речи: шумоподавление, определение голосовой активности Диаризация — разметка аудио по спикерам Суммаризация — краткое содержание аудио и видео на базе LLM: главные тезисы длинных записей за секунды, а не часы прослушивания За единым API платформа скрывает всю инженерную обвязку: маршрутизацию и балансировку нагрузки на GPU-парк с моделями на NVIDIA Triton Inference Server и vLLM, квоты и рейт-лимиты, асинхронную обработку длинных медиа, защиту GPU-парка от перегрузки и наблюдаемость всего контура. ML Media уже интегрирована с ключевыми продуктами VK: MAX, VK Мессенджер, VK ID, VK Звонки и VK Видео. Наши пользователи — миллионы людей, которые каждый день распознают и синтезируют речь, общаются с голосовыми ассистентами и смотрят видео. Сейчас мы проходим трек платформизации существующих технологий: ASR, TTS, CV и другие сервисы уже работают в production по отдельности — мы объединяем их в единую платформу с общим API, единой плоскостью управления и общей инфраструктурой. Отдельная инженерная задача — сделать так, чтобы подключение новой технологии к платформе занимало дни, а не месяцы. Команда интеграции технологий разрабатывает компоненты платформы — API-шлюз (gRPC, REST и MCP для LLM-агентов), плоскость управления (пользователи, токены, квоты), асинхронный контур обработки задач и клиентский инструментарий (CLI, MCP) — и отвечает за то, чтобы research-модели становились надёжными production-API. Задачи Разработка платформы: API-шлюз (gRPC, REST, MCP), плоскость управления (пользователи, токены, квоты), асинхронный контур обработки задач, клиентский инструментарий (CLI, MCP) Поддержка существующих интеграций: сопровождение интеграций продуктовых команд (MAX, VK Мессенджер, VK ID, VK Звонки, VK Видео), помощь в подключении, разбор инцидентов Балансировка и роутинг запросов к ML-бэкендам: кастомные gRPC balancer'ы, health-probing реальными inference-запросами, теговый роутинг моделей Admission control на основе утилизации GPU: метрики throughput, гистерезис throttle/reject, сигналы автоскейлеру Асинхронная обработка длинных медиа: Kafka-воркеры, outbox, ретраи и восстановление задач, партиционирование таблиц PostgreSQL Наблюдаемость и эксплуатация: Prometheus-метрики, Sentry, структурированные логи, поиск узких мест Взаимодействие с ML-командами и продуктовыми заказчиками, участие в проработке архитектуры Требования Опыт коммерческой разработки на Go Уверенное владение конкурентностью: goroutines, context, errgroup, graceful shutdown Опыт проектирования отказоустойчивых высоконагруженных систем Опыт с gRPC (streaming, interceptors), PostgreSQL, Redis, Kafka или другими брокерами сообщений Навыки диагностики production-проблем: метрики, логи, профилирование Системное мышление Будет плюсом Опыт с NVIDIA Triton Inference Server, vLLM или другими платформами ML-сервинга Понимание метрик ML-инференса: real-time factor, throughput, latency, утилизация GPU Опыт разработки кастомных gRPC balancer'ов или resolver'ов Опыт с admission control, capacity planning, автоскейлингом Понимание agentic AI: MCP, tool calling Опыт с sqlc, testcontainers, codegen-пайплайнами Знание Python — для взаимодействия с ML-кодом бэкендов

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: 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 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: Санкт-Петербург Workplace: гибкий VK Видео Live — это стриминговая часть платформы VK Видео, которая полностью отвечает за прямые эфиры, интерактив и real-time коммуникацию с пользователями. Наша команда создаёт и развивает собственный продукт полного цикла — от запуска трансляций и механик монетизации (донаты, платные подписки, VK Donut) до аналитических кабинетов авторов. Кроме того, мы разрабатываем Live SDK — набор компонентов для встраивания чатов и управления стримами в другие продукты компании, включая крупнейшие интеграции с VK Видео и ВКонтакте. Задачи Продуктовые фичи для зрителей и авторов: Разрабатывать real-time интерактив для зрителей: технологичные чаты с модерацией, тредами и ботами, а также умные системы рекомендаций и уведомлений Создавать инструменты монетизации и удержания: развивать бизнес-логику платформы (управление подписками, каналами и пользовательскими настройками) Запускать новые фичи для авторов контента: проектировать инструменты проведения эфиров, механики рейдов, интерактивные прогнозы и модули глубокой аналитики Сложные инженерные задачи (Core): Проектировать высоконагруженные real-time системы: уходить от классического CRUD в сторону сложной backend-архитектуры Писать сервисы для работы с потоковыми данными и механиками распределения метаданных Оптимизировать сетевое взаимодействие: погружаться в низкоуровневую работу с сетевыми протоколами для минимизации задержек Требования Уверенное знание языка Go и понимание его тонкостей Опыт реализации и проектирования приложений на Go Опыт разработки REST-сервисов и GRPC-сервисов на Go Умение пользоваться отладчиком и профайлерами Go Опыт работы с БД Postgres Опыт работы с NoSQL БД Опыт работы с Kafka или иными брокерами сообщений Уверенное владение Git Уверенный опыт работы с Linux-системами Понимание принципов работы сетей и сетевых протоколов Будет плюсом Понимание и опыт имплементации кодогенераторов Опыт работы с ClickHouse Опыт работы с Centrifugo/WebSockets Опыт работы с K8s Опыт конфигурации GitLab CI Опыт работы с S3 Понимание принципов безопасности информационных систем Понимание принципов отказоустойчивости и масштабируемости информационных систем

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.