Databricks Platform Engineer

Мы ищем Platform Engineer для проектирования, создания и оптимизации решений по захвату, обработке и хранению данных, которые позволяют проводить продвинутую аналитику и цифровую трансформацию процессов.

• Проектировать, создавать и поддерживать масштабируемые конвейеры данных для получения, интеграции и управления данными из различных источников и систем (например, лабораторных систем, MES, клинических поставок, систем качества, внешних партнёров).
• Создавать и оптимизировать потоки данных для структурированных и неструктурированных данных с использованием Python (PySpark), R, SQL, Databricks и других современных инженерных инструментов.
• Разрабатывать и поддерживать специфические хранилища данных, внедрять корпоративные модели данных и при необходимости создавать новые модели.
• Обеспечивать готовность к AI/ML, гарантируя, что данные хорошо структурированы, версионированы, отслеживаемы и семантически согласованы с корпоративными стандартами данных.
• Тесно взаимодействовать со стейкхолдерами и другими командами.

• Степень бакалавра в области инженерии, Data Science, Life Sciences, Computer Science или смежных дисциплин; предпочтительно наличие учёной степени.
• Более 6 лет опыта в data engineering, включая моделирование данных и проектирование баз данных, желательно в научной, производственной или медицинской среде.
• Глубокие знания платформы Databricks.
• Владение Python, SQL и облачными архитектурами (AWS services) вместе со Spark и dbt.
• Экспертиза в ETL и DWH.
• Опыт работы с NoSQL и графовыми базами данных.
• Владение английским языком на уровне B2+.
• Сильные аналитические, проблемно‑решающие навыки и умение управлять стейкхолдерами, с возможностью переводить обсуждения в конкретные требования.
• Способность одновременно вести несколько интересных проектов, обладая отличными организационными навыками и гибкостью.
• Понимание CI/CD и инфраструктурных инструментов, таких как Terraform.
• Опыт работы в регулируемых или стандартизированных средах данных, таких как CDISC, HL7, FHIR, OMOP, DICOM или стандарты данных производства/качества.
• Знакомство с высокоразмерными данными (например, изображения, данные сенсоров и т.д.).
• Опыт работы с принципами, связанными с MLOps и процессами развертывания моделей.
• Знание производственных систем (MES), лабораторных информационных систем или промышленных систем данных.
• Знакомство с архитектурами, основанными на графах знаний или онтологиях.

• Конкурентоспособная компенсация
• Удалённая работа
• Гибкий график
• Программы непрерывного образования, наставничества и профессионального развития
• Команда с отличной технической экспертизой