- Страна
- Беларусь
Enterprise Azure Data Architect (GenAI & RAG Data Layer)
Оценка ИИВакансия предлагает работу с самым актуальным технологическим стеком (GenAI, RAG) в стабильной экосистеме Azure. Удаленный формат и высокая специализация делают позицию очень привлекательной для опытных архитекторов.
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 редкого сочетания глубокой экспертизы в классических облачных данных (Azure) и новейших технологий генеративного ИИ (RAG, Agentic AI). Высокий порог входа обусловлен необходимостью проектирования сложных архитектур корпоративного уровня.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИУказанная роль архитектора уровня Enterprise в сфере GenAI относится к верхнему ценовому сегменту рынка. В регионе СНГ и Восточной Европы такие специалисты могут рассчитывать на зарплаты значительно выше средних по рынку данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Enterprise Azure Data Architect (GenAI & RAG Data Layer)
Местоположение: Беларусь
Формат работы: Удаленно
Опубликована: 05.10.2026
Требования:
• Глубокая экспертиза в построении data-платформ и Data Layer для продакшн GenAI, RAG и Agentic AI
• Проектирование end-to-end Data & Knowledge Layer для AI-систем
• Загрузка и подготовка корпоративных данных для AI на Azure Synapse, Databricks и ADF
Контакт: Откликнуться
Откликнуться в LinkedIn
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Azure
- Azure Synapse Analytics
- Databricks
- Azure Data Factory
- Generative AI
- RAG
- ETL
- Data Architecture
Возможные вопросы на собеседовании
Проверка понимания специфики подготовки данных для векторного поиска.
Как вы проектируете стратегию чанкинга (chunking) и выбора эмбеддингов для RAG-систем при работе с разнородными корпоративными данными?
Оценка навыков интеграции различных сервисов Azure.
Опишите оптимальный пайплайн передачи данных из Azure Synapse в векторную базу данных для обеспечения минимальной задержки в GenAI приложении.
Проверка опыта работы с современными AI-паттернами.
В чем заключаются основные архитектурные отличия Data Layer для обычного RAG и для Agentic AI систем?
Оценка умения работать с большими данными в облаке.
Какие механизмы оптимизации производительности в Databricks вы используете при обработке петабайтных массивов данных для обучения или дообучения моделей?
Вопрос на знание безопасности и комплаенса.
Как обеспечить безопасность и разграничение прав доступа к данным (Data Governance) внутри Knowledge Layer при использовании Azure OpenAI?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
