- Страна
- Россия
- Зарплата
- 280 000 ₽ – 350 000 ₽
Инженер данных
Оценка ИИИнтересная роль в технологичной компании Navio с конкурентной зарплатой и современным стеком (Spark, Ray, Dagster). Ограничением может быть требование к гибридному или офисному формату в Москве, что подходит не всем.
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 ИИПозиция требует солидного опыта промышленной разработки на Python (от 4 лет) и уверенного владения инструментами Big Data, такими как Spark и Airflow. Высокие требования к знанию алгоритмов и SQL делают отбор достаточно строгим.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИУказанный в объявлении диапазон 280 000 – 350 000 ₽ полностью соответствует текущим рыночным ожиданиям для Data Engineer уровня Senior в Москве. Предложение выглядит сбалансированным и привлекательным для специалистов с опытом от 4 лет.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
Инженер данных в Navio
*💰*По итогам собеседования (ср. рын. зп 280 000 ₽ – 350 000 ₽)
*📌*Условия и бонусы:
Фултайм, гибрид/офис (МСК).
*📌*Наши ожидания:
– промышленный опыт на Python от 4-х лет;
– знание классических алгоритмов и структур данных;
– хорошее знание SQL (на уровне джойнов и оконных функций);
– практический опыт со Spark / Ray и Airflow / Dagster.
*✍🏼*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- Apache Spark
- Ray
- Apache Airflow
- Dagster
- Algorithms
- Data Structures
- ETL
Возможные вопросы на собеседовании
Проверка фундаментальных знаний, необходимых для оптимизации производительности кода.
Расскажите о классических структурах данных и приведите примеры задач, где выбор конкретной структуры (например, Hash Map против Balanced Tree) критически важен.
Оценка навыков работы с распределенными вычислениями, указанными в стеке.
С какими основными проблемами производительности в Spark вы сталкивались и как решали вопросы перекоса данных (data skew)?
Проверка владения SQL на продвинутом уровне.
В каких случаях вы предпочтете использование оконных функций вместо обычного GROUP BY, и как это влияет на читаемость и производительность запроса?
Оценка опыта работы с оркестраторами.
Сравните Airflow и Dagster: в каких сценариях вы бы выбрали один инструмент вместо другого для построения пайплайнов?
Проверка навыков написания качественного кода.
Как вы организуете тестирование и мониторинг качества данных в своих ETL-процессах на Python?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
