Data Engineer (Kandinsky)

Ищем талантливых специалистов в команду Управления базовых моделей Kandinsky.

Kandinsky — линейка моделей для генерации изображений и видео по текстовому описанию. Наша команда занимается обучением и развитием модели, аналитикой и построением метрик её работы, специализируется на создании инновационных решений в области искусственного интеллекта и нейросетей. Мы разрабатываем модели, направленные на улучшение взаимодействия между человеком и AI, автоматизацию процессов анализа больших объемов данных, распознавание изображений и обработку естественного языка, а также создание креативных инструментов для автоматической генерации визуального контента высокого уровня.

Обязанности

• проектирование и разработка ETL/ELT-пайплайнов для обработки изображений и видеоданных, как в экосистеме Apache Airflow, так и в формате автономных Python-скриптов.
• автоматизация процессов загрузки, предобработки и анализа данных: загрузка изображений и видео, обработка полученных данных, определение технических артефактов (например, наличие чёрных полос), трансформация и подготовка данных под требуемые форматы.
• проектирование и поддержка высоконагруженных пайплайнов с возможностью масштабирования на распределённую обработку.
• разработка высоконагруженных процессов нарезки, сжатия и конвертации видеофайлов крупного размера с использованием оптимизированных инструментов (ffmpeg, multiprocessing, async-подходы)
• реализация механизмов отслеживания состояния и истории данных: учёт уже обработанных файлов, планирование задач по догрузке, ведение служебных таблиц
• поддержка платформы данных: создание и оптимизация DDL/DML-скриптов, настройка таблиц под аналитические и операционные нагрузки
• подготовка датасетов по требованиям внутренних и внешних заказчиков, обеспечение качества и полноты данных
• поддержка CI/CD-процессов и стандартизация кодовой базы в соответствии с инженерными практиками и паттернами проектирования.

Требования

• уверенный практический опыт разработки ETL-процессов с использованием Apache Airflow либо аналогичных систем оркестрации
• опыт работы с S3 или совместимыми объектными хранилищами, понимание структуры и принципов организации data-lake
• понимание принципов распределённой обработки данных и работы PySpark
• уверенные навыки разработки на Python, включая использование асинхронных инструментов, многопроцессной обработки, работы с большими файлами и медиа-данными
• опыт написания Bash-скриптов для автоматизации рутинных процессов.
• глубокое понимание принципов проектирования чистой архитектуры, шаблонов проектирования и построения легко-поддерживаемых модульных систем
• опыт работы с PostgreSQL и ClickHouse, навыки написания оптимизированных запросов и проектирования таблиц
• опыт работы с Docker и Kubernetes, понимание контейнеризации пайплайнов данных.

Условия

• конкурентный уровень заработной платы, годовые премии по результатам работы
• участие в развитии и создании OpenSource продуктов
• корпоративная пенсионная программа, страхование от несчастных случаев, социальные гарантии, ДМС
• комфортный офис Sbergile Home (метро Кутузовская).