- Страна
- Узбекистан
Middle Data Engineer
Оценка ИИВакансия предлагает четкий стек технологий и понятные требования для уровня Middle. Однако отсутствие информации о компании и зарплате, а также строго офисный формат снижают общую привлекательность.
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 уверенного владения стеком Python/SQL и опыта работы с архитектурами DWH/Lakehouse от 3 лет. Основная сложность заключается в необходимости работы из офиса в Ташкенте, что сужает круг кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата для Middle Data Engineer в Ташкенте сильно варьируется в зависимости от типа компании (локальная или международная). Указанный диапазон отражает рыночные ожидания для специалистов с опытом от 3 лет в данном регионе.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Middle Data Engineer
Местоположение: Ташкент
Формат работы: Офис
Опубликована: 10.09.2026
Требования:
• От 3 лет в инженерии данных: Python (pandas, parquet, REST API), уверенный SQL
• Опыт работы с любыми СУБД
• Опыт работы с DataLakehouse/DWH
• Уверенное понимание Airflow, Docker, Git, Linux
Контакт: Откликнуться
Откликнуться в LinkedIn
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Pandas
- Parquet
- REST API
- SQL
- Data Warehouse
- Airflow
- Docker
- Git
- Linux
Возможные вопросы на собеседовании
Проверка глубины знаний SQL для аналитических задач.
Расскажите о наиболее сложных оконных функциях или оптимизациях SQL-запросов, которые вы применяли в DWH.
Оценка навыков работы с форматами данных и Python.
В каких случаях вы предпочтете формат Parquet вместо CSV или JSON при обработке данных в Pandas?
Проверка опыта автоматизации процессов.
Как вы организуете обработку ошибок и повторные запуски (retries) в DAG-файлах Airflow?
Оценка понимания современной архитектуры данных.
В чем, по вашему мнению, основные преимущества и недостатки архитектуры Data Lakehouse по сравнению с классическим DWH?
Проверка навыков DevOps для Data Engineer.
Опишите процесс развертывания вашего ETL-пайплайна с использованием Docker и Git.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
