Руководитель разработки Core-бэкенда рекомендательной системы в AI VK

Наша команда разрабатывает бэкенд рекомендательной системы для ключевых сервисов VK. Мы создаём технологии, которые помогают миллионам пользователей находить актуальный и интересный контент. Рекомендательная система обрабатывает сотни тысяч запросов в секунду, персонализируя ленты в реальном времени с использованием моделей машинного обучения. Мы уже успешно внедрили наши рекомендательные технологии в такие сервисы, как Дзен, VK Видео, VK Клипы, VK Музыка и лента ВКонтакте. Наша цель — построитьунифицированную платформу рекомендательных систем, которая обеспечит высокую эффективность и удобство для специалистов по машинному обучению.Система должна легко решать их задачи через конфигурации и пользовательский интерфейс, позволяя максимально сосредоточиться на качестве рекомендаций, а не на технических ограничениях инфраструктуры. Мы создаём решения, которые: Перед нами стоит задачаразработки архитектуры и ключевых компонентов платформы, включая хранилище данных, систему обработки информации, рантайм кластера для ранжирования, оркестратор и другие модули. Стек:Java 21, YTSaurus, Cassandra, Kafka, Gradle 8, GitLab & TeamCity, CatBoost, Off-Heap Memory, SpringBoot, TestContainers. Мы развиваем технологии искусственного интеллекта для ключевых продуктов VK, создаём систему рекомендаций и поиска контента на наших платформах. Стек: Задачи Задачи: Проектирование и разработка распределённой, отказоустойчивой и масштабируемой инфраструктуры для обработки и выдачи рекомендаций.; Разработка платформенных решений, которые позволяют ML-специалистам легко управлять моделями и экспериментами через конфигурации и UI.; Оптимизация производительности системы под высокие нагрузки.; Создание инструментов для мониторинга, отладки и улучшения качества рекомендаций.; Взаимодействие с командами по машинному обучению, инфраструктуре и продуктовой разработке для интеграции решений. Требования: Опыт управления командой разработки, участие в стратегическом планировании технического развития.; Глубокие знания в области архитектуры бэкенд-систем, распределённых вычислений, работы с базами данных.; Опыт работы с высоконагруженными сервисами и проектирования отказоустойчивых решений.; Владение C++, Go, Java или другими системными языками.; Опыт создания платформенных решений, в том числе API, UI и систем конфигурирования.; Опыт оптимизации вычислений и хранения данных.

Секреты цифровой доступности Как попасть в команду Обрабатывают огромные потоки данных в реальном времени и обеспечивают надёжную персонализацию для десятков миллионов пользователей. Масштабируются без потери производительности и качества рекомендаций. Поддерживают гибкую настройку алгоритмов и параметров ранжирования без необходимости глубокой работы с кодом. Бонусы: Гибкий график работы; Бонусы и скидки от партнеров; Офис в центре города; ДМС; Профессиональная команда; Бонусы от партнеров; Интересные задачи Дополнительные плюсы: Понимание принципов работы рекомендательных систем и машинного обучения.; Опыт с ML.