Pull Skil

Data Engineer

Удалённо
India
6 дн. назад

Контрактная позиция Data Engineer (6+ месяцев, удалённо из Индии) в компании Pull Skil Technologies: проектирование и сопровождение данных-пайплайнов на AWS, SQL и современных Big Data-инструментах.

О позиции

Pull Skil Technologies India ищет опытного Data Engineer для удалённой работы по контракту на срок от 6 месяцев. Специалист будет отвечать за построение и оптимизацию архитектуры данных, ETL-процессов и аналитических инструментов, обеспечивающих бизнес-решения для внутренних и внешних заказчиков.

Будет плюсом

Сертификация в области Data Engineering (IBM Certified Data Engineer, AWS Certified Data Analytics – Specialty)
Опыт работы с Oracle Data Warehouse
Опыт поддержки кросс-функциональных команд в динамичной среде

Условия

Полностью удалённая работа из Индии
Контракт от 6 месяцев с возможностью продления
Работа с современным стеком Big Data и AWS-технологий
Взаимодействие с командами уровня Executive и Product

Навыки

SQL
Python
PySpark
Java
Scala
Apache Spark
Apache Airflow
Apache Hadoop
AWS Glue
Amazon S3
Snowflake
Amazon Redshift
Databricks
Apache Kafka
Apache Storm
Hive
HDFS
PostgreSQL
Apache Cassandra
ETL
Data Warehousing
Data Modeling
NoSQL
Luigi

Сложность отбора

3 из 5

Позиция требует уверенного владения широким стеком Big Data и AWS, но не предполагает уникальных или узкоспециализированных компетенций. Для специалиста с 3+ годами релевантного опыта задачи типичны для рынка.

Оценка JobPath

Зарплата по рынку

180 000 – 380 000 ₽ в месяц

Зарплата не указана. Оценка основана на рыночных данных для Data Engineer с опытом 3+ лет на контрактной удалённой позиции в Индии (индийский рынок) с пересчётом в рубли по курсу ~86 ₽/USD. Диапазон $2 000–$4 500/мес соответствует ~172 000–387 000 ₽/мес.

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

Опишите архитектуру наиболее сложного дата-пайплайна, который вы проектировали. Какие решения принимали по масштабируемости?
Как вы подходите к оптимизации медленных SQL-запросов на больших объёмах данных?
Расскажите о вашем опыте работы с Apache Airflow: как вы организовывали DAG-и, обрабатывали ошибки и обеспечивали идемпотентность задач?
Как бы вы выбирали между Spark Streaming и другим stream-processing решением для конкретного use case?
Приведите пример, когда root cause analysis на данных помог выявить бизнес-проблему. Как вы выстраивали процесс расследования?

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно