First seen by Alion on Nov 17, 2026.
Обязанности
Развивать ядро платформы: фреймворк Data Vault, обвязку Airflow, lineage-инструменты проектировать API, которыми будут пользоваться другие инженеры, и нести за них ответственность. Писать библиотеки и фреймворки на Python: клиенты к источникам, инструменты тестирования пайплайнов, обёртки над инфраструктурой. Чистый код, типизация, тесты, ревью это у нас норма, а не аспирация.
Работать с lakehouse на глубине: Iceberg maintenance и оптимизация layout'а таблиц, тюнинг Trino, Spark-джобы для тяжёлых трансформаций. Строить интеграции с источниками: OLTP-базы, REST/gRPC API, Kafka, файловые хранилища, SaaS-системы и проектировать унифицированные интерфейсы, чтобы подключение нового источника занимало часы, а не недели.
Внедрять AI в инженерные процессы: агенты для расследования инцидентов и анализа качества данных, ассистенты для DAG'ов и code review. У нас уже есть работающая агентная инфраструктура (LangGraph, MCP) её можно и нужно развивать. Участвовать в архитектурных решениях: выбор технологий, дизайн интерфейсов между компонентами, вынесение best practices в команду. Делать code review и менторить менее опытных коллег.
Требования
Промышленный опыт от 5 лет в data engineering или backend-разработке с сильным дата-уклоном: production-системы под реальной нагрузкой, ответственность за их эксплуатацию, а не только за написание кода. Python главное требование. Уровень senior разработчика: ООП, проектирование API библиотек, типизация, тесты, опыт написания переиспользуемых компонентов, которыми пользовались другие люди. Lakehouse-стек на практике.
Apache Iceberg (или Delta/Hudi с готовностью быстро переключиться): устройство таблиц, snapshots, компакция, schema evolution. Понимание, чем lakehouse отличается от классического DWH не на уровне статьи на Medium. Trino или другой MPP-движок: архитектура распределённого выполнения, чтение планов запросов, оптимизация, опыт работы с коннекторами.
Apache Airflow глубоко: не только разработка DAG'ов, но и внутреннее устройство (scheduler, executors, метаданные), опыт написания собственных операторов и хуков. Apache Spark: PySpark, Spark SQL, понимание модели выполнения. SQL продвинутого уровня: оконные функции, CTE, оптимизация, чтение планов исполнения, работа с большими объёмами. Git, CI/CD уверенно.
Опыт разработки внутренних платформенных инструментов или фреймворков, которыми пользуются другие команды. AI-native подход к разработке: активное использование Claude Code / Codex и подобных инструментов, опыт построения harness-систем агентов с инструментами, автоматизации через LLM, RAG. Kubernetes: деплой и эксплуатация дата-сервисов, Helm, понимание ресурсной модели.
Опыт с CDC (Debezium, Kafka Connect) и стриминговыми пайплайнами. Знание форматов хранения (Parquet: row groups, статистики, predicate pushdown). Опыт работы с системами контроля доступа к данным (OPA, row-level security, маскирование).
Условия
Оплата занятий спортом,Добровольное медицинское страхование
- Занятость: Дистанционная (удаленная) работа
- График: Полный рабочий день
- Квота: Инвалид
- Языки: B2 — средне-продвинутый

