Software Engineer, Shop/Feed Ads

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер в новую команду Monetization в OpenAI. Задача — строить системы, превращающие фиды рекламодателей (retail, travel) в релевантную рекламу: ингест каталогов, поиск и ранжирование, доставка объявлений в ChatGPT.

Задачи

• Проектировать и строить пайплайны ингеста, валидации, нормализации и обновления товарных фидов мерчантов
• Разрабатывать масштабируемые системы хранения и индексации каталогов с учётом изменений цен, наличия и атрибутов
• Строить системы поиска и retrieval для отбора релевантных товаров по каталогам
• Совместно с Ads ML связывать retrieval с моделями ранжирования через надёжные интерфейсы и serving-инфраструктуру
• Разрабатывать низколатентные высоконагруженные системы доставки рекламы с гарантиями надёжности и корректности
• Проектировать real-time event pipelines и распределённое хранилище для свежести каталога и обратной связи
• Строить observability и контроль качества для выявления ошибок фидов, устаревших данных и задержек индексации
• Определять техническое направление и вести сложные проекты от прототипа до продакшена
• Эксплуатировать системы с высокими инженерными стандартами: тестирование, мониторинг, privacy и security-ревью

Требования

• Большой опыт построения и эксплуатации крупномасштабных распределённых систем
• Прямой опыт владения retrieval, ranking-инфраструктурой или доставкой продуктовой рекламы
• Понимание фидов мерчантов и shopping-систем, влияния качества каталога и свежести на релевантность
• Опыт построения систем shopping или продуктовой рекламы в Google Shopping, YouTube, Amazon или аналогах
• Либо опыт уровня Senior Staff и выше с архитектурой и поставкой крупных каталогов, поиска и индексации, ads serving или смежных backend-систем
• Опыт низколатентных высоконагруженных сервисов и data pipelines с высокими требованиями к надёжности
• Способность рассуждать сквозь ингест, хранение, индексацию, retrieval, ранжирование и serving и находить компромиссы
• Опыт партнёрства с ML-командами для вывода моделей ранжирования в продакшен
• Умение задавать техническое направление в условиях неопределённости 0→1 и самостоятельно вести сложную работу
• Ясная коммуникация и технические решения, основанные на ценности для пользователя и мерчанта

Условия

• Офис в Сан-Франциско и Маунтин-Вью
• Релокационная поддержка для новых сотрудников
• Greenfield-среда с быстрым прототипированием и итеративной поставкой
• Кросс-функциональная команда: engineering, product, research, design

Навыки

• Distributed systems
• Search and retrieval
• Indexing
• Ranking
• Ads serving
• Data pipelines
• Real-time event pipelines
• Distributed storage
• Observability
• Low-latency services