Middle/Senior Data Engineer

Создаем поисковый сервис для ответов на запросы пользователей на естественном языке. Предоставляем GigaChat и другим LLM доступ к актуальной информации из интернета, чтобы пользователи получали точные и свежие ответы на разные вопросы. Предстоит развивать пайплайны наполнения хранилища мультимодальными данными, строить контур подготовки данных для векторного и полнотекстового поиска, работать с большими объемами данных и высоконагруженной архитектурой. Задача технически сложная и интересная: важны надежность, масштабируемость, качество данных, свежесть индекса и производительность. Ценим проактивность, инженерное мышление и желание развиваться.* проектировать и развивать end-to-end пайплайны данных для поисковой платформы: ingest, batch/micro-batch обработка, нормализация, дедупликация, лемматизация, обогащение и подготовка данных к индексации * интегрировать новые источники и мультимодальные данные, обеспечивая корректность, полноту и воспроизводимость загрузки * развивать S3 Data LakeHouse и хранилища данных для задач векторного, полнотекстового и гибридного поиска * оптимизировать Spark-процессы на Kubernetes, в частности производительность, стоимость хранения, потребление ресурсов и стабильность выполнения * обеспечивать надежность пайплайнов (мониторинг, качество данных, диагностика инцидентов, контроль SLA) * внедрять CI/CD, тестирование и observability для data pipelines. * работать вместе с ML-инженерами, backend-разработчиками и аналитиками над улучшением качества поиска.* 3+ лет опыта в роли Data Engineer / ML Engineer / Data Platform Engineer. * продвинутый Python и SQL * практический опыт с Airflow и Spark/PySpark в production * опыт разработки и оптимизации batch или streaming/micro-batch пайплайнов для больших объемов данных: от 100 TB до PB+ * уверенное понимание принципов распределенного хранения данных и распределенных вычислений * опыт анализа производительности Spark jobs: shuffle, skew, partitioning, memory, resource usage * опыт построения или развития высоконагруженных платформ обработки данных * умение проектировать Data LakeHouse / Data Management Platform * опыт работы с Kubernetes и S3-compatible storage * понимание Apache Iceberg и современных форматов данных: Parquet, partitioning, schema evolution, compaction * опыт построения мониторинга, алертов и CI/CD для пайплайнов данных. **Будет плюсом** * опыт работы с поисковыми движками: ElasticSearch, OpenSearch, Vespa * опыт работы с Cassandra или другими distributed NoSQL-хранилищами * опыт работы с Kafka или другими брокерами событий * понимание задач vector search, embeddings, ANN/HNSW, hybrid search * опыт работы с GPU-инференсом моделей, PyTorch * опыт работы с облачными платформами: AWS, Yandex Cloud, SberCloud * опыт с observability stack: Prometheus, Grafana.* стабильный оклад и премии по результатам работы, ежегодный пересмотр зарплаты * комфортный современный офис рядом с м.Кутузовская * гибридный формат работы: встречаемся очно в офисе 1 раз в неделю * корпоративный спортзал и зоны отдыха * уникальная система обучения Сбера для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * расширенный ДМС и льготное страхование семьи * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера * корпоративная пенсионная программа