- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Engineer / инженер данных
Оценка ИИСильный бренд Lamoda, современный стек технологий (ClickHouse, Airflow) и интересные задачи на стыке с AI. Гибридный формат в Москве является стандартом для крупных ритейлеров.
Сложность вакансии
Оценка ИИСредний уровень сложности: требуется уверенное владение SQL, Python и Airflow, а также опыт работы с DWH от 1.5 лет. Дополнительным вызовом может стать работа с AI-агентами и неидеальной документацией.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для специалиста с опытом 2 года в Москве рыночный диапазон составляет 180,000–250,000 рублей. Lamoda обычно предлагает конкурентоспособную оплату, соответствующую средним значениям по индустрии e-commerce.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Lamoda уже сейчас
Присоединяйтесь к команде Lamoda и развивайте современные DWH-решения в одном из лидеров e-commerce!
Описание вакансии
*⌨️ Data Engineer / инженер данных*
Гибрид (Москва) Lamoda — интернет магазине одежды и обуви.
Требования:
– Опыт работы в data engineering, DWH, ETL-разработке, аналитической разработке или смежной роли от 1,5–2 лет.
– Уверенное знание SQL.
– Опыт работы с PostgreSQL, ClickHouse или аналогичными СУБД.
– Опыт или уверенное понимание Apache Airflow: DAG, расписания, зависимости, retries, логи, обработка ошибок.
– Python для задач обработки данных, автоматизации, работы с API и файлами.
– Понимание принципов ETL: извлечение, трансформация, загрузка, обновление данных.
– Опыт загрузки данных из API, файлов или баз данных.
– Понимание принципов построения витрин данных.
– Базовые навыки Linux: командная строка, файлы, директории, процессы, логи.
Git на базовом уровне.
– Готовность разбираться в существующем коде, чужих DAG и неидеальной документации.
– Будет преимуществом: опыт работы с AI-агентами и понимание принципов построения агентных процессов: постановка и декомпозиция задач, управление контекстом, подключение инструментов и источников данных, контроль качества и проверка результатов
*➡️*Откликнуться
*📍 Навигация:[База знаний](https://t.me/pyproglib) • [Задачи](https://t.me/py_problems_lib) •* Собеседования
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Git
- Python
- Linux
- SQL
- PostgreSQL
- API
- ETL
- Apache Airflow
- ClickHouse
Возможные вопросы на собеседовании
Проверка понимания работы основного оркестратора в стеке компании.
Расскажите, как вы обрабатываете ошибки и настраиваете retries в Apache Airflow?
Важно для работы с аналитическими СУБД, используемыми в Lamoda.
В чем основные различия в оптимизации запросов между PostgreSQL и ClickHouse?
Проверка навыков проектирования структур данных.
Какие подходы вы используете при проектировании витрин данных для аналитики?
Оценка навыков интеграции данных.
С какими сложностями вы сталкивались при загрузке данных через API и как их решали?
Проверка владения Python в контексте Data Engineering.
Как вы обеспечиваете качество данных (Data Quality) при написании ETL-скриптов на Python?
Похожие вакансии
Аналитик / MLE (Middle/Senior/Staff) в команду эффективности
ML разработчик
Data Engineer / DataOps Engineer
Data Scientist Middle
ML разработчик (Senior)
Data инженер (Middle+)
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!