Staff Technical Program Manager, Data Engineering

О позиции

Команда Data Engineering в Pinterest строит и поддерживает платформы данных, которые питают все продукты Pinterest — от пакетных и потоковых конвейеров для обучения ML-моделей до систем оркестрации рабочих процессов и аналитических платформ. Мы находимся в процессе многолетней модернизации: переход к ingestion-потокам (CDC, Kafka, Flink), открытым форматам таблиц (Iceberg), консолидации workflow-платформ и отказу от легаси-систем. Роль требует тесного сотрудничества с командами ML, продуктовыми и аналитическими отделами.

Будет плюсом

• Опыт модернизации legacy footprint в streaming-first архитектурах
• Знание практик risk/governance/safety-by-design для AI-систем
• Опыт аудита и traceability AI-generated outputs

Условия

• Участие в формировании фундамента одной из ведущих креативных платформ мира
• Работа с передовыми технологиями: Kafka, Flink, Iceberg, CDC, ML-инфраструктура
• Flexibility — роль remote с необходимостью офиса 1–2 раза в 6 месяцев для collaboration
• Конкурентоспособный компенсационный пакет с equity
• Инклюзивная и equitable культура компании
• Доступ к современным tools для AI-assisted workflows

Навыки

• Technical Program Management
• Data Platforms
• Apache Kafka
• Apache Flink
• Apache Iceberg
• ETL Pipelines
• Stream Processing
• Workflow Orchestration
• API Design
• Stakeholder Management
• GenAI
• Prompt Engineering
• Data Governance
• Agile Methodologies
• Risk Management

Могут спросить на собеседовании

1. Расскажите о сложном кросс-командном проекте модернизации инфраструктуры, которым вы руководили. Какие были ключевые вызовы и как вы их решили?
2. Как вы подходите к определению приоритетов при наличии множественных competing initiatives в одном portfolio?
3. Приведите пример, когда вы использовали AI/GenAI для улучшения процессуальной эффективности в своей работе. Что было результатом?
4. Как вы обеспечивали соответствие проектным стандартам безопасности и governance при использовании AI-инструментов?
5. Опишите ситуацию, когда техническое решение требовало компромисса между скоростью и качеством. Как вы принимали это решение?