- Страна
- Россия
Data Engineer (команда RecSys)
Оценка ИИOkko — известный бренд с интересными задачами в области рекомендаций. Стек технологий современный и востребованный, а работа в RecSys-команде дает отличные возможности для профессионального роста на стыке DE и ML.
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 ИИРоль требует уверенного владения широким стеком технологий Big Data (Spark, Kafka, Airflow) и понимания специфики рекомендательных систем. Дополнительным вызовом является необходимость взаимодействия с ML-инфраструктурой и feature store.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для Data Engineer уровня Middle/Senior в Москве рыночный диапазон составляет от 250 000 до 450 000 рублей. Предложение Okko, вероятно, соответствует этим рамкам, учитывая сложность стека и масштаб продукта.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*⌨️ Data Engineer (команда RecSys)*
Москва
Okko — онлайн-кинотеатр. Команда рекомендаций ищет инженера для ETL-пайплайнов, потоковой обработки данных и развития feature store.
Требования:
— Уверенное знание Python и SQL.
— Опыт построения ETL-процессов на стеке команды: Airflow, Spark, Kafka, ClickHouse, MongoDB, Hive, S3.
— Будет плюсом опыт с CI/CD, Docker и Grafana.
— Будут плюсом базовые знания ML: обучение и инференс моделей, работа с feature store.
*➡️* Откликнуться
*📍* Навигация: База знаний • Задачи • Собеседования
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Apache Airflow
- Apache Spark
- Apache Kafka
- ClickHouse
- MongoDB
- Apache Hive
- Amazon S3
- CI/CD
- Docker
- Grafana
- Machine Learning
Возможные вопросы на собеседовании
Проверка навыков оптимизации обработки больших данных.
Расскажите о вашем опыте оптимизации Spark-джобов. Какие техники вы использовали для борьбы с data skew?
Оценка умения проектировать надежные системы доставки данных.
Как вы обеспечиваете гарантии доставки сообщений (delivery semantics) при работе с Kafka в связке со Spark Streaming?
Проверка архитектурного мышления в контексте аналитических БД.
В каких случаях вы выберете ClickHouse, а в каких — Hive для хранения и анализа данных? Опишите критерии выбора.
Оценка понимания специфики RecSys.
Как бы вы спроектировали feature store для обновления признаков в реальном времени для модели рекомендаций?
Проверка навыков оркестрации.
Как вы организуете обработку ошибок и повторные запуски (retries) в сложных DAG-ах Airflow, чтобы избежать дублирования данных?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
