Data Engineer
Оценка ИИАвиасейлс — сильный бренд с отличной инженерной культурой и современным стеком. Удаленный формат работы и работа с передовыми инструментами (ИИ-агенты) делают вакансию крайне привлекательной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения Python и SQL, а также опыта построения сложных пайплайнов. Дополнительным вызовом является требование к навыкам работы с ИИ-агентами и опыт в облачной инфраструктуре.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, однако для Data Engineer с опытом от 2 лет в крупных российских тех-компаниях рынок предлагает конкурентные условия. Указанные рыночные диапазоны соответствуют уровню Middle/Middle+.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Data Engineer в Авиасейлс
*💰*По итогам собеседования
*📌*Условия и бонусы:
Фултайм, удаленно.
*📌*Наши ожидания:
– опыт работы инженером данных от 2 лет;
– отличное знание Python, SQL;
– опыт разработки процесса для тестирования данных;
– умение строить высоконагруженные streaming и batch пайплайны;
– опыт работы в нашем стеке Apache Spark, Apache Airflow, Trino будет плюсом;
– опыт работы с Kubernetes, Terraform и с AWS приветствуется;
– самостоятельность и ответственность, умение коммуницировать с разными командами и людьми;
желание развиваться и выстраивать процессы вокруг себя;
– навыки работы с ИИ агентами ( Claude Code, Codex и тд).
*✍🏼*Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Apache Spark
- Apache Airflow
- Trino
- Kubernetes
- Terraform
- AWS
- Claude Code
- Codex
Возможные вопросы на собеседовании
Проверка навыков проектирования архитектуры данных.
Расскажите о самом сложном streaming-пайплайне, который вы проектировали: с какими проблемами производительности вы столкнулись?
Оценка опыта в обеспечении качества данных.
Как вы организуете процесс тестирования данных (Data Quality) в своих проектах? Какие инструменты используете?
Проверка владения основным стеком.
В каких случаях вы предпочтете использовать Trino вместо Spark для обработки данных?
Оценка навыков работы с инфраструктурой.
Был ли у вас опыт развертывания Airflow или Spark в Kubernetes с использованием Terraform?
Проверка современного подхода к разработке.
Как именно вы используете ИИ-агентов (например, Claude Code) в своей ежедневной работе инженера данных?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
