- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Ведущий инженер данных в VK Видео
Оценка ИИVK — один из крупнейших работодателей в РФ с сильной инженерной культурой и масштабными задачами. Работа в стриминговом сервисе (VK Видео) гарантирует работу с по-настоящему большими данными и современным стеком технологий.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний распределенных вычислений и опыта работы с Big Data стеком (Spark, Hadoop, ClickHouse). Высокий уровень ответственности за архитектуру данных и необходимость написания сложного кода на Python делают позицию сложной, но интересной.
Анализ зарплаты
Оценка ИИЗарплата для Senior Data Engineer в Москве в крупных тех-компаниях обычно находится в диапазоне 300-450 тысяч рублей после налогов. VK предлагает конкурентные условия, соответствующие верхним границам рынка для опытных специалистов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в vk уже сейчас
Присоединяйтесь к команде VK Видео и создавайте высоконагруженные системы обработки данных для миллионов пользователей!
Описание вакансии
Ведущий инженер данных в VK Видео, Москва
Компания:VK
*🔹*Задачи
-Разрабатывать и поддерживать процессы обработки и доставки данных для аналитических и ML команд
-Собирать витрины, оптимизировать
-Писать адхоки и выгрузки, раздебаги
-Собирать требования
*🔹*Требования
-Понимание работы параллельных вычислений на кластере
-Опыт с Airflow, Spark, Hadoop, ClickHouse, YT (опционально)
-Знание Python: алгосы базовые (для понимания оптимального кода), классы и прочий сложный код (для чтения исходников и создания велосипедов типа операторов/сервисов)
-Знание Git и работа с кодом в команде (ревью)
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Git
- Python
- Apache Spark
- Hadoop
- ETL
- Big Data
- Apache Airflow
- ClickHouse
Возможные вопросы на собеседовании
Проверка понимания архитектуры распределенных систем и оптимизации ресурсов.
Расскажите, как вы оптимизировали Spark-джойны при наличии перекоса данных (data skew)?
Оценка навыков работы с Airflow и понимания его внутреннего устройства.
В каких случаях вы бы предпочли написать кастомный Operator в Airflow вместо использования стандартных?
Проверка знаний специфики ClickHouse для аналитических задач.
Какие движки таблиц в ClickHouse вы использовали и как выбирали между MergeTree и ReplicatedMergeTree?
Оценка навыков написания качественного и поддерживаемого кода.
Как вы организуете процесс тестирования и CI/CD для своих ETL-пайплайнов?
Проверка алгоритмической базы, упомянутой в требованиях.
