Компания dscout строит платформу для UX-исследований, которой доверяют бренды в сфере финансов (JP Morgan Chase, Intuit, Charles Schwab, PayPal), здравоохранения (Aya, Headspace), потребительских товаров (Keen, Verizon, Target, Northface) и технологий (Google, Amazon, Facebook, Meta, Spotify, AirBnB). Инструменты помогают командам понимать людей, стоящих за продуктами. AI является ключевой частью работы dscout. Качество функций напрямую зависит от конвейеров данных и инфраструктуры. AI Data Engineer находится на стыке ML-систем и инженерии данных, тесно сотрудничая с командами MLE и аналитической инженерии для создания конвейеров, моделей и систем оценки, обеспечивающих надежность AI-функций в продакшене.
Обязанности:
- Проектировать, создавать и поддерживать конвейеры данных, которые перемещают и трансформируют данные из приложения и сторонних источников в реляционные базы данных, сохраняя их надежность и модельность по мере роста объема и сложности
- Сотрудничать с аналитической инженерией для создания моделей данных и отчетности, дающих исследователям и командам видимость эффективности их работы
- Обеспечивать качество данных как приоритет первого класса на этапах загрузки, моделирования и отчетности. Выявлять и устранять проблемы до того, как они достигнут модели, дашборда или пользователя
- Создавать и запускать продакшен-системы AI: инфраструктуру данных и сервисы, на которых работают ML-функции
- Проектировать и поддерживать системы оценки готовности AI-функций к запуску и их устойчивости: eval-харнессы, тестовые наборы данных и мониторинг продакшена, реализованные как программное обеспечение, а не разовые анализы
- Задавать стандарт выполнения работы с данными: писать ясно, делиться контекстом заранее и ускорять работу окружающих
Требования:
- 5+ лет опыта в инженерии данных со значимым опытом работы с ML-системами в продакшене
- Глубокий опыт инженерии данных: самостоятельное создание и поддержка конвейеров, перемещающих данные из источников приложений в хранилище в масштабе, понимание того, что ломается, когда и почему
- Сильные навыки Python и уверенное владение стеком данных (используются Snowflake и Postgres)
- Опыт работы с инструментами оркестрации, такими как Airflow, Dagster или аналогичными
- Опыт работы с облачными средами, такими как GCP или AWS
- Подтвержденный опыт тесного сотрудничества с аналитическими инженерами или аналитиками данных для создания надежных, хорошо документированных моделей данных
- Практический опыт запуска AI или ML систем, на которые полагались реальные пользователи в продакшене, и ответственность за их работу после запуска
- Собственная точка зрения на оценку: отношение к eval как к создаваемому продукту, а не как к отчету
- Высокая степень самостоятельности: способность довести неоднозначную задачу до рабочего результата без полностью проработанного тикета
- Свободное владение полным жизненным циклом данных: от функций, ориентированных на продакшен, до внутренней аналитики, управляющей решениями
- Уверенность в работе с AI-инструментами кодирования (Cursor, Claude Code, Copilot или аналогичными) как реальной частью рабочего процесса
Желательно:
- Опыт работы с dbt или аналогичными фреймворками моделирования данных
- Знакомство с инструментами оценки и наблюдаемости LLM
- Опыт работы с MCP-инструментарием или агентными конвейерами данных
О компании: dscout — команда увлеченных, эмпатичных и любознательных профессионалов. Признанный лидер в Forrester Wave, компания находится на переднем крае технологий исследований опыта. Ценятся обучение, обмен знаниями и создание нового. Компания стремится к разнообразию и инклюзивности команды.
Условия:
- Конкурентоспособный компенсационный пакет со встроенным бонусом и программой акций
- Прогрессивный пакет льгот (для сотрудника и иждивенцев) для поддержки баланса работы и жизни, включая гибкий отпуск, 15 оплачиваемых дней
