Умная лента — первое, что видит пользователь, когда открывает приложение ВКонтакте. 100 миллионов пользователей каждый месяц заходят в наш сервис за новостями, публикациями и мемами. Наши задачи покрывают обширную часть рекомендательных систем. Так одна из наших задач — найти для каждого пользователя самый интересный контент среди всех его подписок, а также порекомендовать что-то новое среди всего остального контента на площадке. Другая задача — подготовить финальный вид ленты ВКонтакте, объединив в единый стрим разные типы контента и рекламу, подбирая при этом трейдофф между вовлеченностью пользователей и заработанными деньгами. 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
- проектировать и создавать real-time логику вокруг ML на Java — собирать данные для обучения, извлекать признаки, применять модели ранжирования и рекомендаций и многое другое;
- писать алгоритмы работы с большими данными в MapReduce-парадигме — от простых механизмов сбора датасетов до сложных алгоритмов факторизаций для сотен миллионов пользователей;
- растить продуктовые метрики платформы через ML алгоритмы — понимать связь оффлайн и онлайн метрик;
- заниматься другими задачами, которые сделают наших пользователей счастливее.
Требования
- опыт в роли ML-инженера в одной из перечисленных выше областей Machine Learning от трёх лет;
- фундаментальные знания статистики и computer science;
- готовность выходить за рамки, исследовать и предлагать.
Мы предлагаем
Формат работы
Уровень
График работы

ВКонтакте
Один из самых высоконагруженных проектов рунета. В сутки у нас бывает до 30 релизов и 125 миллиардов запросов к API. Всё это вытягивает небольшая команда разработчиков, где каждый — суперпрофессионал, который нашёл интересные для себя задачи.