rudata.ai

rudata.ai / Роли

Роли, которые мы закрываем

Только data и AI. Для каждой роли — чем занимается инженер, какой стек встречается чаще всего и что мы проверяем на техническом интервью.

data_engineer

Data Engineer

Строит и поддерживает пайплайны и хранилища данных: от сбора событий до витрин для аналитики и ML.

Middle · Senior · Lead

Задачи

  • Батч- и стриминговые пайплайны
  • Проектирование DWH и витрин
  • Качество и наблюдаемость данных
  • Стоимость и производительность

Типичный стек

  • Python, SQL
  • Spark, Flink, Kafka
  • Airflow, Dagster, dbt
  • ClickHouse, Snowflake, BigQuery

Что проверяем

  • Моделирование данных, SCD
  • Партиционирование и форматы хранения
  • Идемпотентность и бэкфиллы
  • Разбор реального инцидента
data_analyst

Data Analyst

Превращает данные в решения: метрики, дашборды, эксперименты и ответы на вопросы бизнеса.

Middle · Senior · Lead

Задачи

  • Метрики продукта и юнит-экономика
  • Дашборды и отчётность
  • Анализ A/B-тестов
  • Исследования по запросу бизнеса

Типичный стек

  • SQL
  • Python, pandas
  • Metabase, Superset, Tableau, Power BI
  • ClickHouse, PostgreSQL

Что проверяем

  • Сложный SQL: оконные функции, когорты
  • Выбор и декомпозиция метрик
  • Интерпретация экспериментов
  • Как доносит выводы до бизнеса
data_scientist

Data Scientist

Строит модели и проводит исследования: прогнозы, рекомендации, скоринг, ценообразование.

Middle · Senior · Lead

Задачи

  • Постановка задачи и выбор метрики
  • Модели прогнозирования и ранжирования
  • Дизайн и анализ экспериментов
  • Вывод модели в продакшен вместе с ML-инженером

Типичный стек

  • Python, SQL
  • scikit-learn, CatBoost, LightGBM
  • PyTorch
  • Jupyter, MLflow

Что проверяем

  • Статистика и валидация моделей
  • Утечки и смещение в данных
  • Связь ML-метрики с бизнес-метрикой
  • Разбор проекта от данных до эффекта
ml_engineer

ML Engineer

Доводит модели до продакшена и отвечает за то, чтобы они работали быстро, стабильно и предсказуемо.

Middle · Senior · Lead

Задачи

  • Пайплайны обучения и инференса
  • Сервинг и масштабирование моделей
  • Мониторинг дрейфа и качества
  • Воспроизводимость, feature store

Типичный стек

  • Python
  • PyTorch, ONNX, Triton
  • Kubernetes, Docker
  • MLflow, Kubeflow, Airflow

Что проверяем

  • Дизайн ML-системы под нагрузку
  • Латентность, батчинг, стоимость инференса
  • Версионирование данных и моделей
  • Инциденты в проде и их разбор
llm_engineer

AI / LLM Engineer

Строит продукты на больших языковых моделях: RAG, агенты, ассистенты, дообучение под домен.

Middle · Senior · Lead

Задачи

  • RAG и векторный поиск
  • Агенты и инструменты
  • Оценка качества и защитные механизмы
  • Дообучение и дистилляция моделей

Типичный стек

  • Python
  • LangChain, LlamaIndex
  • vLLM, Hugging Face
  • pgvector, Qdrant, Weaviate

Что проверяем

  • Архитектура RAG: чанкинг, ранжирование, кэш
  • Как измеряет качество ответов
  • Стоимость и латентность в проде
  • Опыт дообучения: данные, метрики, результат
founding_engineer

Founding Engineer

Первый инженер в стартапе: строит продукт с нуля вместе с фаундерами и закладывает техническую основу компании.

Senior · Lead

Задачи

  • MVP от идеи до первых пользователей
  • Выбор архитектуры и стека
  • Инфраструктура, CI/CD, наблюдаемость
  • Найм следующих инженеров

Типичный стек

  • Python или TypeScript
  • FastAPI, Next.js
  • PostgreSQL, Redis
  • AWS или GCP, Docker

Что проверяем

  • Продуктовое мышление и приоритизация
  • Широта: бэкенд, данные, инфраструктура
  • Скорость без потери надёжности
  • Готовность к неопределённости

Нужна роль, которой нет в списке?

Analytics Engineer, MLOps, руководитель платформы данных — напишите, обсудим.

Отправить вакансиюНаписать нам