- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data-инженер
Оценка ИИИзвестный бренд с современным технологическим стеком и удаленным форматом работы. Четко описанные задачи и требования делают вакансию привлекательной для специалистов среднего уровня.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения широким стеком технологий (Spark, Airflow, dbt, k8s) и опыта от 2 лет. Основная сложность заключается в необходимости работы с большими массивами данных и интеграции множества источников в динамичной среде ритейла.
Анализ зарплаты
Оценка ИИВ объявлении не указана зарплата, но для Data-инженера с опытом от 2 лет в российском ритейле рыночные предложения обычно находятся в диапазоне 200 000 – 300 000 рублей. Предложение «Золотого Яблока», как правило, соответствует рыночным ожиданиям для Middle-специалистов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Золотое Яблоко уже сейчас
Присоединяйтесь к команде «Золотого Яблока» и развивайте Big Data решения в одном из крупнейших ритейлеров!
Описание вакансии
Data-инженер
Компания: Золотое Яблоко
*🔹*ЧТО НУЖНО ДЕЛАТЬ:
-Разработка и поддержка текущих ETL-процессов сбора данных
-Разработка проверок качества данных, интеграция новых источников
-Участие в тестирование разработанного функционала
-Определение возможностей для автоматизации и оптимизации процессов загрузки и обработки данных
-Участие в митапах с бизнесом с целью отладки технических вопросов в поступающих задачах
*🔹*ЧТО ЖДЕМ ОТ КАНДИДАТА:
-Опыт работы на позиции Data-инженера от 2 лет
-Навыки работы с технологиями: SQL, Python, Spark, Airflow, Clickhouse, Trino, Gitlab, dbt, k8s, Mongo DB, Docker + прочие современные инструменты для работы с большими массивами данных.
-Практические знания в области big-data
Контакты: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Python
- Spark
- Airflow
- ClickHouse
- Trino
- GitLab
- dbt
- Kubernetes
- MongoDB
- Docker
- ETL
- Big Data
Возможные вопросы на собеседовании
Проверка практического опыта работы с распределенными вычислениями, указанными в стеке.
Расскажите о вашем опыте оптимизации Spark-джобов. С какими проблемами производительности вы сталкивались?
Airflow является ключевым инструментом оркестрации в вакансии.
Как вы организуете обработку ошибок и повторные запуски (retries) в сложных DAG в Airflow?
Вакансия предполагает работу с Clickhouse и Trino.
В каких сценариях вы предпочтете использовать Clickhouse, а в каких Trino для аналитических задач?
Упоминание dbt в стеке подразумевает работу над качеством и трансформацией данных.
Как вы выстраиваете процесс тестирования данных с помощью dbt для обеспечения их консистентности?
Важная часть задач — автоматизация и оптимизация.
Опишите ваш подход к мониторингу качества данных (Data Quality) в ETL-процессах.
Похожие вакансии
Python разработчик (DWH/Data Engineering)
Data Scientist Middle+, Senior
Data Scientist
Middle+ Data инженер
Backend / ML Infrastructure / MLOps инженер
Data Engineer
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!