Эта вакансия в архивеЭту вакансию выложили заново, открыть новую публикацию
Сбер·Москва·6 июля
Middle/Senior Data Engineer
🏢 ОфисMiddleПолная занятостьКорпорация
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Вилку работодатель не назвал, а похожих вакансий для ориентира мало: сумму придётся выяснять. Смущает только, что вакансия висит давно.
2 из 4 в норме
Висит давно: что спросить, чтобы не откликаться в пустоту
Деньги
Вилку работодатель не назвал. Похожих вакансий для ориентира по рынку пока мало.
- Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.
Живость
Открыта уже 105 дней. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.
- Зарплата не указана
- Появилась у нас 6 июля 2026 г., 105 дней назад
- Эту вакансию выложили заново: Открыть новую публикацию
Точной даты публикации у нас нет, появления этой вакансии мы не застали, поэтому мёртвой она здесь не объявляется. Выдачу источника сверяем при каждом обходе: пропажу, возврат и правки текста. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Обязанности: 7, требования: 18. Понятно, что за работа, ещё до отклика.
- Обещают
- ДМС и компенсация спорта
- Известно
- высокие нагрузки
Что требуют
ОбязательноMLPythonSQLAirflowSparkKubernetesCI/CDLLM
ПлюсомElasticsearchCassandraKafkaPyTorchAWSYandex Cloud
Надбавка к зарплате на этом уровне: Python +40%, SQL +20%, Kafka +20%.
Полный разбор в Pro
Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме
Сколько просить
Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга
Ваше резюме против требований
Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика
Спросить у работодателя
Что стоит спросить: вопросы именно к этой вакансии для первого созвона
Когда откликаться
Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Чем предстоит заниматься
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
Наши требования
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
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
Мы предлагаем
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
Дополнительно
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