Spotify
Backend Engineer - Music
- Удалённо
- New York, NY
- 51 дн. назад
Команда Music в Spotify ищет Backend Engineer для разработки масштабируемой инфраструктуры музыкальных видео. Вы будете участвовать в создании инструментов, которые позволяют миллионам пользователей открывать музыку и видео, помогая артистам делиться своим творением.
О позиции
Команда Music отвечает за всю экосистему музыки на платформе — от создания контента художниками до его восприятия фанатами. Мы строим инструменты и сервисы, которые обеспечивают создание, продвижение, самовыражение и монетизацию в глобальном масштабе. Наша миссия — делать музыкальные видео легкими для открытия пользователями и осмысленными для артистов, используя масштабируемую интеллектуальную инфраструктуру.
Условия
- Работа в одной из ведущих музыкальных компаний мира с технологической экспертизой
- Возможность влиять на продукт, которым пользуются миллионы пользователей ежедневно
- Конкурентоспособный пакет компенсаций и опционы компании
- Гибридный формат работы и развитие в международной команде
- Доступ к образовательным ресурсам и профессиональным конференциям
- Здоровье, фитнес-программы и дополнительные социальные льготы
Навыки
- Java
- Python
- Go
- Scala
- PostgreSQL
- MySQL
- Apache Kafka
- Redis
- Google Cloud Platform
- Amazon Web Services
- Microservices Architecture
- REST APIs
- System Design
- Distributed Systems
- Data Engineering
Сложность отбора
Средняя сложность для mid-level разработчика; требует опыта с распределёнными системами и базового понимания ML
Оценка JobPathЗарплата по рынку
800 000 – 1 500 000 ₽ в месяц
Оценка основана на рынке Backend Engineer в Нью-Йорке для компаний уровня Spotify. Приблизительный диапазон годовых доходов $120k-$180k пересчитан по курсу ~90 ₽/$
Оценка JobPath по рынку, не предложение работодателяМогут спросить на собеседовании
- Как бы вы спроектировали систему рекомендаций музыкальных видео для миллионов пользователей?
- Как обеспечить согласованность данных при высокой нагрузке в микросервисной архитектуре?
- Какие подходы вы использовали для оптимизации производительности запросов к базе данных?
- Как бы вы реализовали кэширование для уменьшения задержек при получении персонализированных рекомендаций?
- Расскажите о ситуации, когда вам пришлось решить проблему масштабируемости. Как вы её оценили и какое решение выбрали?
Прорепетировать это собеседование
Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.
Начать бесплатноСохрани похожие вакансии
Новые вакансии с такой должностью будут собираться в кабинете.
Сохранить фильтр