Вакансии

Location: Санкт-Петербург Workplace: В офисе Обязанности Продавать современные смартфоны, гаджеты и аксессуары, помогая клиентам выбрать идеальное решение для их потребностей. Подключать тарифные планы, услуги и сервисы, а также финансовые продукты МТС, обеспечивая клиентам полный спектр цифровых решений. Консультировать клиентов и абонентов, предоставляя профессиональные рекомендации по вопросам связи, гаджетов и цифровых технологий. Требования Желание общаться с людьми и решать их задачи. Стремление к результатам и высокой продуктивности. Умение работать в команде и поддерживать клиентоориентированный подход. Интерес к цифровым технологиям — это поможет вам быть в тренде и предлагать клиентам актуальные решения. Нет опыта? Не проблема! Если вы новичок в продажах или работе с клиентами, не переживайте! Мы: 1. Проведем подробное обучение для новичков. 2. Предоставим поддержку от опытного наставника на каждом этапе. 3. Создадим комфортную среду для вашего профессионального роста. Условия Гарантированную премию первые 2 месяца работы, чтобы вы могли стартовать уверенно. Стабильный оклад + ежемесячная премия, зависящую от ваших результатов. Мотивационные программы, включая ежегодные поездки за рубеж для лучших сотрудников! Бесплатную корпоративную связь для вас и льготный тарифный план для всей вашей семьи и друзей. ДМС с полным покрытием стоматологических услуг — уже через 6 месяцев работы. Оплачиваемое обучение и поддержку от опытного наставника, чтобы вы могли быстро развиваться в профессии. Карьерный рост в любой области компании, включая пути, например, Продавец-консультант → директор салона → директор сектора.

-Complete weekly QA audit allocations in line with established procedures and grading standards, providing detailed documentation of errors identified and their root causes. -Partner with stakeholders across CX, Compliance, Data Analytics, and L&D to close process gaps, launch workflow improvements, and enhance QA rubrics and frameworks.

Разрабатывать новый и дорабатывать существующий функционал конфигурации 1С:ERP 2.5 по техническому заданию совместно с аналитиками; Анализировать код (в том числе типового решения 1С:ERP 2.5), выявлять и устранять ошибки;

• С поддержкой наставника дорабатывать сервисы на Go для распределения пользователей по вариантам экспериментов и управления A/B-кампаниям. • Дорабатывать библиотеки и сервисы на Python для обработки аналитических данных, расчёта метрик и формирования отчётов.

Location: Новый Уренгой Сбер Премьер – это офис премиального обслуживания для состоятельных клиентов Сбера. Наша команда помогает достичь финансовых целей клиента, делает их жизнь удобнее и способствует развитию деловых связей. Мы работаем с биржевыми инструментами, помогаем создавать инвестиционный портфель и используем готовые стратегии для формирования капитала клиентов. Обязанности * вести инвестиционный портфеля клиента * готовить для клиента предложения по оптимальному набору продуктов и услуг в зависимости от его профиля * подбирать финансовые инструменты для достижения целей клиента * помогать клиентам в решении повседневных задач, связанных с банковскими продуктами * взаимодействовать с другими подразделениями и партнерами для оказания всесторонней поддержки клиентов. Требования * специалист с высшим образованием в сфере финансы, экономика или банки * имеешь опыт работы в финансово-банковском или страховом секторе от 1 года * имеешь навыки холодных звонков, продаж, консультирования и ведения клиентов * готов использовать ИИ в ежедневной работе (обучение за счёт компании — есть свои курсы). Условия * ежемесячную, годовую премию и ежегодный пересмотр зарплаты * возможность влиять на свой доход * перспективы карьерного роста * расширенный ДМС и льготное страхование для семьи * уникальную систему онлайн обучения Сбера для карьерного развития и роста * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера

Location: Москва Команда текстовых диффузионных моделей занимается прикладными исследованиями в области языковых моделей с альтернативными архитектурами и подходами к генерации текста: диффузионные текстовые модели, креативный генеративный ИИ. Обязанности * Организация SFT и RL дообучения моделей для агентного креативного ИИ * Улучшение моделей спекулятивного декодирования для ускорения инференса LLM, доработка архитектур, пайплайна обучения и протокола оценки. * Подготовка датасет для агентного сценария генерации русскоязычной поэзии. Требования * Владение инструментами и экосистемой: Linux, Python, torch, transformers, vllm. * Практический опыт проведения экспериментов в ML: планирование, сбор обучающих данных, оценка моделей, включая человеческую разметку, статобработка результатов, масштабирование. * Опыт работы с языковыми моделями: архитектурные модификации трансформера, распределенная тренировка, бенчмаркинг, оптимизация инференса. * Опыт работы с данными для обучения LLM: генерация синтетики, очистка данных, подготовка датасетов для обучения. **Будет плюсом** * Практический опыт запуска распределенных задач в вычислительном кластере. * Опыт научных публикаций по темам CS и ML. * Опыт доведения ML решений до прода. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты, годовая премия от 3х окладов * большой спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников со скидкой -1/3 от текущей ставки * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Workplace: гибкий Команда OK объединяет сотни специалистов разработки, дизайна, маркетинга, машинного обучения, поддержки пользователей и не только. Каждый из нас влияет на то, каким увидят ОК миллионы пользователей. Задачи Проектирование и разработка новых функциональных возможностей рекламной монетизации в проекте Игры ОК Участие в интеграционных проектах по рекламной монетизации в рамках всей VK, реализация общих задач с командой VK AdTech Участие в развитии платформы Игры в ОК Интеграции с различными рекламными движками Работа с единым SDK Требования Опыт работы в Android-разработке от двух лет Отличное знание Java и Kotlin Знание SOLID принципов и MV* паттернов Опыт работы с Jetpack Compose Умение проектировать архитектуру сложных модулей и подсистем Умение работать совместно с разработчиками других модулей и SDK Умение и желание работать над сложными задачами Умение оценивать задачи и соблюдать сроки Будет плюсом Опыт работы с рекламными сервисами.

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

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

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

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

Location: Москва Workplace: Офисный Дзен — сложная рекомендательная система и блог-платформа, которая помогает людям находить интересный контент, а авторам, медиа и брендам — свою аудиторию и единомышленников. Служба рекомендаций Дзена совершенствует алгоритмы ранжирования на платформе, чтобы пользователи видели самое актуальное для себя. Вам предстоит разрабатывать и улучшать рекомендательную систему, которая будет анализировать поведение пользователей, предсказывать их предпочтения и предлагать персонализированный контент. Вы будете участвовать во всех этапах — от сбора и обработки данных до обучения моделей (collaborative filtering, content-based, нейросетевые подходы) и их внедрения в production. Ваша работа напрямую повлияет на ключевые метрики бизнеса: увеличение конверсии, удержание пользователей и рост вовлечённости. Кроме того, вы сможете экспериментировать с новыми алгоритмами, проводить A/B-тесты и оптимизировать систему, чтобы рекомендации становились точнее и полезнее для миллионов пользователей. Задачи Реализовывать контентные и коллаборативные виды рекомендаций Генерировать и реализовывать новые идеи по улучшению наших алгоритмов Разрабатывать ML-алгоритмы — от базовой обработки и подсчёта подокументных факторов до ранжирования, рекомендаций и NLP Встраивать ML-решения в живой продовый код Коммуницировать с продакт-менеджерами и трансформировать продуктовые требования в техническую постановку задачи Требования Вы в ML больше двух лет Уверенно пишете и читаете продакшен-код Глубоко понимаете алгоритмы классического ML Будет плюсом Вы готовы участвовать в командных брейнштормах и постоянно искать альтернативные решения Уже разрабатывали продакшен-системы на Java Знаете алгоритмы рекомендаций

Location: Москва Workplace: гибкий Мы разрабатываем end-to-end рекомендательную систему для рекомендаций VK Клипов от генерации идей до реализации факторов, обучения моделей и A/B-тестирования. Наша цель — помогать авторам быстрее расти на платформе, а для пользователей показывать более релевантный контент. Задачи Разработка и оптимизация ML-моделей для рекомендаций Построение пайплайнов обработки больших объёмов данных Эксперименты: проверка гипотез, анализ A/B-тестов, улучшение метрик Генерация идей по улучшению качества работы рекомендаций и участие в проектировании рекомендательных сервисов Требования Опыт в ML от трёх лет Опыт работы с большими данными (Hadoop, Spark, YT) Опыт работы с realtime-сервисами Будет плюсом Опыт с рекомендательными и поисковыми системами Опыт проведения и анализа A/B-экспериментов Опыт работы с ООП-языками (Java, С++)

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

Location: Москва Workplace: Комбинированный 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 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 руководителя в команду вертикалей рекламы, 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 Руководить командой: наём, развитие, performance review Декомпозировать бизнес-цели и проекты до уровня задач для команды Повышать эффективность рекламы при помощи ML-алгоритмов 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 (линейные модели, градиентный бустинг, матричные факторизации, методы NLP) и DL Понимание принципов и методов предобработки данных, feature engineering и оценки моделей Знание алгоритмов и структур данных Будет плюсом Опыт разработки рекомендательных систем Опыт работы с большими данными (Spark, Hadoop, YTsaurus)

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: Комбинированный VK с самого основания соцсети стала точкой сближения пользователей друг с другом, а авторов — с их аудиторией. Здесь рождаются локальные мемы и вырастают известные на всю платформу блогеры; здесь можно делиться творчеством на многомиллионную аудиторию и не оставаться незамеченным благодаря умным алгоритмам рекомендаций. Наша команда развивает ML-механики авторов: помогаем пользователям находить действительно интересный контент, а авторам — быстрее набирать охваты и стабильно расти на платформе. Мы работаем на стыке хайлоадного бэкенда и продуктовых экспериментов: строим и улучшаем пайплайны данных, разрабатываем модели подбора релевантного контента и ранжирования, запускаем A/B‑эксперименты и доводим решения до стабильного продакшен-рантайма. Мы ищем ML‑разработчика, который вместе с нами будет развивать механики роста авторов и создавать новые модели подбора заинтересованной аудитории под конкретных авторов и их контент — от формулировки гипотез и обучения моделей до внедрения и измеримого влияния на ключевые метрики продукта. Задачи Улучшать базовое качество рекомендаций и ранжирования Анализировать поведение пользователей и потребление контента, выдвигать и проверять продуктовые гипотезы Строить и поддерживать end‑to‑end пайплайны моделей: от данных и обучения до продакшен‑внедрения и мониторинга метрик Принимать участие в разработке сервисов, внедрять алгоритмы в бэкенд на Java Проводить A/B-тестирование и принимать решения с влиянием на огромную аудиторию пользователей ВК Требования Знание классических алгоритмов и принципов ML Понимание основных принципов работы рекомендательных систем Знание математической статистики и методики проведения A/B-тестирования Уверенное владение Python/Java и SQL Открытость, самостоятельность, проактивность