- Страна
- Казахстан
- Зарплата
- 500 000 ₽ – 800 000 ₽
BI Developer (Apache Superset + AI)
Оценка ИИИнтересная роль на стыке BI и AI в стабильной организации государственного сектора. Зарплата соответствует рынку Казахстана для Middle-специалиста, а работа над социально значимыми проектами добавляет ценности позиции.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИСредний уровень сложности обусловлен необходимостью глубокого знания Apache Superset и SQL, а также дополнительными требованиями к навыкам в области AI/ML и Python. Работа в госсекторе предполагает строгое соблюдение стандартов и работу с большими объемами данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата в 500 000 – 800 000 KZT net соответствует среднерыночным показателям для BI-разработчиков уровня Middle в Астане. Верхняя граница диапазона является конкурентной для специалистов с опытом работы от 2 лет и навыками в AI/ML.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*📍*Формат/working arrangement: офис
*✔️*Должность/position: BI Developer (Apache Superset + AI)
*🏢* Место работы/workplace: National Center for Expertise of Medicines and Medical Devices
*📍* Локация/location: Астана
*💸* Заработная плата/salary estimate: 500.000–800.000 KZT net в месяц
*📈* Обязанности/responsibilities:
— Разрабатывать и поддерживать интерактивные дашборды в Apache Superset.
— Писать и оптимизировать сложные SQL-запросы.
— Создавать витрины данных.
— Кастомизировать дашборды с использованием Jinja, CSS и Python.
— Реализовывать AI/ML-решения для аналитики и прогнозирования.
— Взаимодействовать с клиентами, собирать требования и презентовать результаты.
— Участвовать в проектах по цифровизации государственной экспертизы.
*📌* Требования/requirements:
— Высшее техническое или IT-образование.
— От 2 лет опыта работы BI Developer.
— От 1 года опыта работы с Apache Superset.
— Продвинутые знания SQL.
— Опыт работы с PostgreSQL, ClickHouse или MS SQL.
— Знание Python, включая Pandas и SQLAlchemy.
— Понимание DWH и моделирования данных.
*⭐* Будет плюсом:
— Опыт работы с AI/ML в аналитике.
— Опыт работы с Power BI или Tableau.
— Опыт работы с Airflow.
— Опыт работы в фармацевтической отрасли или государственном секторе.
*🛠* Технический стек:
— Apache Superset
— SQL
— PostgreSQL
— ClickHouse
— MS SQL
— Python
— Pandas
— SQLAlchemy
— Jinja
— CSS
— DWH
— AI/ML
— Airflow
— Power BI / Tableau
*🎯* Основной проект:
— Участие в проектах по цифровизации государственной экспертизы.
— Разработка BI-дашбордов и аналитических решений.
— Создание витрин данных и оптимизация SQL-запросов.
— Внедрение AI/ML для аналитики и прогнозирования.
*✅* Условия/working conditions:
— Офисный формат работы.
— Локация: Астана.
— Заработная плата: 500.000–800.000 KZT net в месяц.
*📢**❗️**🚨* Отклик: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Apache Superset
- SQL
- PostgreSQL
- ClickHouse
- Microsoft SQL Server
- Python
- Pandas
- SQLAlchemy
- Jinja
- CSS
- DWH
- Machine Learning
- Apache Airflow
- Power BI
- Tableau
Возможные вопросы на собеседовании
Проверка практического опыта работы с основным инструментом визуализации.
Расскажите о самом сложном дашборде, который вы создавали в Apache Superset. С какими ограничениями инструмента вы столкнулись и как их обошли?
Оценка навыков оптимизации производительности при работе с большими данными.
Как вы подходите к оптимизации SQL-запросов для ClickHouse при работе с витринами данных большого объема?
Проверка навыков интеграции современных технологий в классический BI.
Каким образом вы планируете внедрять AI/ML решения для прогнозирования в рамках дашбордов Superset? Приведите примеры кейсов.
Оценка понимания архитектуры данных.
Какие подходы к моделированию DWH вы считаете наиболее эффективными для задач государственной экспертизы?
Проверка навыков автоматизации процессов обработки данных.
Есть ли у вас опыт настройки ETL-процессов в Airflow для подготовки данных перед их визуализацией в BI-системе?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
