Data Engineer / Data Analyst (LLM, AI)

Формат работы: удалённый.

Локация и гражданство: РФ.

Оформление: только как ИП.

Задачи:

• Сбор данных из внутренних сервисов, LLM Gateway, GitLab, Jira, логов AI-агентов и других источников.
• Проектирование и наполнение баз данных и аналитических витрин для оценки использования CodeGen-платформы.
• Анализ активности пользователей, сценариев и профилей использования AI-инструментов.
• Исследование утилизации ресурсов, качества, производительности и эффективности сервисов.
• Формулирование и проверка гипотез о влиянии LLM на процессы разработки, тестирования, аналитики и DevOps.
• Обработка структурированных и неструктурированных данных: логов, программного кода, merge request'ов, текстов и результатов работы LLM.
• Разработка ETL/ELT-пайплайнов для загрузки, обработки и регулярного обновления данных.
• Работа с S3, PostgreSQL, Greenplum, Oracle и другими источниками и хранилищами данных.
• Участие в создании RAG-решений: подготовка и индексация данных, наполнение векторных баз, разработка пайплайнов обновления индексов.
• Создание инструментов поиска и получения данных для AI-агентов.
• Подготовка продуктовых и технических метрик, дашбордов и визуализаций с использованием Superset, Streamlit и Python.

Требования:

• Отличное владение Python.
• Уверенная работа с pandas, Polars или аналогичными инструментами обработки данных.
• Уверенное знание SQL.
• Опыт работы с реляционными СУБД и хранилищами данных.
• Практический опыт разработки ETL/ELT-пайплайнов.
• Опыт работы хотя бы с одним инструментом оркестрации процессов обработки данных.
• Уверенное владение AI-инструментами для разработки: Claude Code, Codex или аналогами.
• Регулярное использование AI-инструментов в разработке и аналитике.
• Умение самостоятельно исследовать данные, формулировать гипотезы и находить способы их проверки.
• Опыт работы со структурированными и неструктурированными данными.

Будет плюсом:

• Опыт работы с Apache Airflow.
• Опыт разработки решений на базе LLM, GenAI, RAG или AI-агентов.
• Опыт работы с векторными базами данных и поисковыми системами.
• Понимание Git, GitLab и современных процессов разработки ПО.
• Базовые знания Data Science и методов статистического анализа.

Обязательные технологии и инструменты: Python, pandas/Polars, SQL, реляционные СУБД и хранилища данных, ETL/ELT, инструменты оркестрации, Claude Code/Codex или аналоги, S3, PostgreSQL, Greenplum, Oracle, Superset, Streamlit.

Желательные технологии и инструменты: Apache Airflow, LLM/GenAI/RAG/AI-агенты, векторные базы данных и поисковые системы, Git, GitLab, Data Science, статистический анализ.