- Страна
- Россия
Data Quality Engineer
Оценка ИИПозиция в известном банке с современным стеком технологий (Iceberg, Trino, Evidently). Это отличная возможность для специалиста по данным развиваться в узкой и востребованной нише Data Quality.
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 глубоких знаний в области Data Engineering и специфических инструментов контроля качества данных (Evidently, Soda Core). Необходимо понимание работы Feature Store и современных форматов хранения данных, таких как Apache Iceberg.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиции Data Quality Engineer уровня Middle/Senior в Москве рыночный диапазон составляет от 200 000 до 350 000 рублей. Банковский сектор обычно предлагает конкурентные условия и расширенный соцпакет.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Data Quality Engineer / ЛОКО-БАНК
*🗺* Москва.
Обязанности:
- Мониторинг качества Feature Store - настройка проверок на платформе Evidently, сверка логики сбора фичей с про…
Требования:
- Стек технологий :Python, SQL, Apache Airflow, Soda Core, Grafana, OpenMetaData, Git, Trino, Apache Iceberg, Ev…
*➡* Откликнуться
Вакансии │ Стажировки │ За рубежом │ Удалёнка │ БИГТЕХ │ Мероприятия │ По всему миру │ IT и DIGITAL
*🐣* Софи - первый ai ассистент для автооткликов и поиска работы.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Apache Airflow
- Soda Core
- Grafana
- OpenMetadata
- Git
- Trino
- Apache Iceberg
- Evidently
Возможные вопросы на собеседовании
Проверка владения основным инструментом мониторинга, указанным в вакансии.
Расскажите о вашем опыте настройки проверок в Evidently. Какие метрики дрейфа данных вы считаете наиболее критичными для Feature Store?
Важно понимать, как кандидат обеспечивает надежность пайплайнов.
Как вы организуете алертинг в Grafana при обнаружении аномалий в данных через Soda Core?
Проверка навыков работы с распределенными системами данных.
В чем заключаются особенности работы с Apache Iceberg при проведении проверок качества данных по сравнению с классическими таблицами?
Оценка навыков автоматизации.
Опишите процесс интеграции тестов качества данных в существующие DAG-и в Apache Airflow.
Проверка понимания архитектуры метаданных.
Как вы использовали OpenMetaData для отслеживания Data Lineage и как это помогает в расследовании инцидентов качества данных?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
