- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Lead Data Platform Engineer
Оценка ИИИнтересная позиция уровня Lead с современным стеком (FastAPI, Airflow, K8s) и сложными задачами, однако отсутствие указания компании и зарплаты снижает прозрачность.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в системном дизайне, Kubernetes и распределенных вычислениях (HPC), а также опыта управления архитектурой сложных платформ.
Анализ зарплаты
Оценка ИИПредлагаемая роль Lead уровня в Москве обычно предполагает оклад выше среднего по рынку из-за требований к знанию HPC и системного программирования. Рыночные вилки для таких специалистов начинаются от 400 000 рублей.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме Дарье, чтобы возглавить разработку инновационной платформы данных в Москве!
Описание вакансии
Lead Data Platform Engineer
#LeadDataPlatformEngineer #DataPlatformEngineer #Lead #Москва #Офис #Гибрид #Job #Vacancy
Требования:
Опыт проектирования и разработки data-processing систем (не классический ETL/ELT). Опыт разработки на Python от 5 лет. Опыт с Airflow (или Dagster с готовностью перейти на Airflow). Опыт разработки backend-сервисов на FastAPI. Хорошее понимание Kubernetes с точки зрения разработчика. Опыт с PostgreSQL. Опыт принятия архитектурных решений и разработки производительных распределенных систем. Будет плюсом: Go. Kubernetes Operators. CephFS, S3-совместимые хранилища. Slurm, Singularity/Apptainer. Опыт построения observability (Prometheus, Grafana, OpenTelemetry). Опыт создания платформ обработки данных или HPC-решений.
Локация:*📍*Москва, офис 5/2 на исп.сроке, затем гибрид.
Контакт для отклика: Откликнуться +CV
*👉* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Kubernetes
- Prometheus
- Grafana
- OpenTelemetry
- PostgreSQL
- Airflow
- Dagster
- Go
- FastAPI
- S3
- Slurm
- Singularity
- CephFS
- Apptainer
Возможные вопросы на собеседовании
Проверка опыта проектирования сложных систем, отличных от стандартных ETL-пайплайнов.
Расскажите о самой сложной архитектурной задаче при разработке data-processing системы: с какими ограничениями вы столкнулись и как их решили?
Оценка навыков работы с инфраструктурой и понимания жизненного цикла приложений в K8s.
Как бы вы спроектировали Kubernetes Operator для управления жизненным циклом специфичного data-воркload?
Проверка умения оптимизировать производительность в распределенных средах.
Какие стратегии оптимизации производительности вы применяли при работе с PostgreSQL и S3 в высоконагруженных системах?
Оценка готовности к работе с HPC-инструментами, упомянутыми в вакансии.
Был ли у вас опыт работы со Slurm или Singularity, и в каких сценариях вы видите их преимущество перед стандартным Docker/K8s?
Проверка лидерских качеств и умения выстраивать процессы мониторинга.
