Senior Data Engineer в Trust & Safety

Мы — команда платформы данных в направлении Trust & Safety. Делаем данные и признаки для моделей машинного обучения, которые используются в антифроде, модерации контента и других продуктах. У нас есть как потоковая платформа (Databus/Kafka + Flink + Redis/Cassandra), так и “озеро” данных на S3/Apache Iceberg с доступом через Trino.

Мы ищем дата-инженера, который обеспечит расчёт и поставку признаков для ML-моделей — от чтения сырых событий до записи финальных значений в онлайн- и офлайн-хранилища.

Вам предстоит:

• ​​​Проектировать и разрабатывать потоковые процессы, которые читают события из Databus/Kafka и считают онлайн‐признаки, записывая их в Redis и Cassandra;

• Проектировать и разрабатывать пакетные процессы, которые читают данные из S3/Iceberg через Trino, считают офлайн‐признаки и пишут результаты обратно в S3/Iceberg и/или ClickHouse;

• Следить за тем, чтобы один и тот же признак был согласован между обучением и продакшеном (одна логика расчёта, единый контракт);

• Настраивать расписания, пересчёты и бэки, чтобы признаки обновлялись вовремя и выдерживали SLA по свежести;

• Работать с качеством данных: добавлять проверки, мониторить аномалии, разбирать инциденты, когда “признак поехал”;

• Совместно с DS и аналитиками придумывать новые признаки и помогать перевести их из экспериментальных скриптов в стабильные пайплайны.

Вы нам подходите, если есть:

• 4–5+ лет опыта в роли Data Engineer / Backend+Data;

• Уверенный опыт работы с Kafka‐подобными очередями (Databus/Kafka): продюсеры/консьюмеры, партиционирование, ключи, обработка ошибок;

• Практический опыт со streaming‐движком (желательно Flink; Spark Structured Streaming подойдёт, если есть реальный прод‐опыт);

• Опыт работы с Redis или Cassandra как онлайновым хранилищем данных/признаков;

• Опыт работы с S3‐подобным хранилищем и табличным форматом (Iceberg/Delta/Hudi) и доступа к ним через SQL‐движок (Trino/Presto/Spark SQL);

• Отличное знание SQL и опыт работы с ClickHouse;

• Python…