Вакансии vk: работа в IT и digital

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.

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

Мы разрабатываем end-to-end рекомендательную систему для ленты рекомендаций Ответов Mail.ru: от генерации идей до реализации факторов, обучения моделей и A/B-тестирования. Наша цель - помогать авторам быстрее получать ответы на свои вопросы и улучшать пользовательский опыт, чтобы они 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 объемов 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 2 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 а/б-экспериментов;
• Опыт работы с ООП-языками (Java, С++).

Наш отдел развивает ряд поисковых вертикалей, которыми пользуются миллионы пользователей VK. Среди них — поиск по музыке, сообществам, товарам, постам. За каждой поисковой вертикалью стоят ML-алгоритмы, пайплайны обработки больших данных и множество A/B-экспериментов. Мы ищем ML-специалиста, которому интересно погрузиться в область поискового ранжирования и работать над повышением качества поиска с помощью методов машинного обучения.

Задачи

• Развитие качества Поиска по приложениям
• Разработка и развитие процессов подготовки данных
• Тестирование, внедрение и анализ ML-решений

Требования

• Знание классических алгоритмов, структур данных и основных методов ML
• Опыт работы с технологиями обработких больших данных
• Готовность изучать и использовать новые технологии
• Готовность внедрять ML-решения в Поиск
• Открытость, самостоятельность, проактивность

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)

Умная лента — первое, что видит пользователь, когда открывает приложение ВКонтакте. Сто миллионов пользователей каждый месяц заходят в наш сервис за новостями, публикациями и мемами. Наша задача — найти для каждого из них самый интересный контент среди его подписок и порекомендовать что-то новое. Наши задачи покрывают обширную часть рекомендательных систем: информационный поиск, ранжирование, алгоритмы на графах, контентный анализ. Всё это возводится в степень больших данных и высоких QPS: если матричные факторизации, то распределённые; если модели ранжирования, то эффективные.

Ищем ML-инженера, который усилит нашу команду.

Задачи

• Улучшать базовое качество рекомендаций и ранжирования
• Анализировать поведение пользователей и потребление контента, выдвигать и проверять гипотезы, проводить А/В-тесты
• Принимать участие в разработке сервисов, внедрять алгоритмы в бэкенд на Java

Требования

• Опыт работы в ML от трёх лет
• Знание классических алгоритмов и принципов ML
• Знание алгоритмов и структур данных
• Опыт работы с технологиями обработки больших данных (Hadoop, Spark, YT и другое)
• Понимание принципов работы и подходов к построению рекомендательных систем

Наши продукты — это миллионы пользователей ВКонтакте и Одноклассников, которые каждый день видят рекомендации: истории, друзей, сообщества, подарки, игры, стикеры, анкеты в знакомствах и многое другое. За этим стоят ML-алгоритмы, пайплайны обработки больших объёмов данных и множество A/B-экспериментов.

Сейчас мы активно переносим рекомендательные вертикали на единую контентную платформу (ЕКП) — единая на весь ВК платформа создания рекомендательных систем. Нам нужны сильные ML-разработчики для решения наших амбициозных задач.

О проекте

Команда социальных сервисов отвечает за ранжирование контента в продуктах ВК и ОК. Мы работаем с лентой, историями, рекомендациями друзей, сообществ и других социальных фич. Наша цель — помогать пользователям находить самое интересное, а авторам — новую аудиторию.

Мы строим end-to-end рекомендательные системы: от генерации идей до реализации факторов, обучения моделей и A/B-тестирования.

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++)

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++)

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

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

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, правильно выбирать следующую серию любимого сериала, продолжать просмотр с нужного места и получать релевантные рекомендации без дублей и некачественных копий.

Команда 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.

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 технической командой — ML или разработки — не менее двух лет
• Обладаете хорошими знаниями алгоритмов, структур данных и основ 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

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