Staff Software, Engineering – Analytics Engineering, Core Data Science

О позиции

Pinterest ищет опытного Staff Software Engineer, который улучшит качество и скорость работы отдела data science. Это роль с высокой автономией, требующая сочетания технических навыков инженерии данных, лидерства командой и умения использовать AI для ускорения аналитических процессов. Позиция предполагает тесное взаимодействие с продуктовыми командами и возможность формировать стратегические решения по управлению данными в одной из ведущих креативных платформ мира.

Будет плюсом

• Опыт в автоматизации, anomaly detection или infrastructure/workflow оптимизации
• Опыт создания internal tooling для ускорения engineering velocity

Условия

• Конкурентоспособная зарплата в диапазоне $177,185 - $364,795 годовых + equity
• Возможность работать гибридно: 1-2 раза в месяц в офисе, остальное время remote по США
• Инструментарий для эффективного использования AI в повседневной работе
• Инклюзивная культура diversity-focused команды
• Карьерные возможности роста в крупной технологической компании

Навыки

• SQL
• Python
• Data Engineering
• ETL/ELT
• Workflow Orchestration
• DAG Management
• Data Warehouse
• Analytics Infrastructure
• AI/ML Integration
• Data Modeling
• Query Optimization
• Statistical Analysis

Могут спросить на собеседовании

1. Расскажите о сложном случае, когда вам приходилось строить end-to-end аналитический пайплайн для обработки большого датасета с высокими требованиями к качеству данных. Как вы обеспечивали корректность и проверяли результат?
2. Как вы подходите к использованию AI для ускорения своей работы? Приведите пример, когда AI помог, и пример, где вы усомнились в результате и провели ручную проверку.
3. Какие принципы вы применяете для менторства junior и middle инженеров, особенно при формировании инклюзивной culture в команде?
4. Опишите ситуацию конфликта интересов между приоритетами разных стейкхолдеров. Как вы определяли приоритеты и достигали consensus?
5. Как вы оценивали бы архитектуру data infrastructure для self-service аналитики в large-scale product? На что обращаете внимание при проектировании?