Weekend offer ML_27-28.09.2025 в AI VK, Москва

Мы создаём крупнейшую рекомендательную систему для цифровых сервисов в России

Наша команда отвечает за ключевые продукты экосистемы VK: миллионы пользователей видят наши рекомендации во Вконтакте, Дзене, Одноклассниках, RuStore, в играх и в мини-приложениях. Мы помогаем людям открывать самые подходящие и интересные им приложения, игры и сервисы, а разработчикам — находить свою аудиторию.
За этим стоят ML-алгоритмы, высоконагруженные пайплайны обработки больших данных и постоянные A/B-эксперименты.

Наша главная задача на ближайший год — обновление всех рекомендательных систем: мы активно переносим их на Единую контентную платформу (ЕКП) — мощный фреймворк для создания современных риалтайм-рекомендательных систем внутри VK.

Откликайтесь на вакансию до 25 сентября, чтобы всего за два дня пройти весь путь Weekend Offer от знакомства с командами до приглашения на работу: пройти технические собеседования и получить офер.

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 работы в ML от двух лет
• Знание классических алгоритмов и принципов ML
• Знание алгоритмов и структур данных
• Уверенное владение Python и SQL, опыт в написании кода на Java/Scala
• Опыт работы с технологиями обработки больших данных (Hadoop, Spark, YT и др.)
• Понимание принципов работы и подходов к построению рекомендательных систем
• Открытость, самостоятельность, проактивность

Будет плюсом

• Опыт в области рекомендательных технологий или смежных областях (реклама, поиск, маркетинг, e-commerce и др.) на позиции уровня Middle и выше
• Опыт разработки сервисов на объектно ориентированном языке (C#, Java, C++ и др.) или Go
• Умение прочитать и затем воспроизвести в коде статью