Вакансии

Location: Москва Workplace: Комбинированный Мы разрабатываем крупнейший мессенджер в России, чтобы соединять людей, сервисы и компании. Создаём простые и удобные инструменты коммуникации. Сейчас развиваем платформу и ищем ведущего дата-инженера. Задачи Проектировать, реализовывать и оптимизировать сложные ETL-процессы (в том числе разработка DAG для автоматизации) Участвовать в проработке и пилотировании нового: Data Quality, развитие собственного ETL-фреймворка, тесные интеграции с аналитическими инструментами Работать с данными на каждом этапе их трансформации: от появления информации в конкретном источнике до принятия решений на данных Извлекать из исходных данных ценную информацию и скрупулёзно обрабатывать её для последующего анализа Реализовывать стабильный расчёт бизнес-метрик вместе с командой аналитиков Поддерживать и модифицировать созданные решения, обеспечивать доступность сервиса и корректность данных для принятия решений Требования Уверенно знаете Python на уровне написания собственного фреймворка и SQL на уровне оптимизации запросов Умеете проектировать DWH: слои, модели хранения данных, процессы ETL Хорошо понимаете принципы работы распределённых систем Hadoop или YTsaurus, ClickHouse Использовали Airflow, Luigi или другой оркестратор Умеете выбирать технологии для решения конкретных задач Понимаете принципы работы инструментов мониторинга и способны настраивать алерты для отслеживания состояния ETL-процессов Знаете основные алгоритмы и структуры данных, особенно используемые в работе с большими данными Эффективно общаетесь с людьми, находите общий язык с разными специалистами

Location: Москва Workplace: гибкий Наша команда решает сложные архитектурные задачи при масштабных внедрениях — как в B2B, так и в госсекторе. Задач и вызовов будет много. У нас есть возможность влиять на ключевые решения, выбирать оптимальные подходы. У нас опытные архитекторы и инженеры — всегда можно обсудить спорные моменты, обменяться идеями и прокачать экспертизу на реальных кейсах. Нам важен не просто процесс, а конкретный, измеримый результат. Задачи Сбор полных требований с заказчиков для проектирования и внедрения технических решений в инфраструктуру Архитектурное сопровождение проектов внедрения до перевода в ОПЭ Разработка, актуализация и контроль реализации технического дизайна решений Проектирование архитектурных решений, в том числе создание схем и диаграмм развёртывания Разработка внутренних и внешних документов, описывающих технические решения Требования Опыт в роли Solutions-архитектора Широкий технический кругозор: знание основных продуктов и решений на рынке IT (вычислительная и сетевая инфраструктура, СХД, SAN, СРК, ИБ, облачные сервисы, программные инфраструктурные решения, платформы оркестрации, решения в области управления и мониторинга, инженерная инфраструктура и так далее) Знания и практический опыт по построению и администрированию решений на базе платформ Linux и OpenSource-технологий Опыт построения геораспределённых катастрофоустойчивых систем Опыт разработки архитектурных стандартов и шаблонов проектирования Опыт в составлении и актуализации проектной документации (документов, схем, таблиц, калькуляторов) Навыки работы с инструментарием: MS Word, Excel, Jira, Confluence, Gitlab, Draw.io/Visio

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: Москва Workplace: Комбинированный Мы разрабатываем крупнейший мессенджер в России, чтобы соединять людей, сервисы и компании. Создаём простые и удобные инструменты коммуникации. Задачи Проектировать и разрабатывать микросервисы на Kotlin/Spring Boot, которые используются в процессе тестирования (сервисы‑заглушки, симуляторы, генераторы данных, оркестраторы сценариев) Реализовывать API и внутренние SDK для автотестов и тестовых инструментов, обеспечивать удобные интерфейсы для команд QA/Dev Разрабатывать сервисы для управления тестовыми данными и состоянием стендов: создание/очистка сущностей, фикстуры, миграции Интегрировать тестовые сервисы в существующую архитектуру: очереди, брокеры сообщений, внешние API, базы данных Встраивать автотесты в CI/CD (GitLab CI/Jenkins): smoke, регресс, nightly, запуск по мердж‑реквестам, отчётность Обеспечивать наблюдаемость: логирование, метрики, алерты для сервисов, от которых зависят тесты и контуры тестирования Взаимодействовать с QA‑командами, собирать требования к инструментам для тестирования, помогать им эффективно использовать созданные сервисы Писать покрытие unit/integration‑тестами для своих сервисов, поддерживать высокий уровень качества кода и производительности решений Требования Уверенное владение Kotlin и опыт разработки backend‑приложений на Spring Boot Понимание архитектуры микросервисов: REST, взаимодействие через очереди, идемпотентность, устойчивость к сбоям Опыт проектирования и разработки внутренних инструментов/сервисов (tools, test services, сервисы‑заглушки, генераторы данных или аналогичные системы) Опыт работы с SQL‑БД (PostgreSQL/MySQL), умение писать запросы, понимать транзакции и миграции Базовое понимание процессов тестирования и потребностей QA‑команд: виды тестов, требования к стабильности стендов, работа с заглушками Опыт работы с Git и CI/CD (GitLab CI/Jenkins/TeamCity): сборка, деплой и проверка своих сервисов на разных окружениях Будет плюсом Опыт разработки или поддержки платформы тестирования (test platform, test environment management, self‑service tools для QA) Опыт работы с брокерами сообщений (Kafka, RabbitMQ и тому подобное), написания сервисов‑консьюмеров/продюсеров Опыт container‑first разработки: Docker, базовая работа с Kubernetes Опыт интеграции с системами логирования и мониторинга (Prometheus/Grafana/ELK и аналоги)

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 Мы — команда VK Видео Live. Занимаемся продуктовой разработкой приложения VK Видео Live Android для смартфонов, планшетов и ТВ. Помимо этого, развиваем SDK для просмотра стримов и интегрируем его в другие продукты компании, например VK Видео или ВКонтакте. Наш стек: Минимальная версия Android — Android 8.0 (или Android SDK 26) Язык — Kotlin Архитектура — MVI, библиотека для архитектуры — MviKotlin Многопоточность / асинхронная работа — Kotlin Coroutines / Kotlin Flow Сеть — Retrofit / OkHttp / WebSockets (Centrifuge) DI — Dagger 2 / Hilt Загрузка картинок — Glide Навигация — Modo UI — Android Views / XML, постепенно используем Jetpack Compose Задачи Разработка новых фич для зрителей в мобильном приложении Разработка новых фич для стримеров в мобильном приложении Разработка и проектирование SDK единого стриминга Поддержка и развитие существующего UI на Android Views / XML Написание UI- и unit-тестов Проведение код-ревью Взаимодействие с командами бэкендеров, менеджеров, дизайнеров, аналитиков и тестировщиков Требования От трёх лет опыта коммерческой Android-разработки Знание Kotlin Знание Android SDK Опыт работы с Kotlin Coroutines и Flow Знание классического Android UI на базе Views и XML и опыт работы с существующим View-based кодом Будет плюсом Понимание однонаправленных архитектур (MVI) Знание Jetpack Compose Опыт разработки Android SDK / библиотек Опыт работы с WebSockets

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

Location: Москва Workplace: гибкий 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: гибкий Команда мобильной разработки в отделе SDK игр и приложений VK. Мы делаем Android SDK платформы VK Mini Apps — то, благодаря чему мини-приложения и игры работают внутри VK и партнёрских приложений: WebView-хостинг, JS-мосты VK Bridge, вход через VK ID, платежи, каталог. Задачи Развитие Android-части SDK Клиентские фичи платформы: каталог мини-приложений и игр, витрина сервисов Ускорение запуска и работы мини-аппов Безопасность платформы: изоляция мини-аппов, работа с правами на камеру, микрофон и геолокацию SRE-практики в SDK: метрики здоровья, алерты, crash-free, инцидент-менеджмент Требования 3+ года коммерческой разработки под Android, уверенный Kotlin RxJava и (или) Coroutines, Compose и классический View-стек Понимание MVVM/MVI, опыт в многомодульных проектах Умение вести задачу от обсуждения до релиза и договариваться со смежными командами Будет плюсом Опыт разработки SDK или библиотек: публичный API, версионирование Опыт с WebView и JS-интерфейсами, автотесты Большие монорепозитории, Gradle (Kotlin DSL)

Location: Москва Workplace: гибкий Мы — команда, которая строит и развивает LLM-агентов для поддержки пользователей и внутренних бизнес-процессов. Делаем решения «под ключ»: от прототипов и экспериментов до промышленных сервисов с мониторингом качества, метриками и стабильной эксплуатацией. Работаем на стыке ML/LLM и backend-разработки: проектируем пайплайны, интегрируемся с продуктами и инфраструктурой, строим RAG-системы и агентные сценарии, измеряем качество (precision/recall/F1, macro-F1), ведём эксперименты и улучшаем модели на данных. Используем Python, LangGraph/LangChain-подходы, Langfuse для наблюдаемости, Git и внутренние платформы хранения/обработки данных (в том числе YTsaurus), а также очереди и хранилища (Kafka/Redis). Задачи Разрабатывать и развивать LLM-агентов: сценарии, инструменты (tools), оркестрацию, память, маршрутизацию, обработку ошибок и fallback-логики Проектировать и внедрять RAG: индексация, эмбеддинги, ретриверы, ранжирование, чанкинг, оценка качества поиска и ответа Интегрировать агентные решения в прод: сервисы, API, взаимодействие с Kafka/Redis и другими компонентами инфраструктуры Настраивать наблюдаемость и контроль качества: логирование/трейсинг, Langfuse, дашборды, алерты, анализ деградаций Проводить офлайн/онлайн-оценку качества: считать precision/recall/F1/F1-macro, строить датасеты, проводить A/B или квазиэксперименты, формулировать гипотезы улучшений Участвовать в улучшении пайплайнов данных и экспериментов: подготовка данных, разметка/валидация, хранение и воспроизводимость Писать поддерживаемый код: ревью, тесты, документация, CI/CD, участие в архитектурных решениях Требования Уверенный Python (проектирование модулей, типизация, тестирование, работа с API/сервисами) Практический опыт работы с LLM/agentic-подходами: промптинг, tool calling, цепочки/графы, управление контекстом, обработка галлюцинаций и ограничений моделей Понимание и опыт оценки качества: precision/recall/F1, macro-F1, построение датасетов и интерпретация метрик Опыт построения или внедрения RAG (retrieval, embeddings, индексация, ранжирование, чанкинг, оценка retrieval-качества) Опыт разработки и эксплуатации сервисов: REST/gRPC, асинхронность, логирование, мониторинг, работа с Git Понимание очередей/кэшей/хранилищ (Kafka, Redis или аналоги), опыт интеграций Будет плюсом Опыт с LangGraph / LangChain, Langfuse (трейсинг, промпт-менеджмент, датасеты, evaluation) Опыт с YTsaurus или другими распределёнными системами хранения/обработки данных Опыт low-code/конструкторов пайплайнов и быстрых прототипов, доведение их до production Знание подходов к ранжированию, rerank, hybrid search, query rewriting, guardrails/safety Опыт A/B-тестов, построения продуктовых метрик и причинно-следственного анализа Опыт работы с контейнеризацией и деплоем (Docker/K8s), CI/CD

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: 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: 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