- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data QA / Инженер тестирования данных
Оценка ИИИнтересный высокотехнологичный проект в аэрокосмической сфере с современным стеком технологий и гибким форматом работы.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в области данных (SQL, ClickHouse, Airflow) и уверенного владения Python для автоматизации, что выше среднего уровня для обычного QA.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Data QA инженера с опытом от 3 лет в Москве рыночный диапазон составляет от 200 000 до 350 000 рублей. Проекты в сфере аэрокосмических технологий часто предлагают конкурентные условия на уровне топовых финтех-компаний.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в БЮРО 1440 уже сейчас
Присоединяйтесь к команде, создающей будущее спутниковой связи, и отправьте свое резюме прямо сейчас!
Описание вакансии
БЮРО 1440
Data QA / Инженер тестирования данных
Формат работы: офис/гибрид/удалённо (Москва)
БЮРО 1440 — разработчик и оператор низкоорбитальной спутниковой группировки связи.
*☑️* Чем предстоит заниматься
-Проведением тестирования различных компонентов продукта: витрины данных, конвейеры обработки данных, внешние и внутренние интеграции, сервисы, API
-Проработкой тестовых сценариев и участием в процессе формирования требований на разработку
-Проектированием и разработкой автотестов на Python (unit / integration / e2e)
-Проведением нагрузочного и стресс-тестирования различных компонентов продукта
*☑️* Что ожидаем
-Опыт работы в аналогичной роли от 3 лет
-Уверенное владение Python и фреймворком pytest
-Практика написания и оптимизации сложных SQL-запросов (JOIN, CTE, оконки)
-Умение эффективно использовать ClickHouse, опыт применения Airflow
Контакты: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Unit Testing
- Integration Testing
- Python
- SQL
- Airflow
- PyTest
- ClickHouse
- E2E Testing
- Load Testing
- API Testing
Возможные вопросы на собеседовании
Проверка навыков оптимизации производительности в аналитических БД.
Какие особенности ClickHouse нужно учитывать при написании автотестов для проверки больших объемов данных?
Оценка опыта работы с оркестрацией данных.
Как бы вы организовали тестирование DAG в Airflow, чтобы убедиться в корректности трансформации данных?
Проверка владения SQL на продвинутом уровне.
В каких случаях вы предпочтете использование оконных функций вместо обычного GROUP BY при проверке витрин данных?
Оценка навыков автоматизации тестирования.
Расскажите о вашем подходе к организации фикстур в pytest для интеграционного тестирования API, взаимодействующего с базой данных.
Проверка понимания специфики нагрузочного тестирования.
