yandex
С
Сбер
Страна
Россия
+500% приглашений

Откликайтесь
на вакансии с ИИ

Ускорим процесс поиска работы
ГибридПолная занятость

Java Engineer (Search & ML)

ИИОценка ИИ

Сбер предлагает работу над сложными технологическими задачами в крупной экосистеме. Вакансия привлекательна использованием современного стека (FastGraph, ML, векторный поиск) и возможностью влиять на ключевые продукты компании.


Вакансия из Quick Offer Global, списка международных компаний
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Роль требует глубоких знаний Java Core (NIO, многопоточность) и специфического опыта в области поисковых движков и графовых алгоритмов. Сочетание бэкенд-разработки с ML-компонентами значительно повышает порог входа.

Анализ зарплаты

Медиана400 000 ₽
Рынок300 000 ₽ – 550 000 ₽
ИИОценка ИИ

Зарплата в объявлении не указана, но для Senior Java-разработчика в Сбере в Москве рыночные ожидания обычно находятся в диапазоне 350,000 – 500,000 рублей. Учитывая специфику ML и Search, компенсация может быть выше среднего по рынку.

Сопроводительное письмо

Меня заинтересовала вакансия Java Engineer в команду Search & ML, так как мой опыт разработки высоконагруженных систем на Java Core и работы с поисковыми алгоритмами напрямую соответствует вашим задачам. Я имею глубокое понимание работы JVM и GC, а также опыт реализации асинхронных пайплайнов, что критично для оптимизации производительности поисковых движков.

Особенно меня привлекает возможность работы с FastGraph и внедрение ранжирующих моделей. Я уверен, что мои навыки в области многопоточности и оптимизации запросов помогут вашей команде улучшить качество поиска и эффективность обработки графовых данных. Буду рад обсудить, как мой опыт может быть полезен Сберу.

+250% к просмотрам

Составьте идеальное письмо к вакансии с ИИ-агентом

Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Сбер уже сейчас

Присоединяйтесь к команде Сбера для создания высоконагруженных поисковых систем и работы с ML-технологиями!

Описание вакансии

Java Engineer (Search & ML)

#гибрид

Москва

Компания: Сбер

*☑️*Чем предстоит заниматься:

разработка на Java:

-проектирование модуля, который объединяет результаты из поисковых систем

-написание эффективных обходов графа с ограничениями по времени

-реализация кэширующих стратегий для графовых запросов

-оптимизация работы с памятью и GC

-разработка асинхронных пайплайнов для параллельных вызовов движков.

работа с поисковыми движками:

-настройка гибридного ранжирования через кастомные скоринговые функции

-интеграция векторного поиска через Java-клиенты

написание запросов к FastGraph

ml-компонент:

-внедрение ранжирующих моделей

-сборка фичей для модели

-мониторинг качества поиска.

*☑️*Навыки, которые мы ищем:

-java core: многопоточность, NIO, работа с коллекциями, понимание JVM и GC. опыт написания высоконагруженных сервисов

-поиск: понимание алгоритмов ранжирования, опыт настройки гибридного поиска (текст + вектора)

-графы: практический опыт обхода графов

-ml: понимание метрик качества поиска, умение работать с ранжирующими моделями.

Откликнуться

Java Job в Telegram | в VK | в Max

+400% к собеседованиям

Создайте идеальное резюме с помощью ИИ-агента

Создайте идеальное резюме с помощью ИИ-агента

Навыки

  • Multithreading
  • Machine Learning
  • Asynchronous Programming
  • Java
  • Search Engines
  • Vector Search
  • JVM
  • Garbage Collection
  • Graph Algorithms
  • Java NIO

Возможные вопросы на собеседовании

Проверка понимания работы с памятью в высоконагруженных системах.

Какие стратегии настройки Garbage Collector вы бы использовали для сервиса с жесткими ограничениями по времени ответа (latency)?

Оценка навыков проектирования асинхронных систем.

Как бы вы реализовали асинхронный пайплайн для параллельного опроса нескольких поисковых движков с учетом таймаутов?

Проверка знаний в области поиска и ранжирования.

В чем разница между текстовым и векторным поиском, и как эффективно реализовать их гибридное ранжирование?

Оценка опыта работы с графами.

С какими проблемами производительности можно столкнуться при обходе больших графов и как кэширование может помочь в этом случае?

Проверка понимания ML-метрик в контексте поиска.

Какие метрики (например, NDCG, MRR) вы считаете наиболее важными для оценки качества ранжирующей модели в поиске?

Похожие вакансии

С
Сбер
Россия
более 1000 офферов получено
4.9

1000+ офферов получено

Устали искать работу? Мы найдём её за вас

Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!