Бэкенд-разработчик в DataSphere

Мы создаём облачную платформу для интерактивной разработки и обработки данных. У пользователей будет доступ к разным источникам данных и способам работы с ними. С платформой можно вести разработку в интерактивном режиме — в облачной инсталляции JupyterLab или в собственной IDE, запускать задания на виртуальных машинах Yandex Cloud с переносом локального окружения. Можно выбирать конфигурации виртуальных машин: от простых CPU до мощных с несколькими GPU, а также использовать кластеры Yandex Data Processing.

Какие задачи вас ждут

Развитие функциональности DataSphere
DataSphere упрощает работу с данными. Вам предстоит добавлять новые возможности и совершенствовать существующие: открывать доступ к новым источникам данных, повышать стабильность работы и расширять функциональность сервиса.

Интеграция DataSphere с сервисами Yandex Cloud
DataSphere — удобная платформа для работы с данными. Ваша задача — интегрировать в неё возможности других сервисов Yandex Cloud, чтобы пользователи могли сосредоточиться на данных, а не на настройке инфраструктуры.

Масштабирование и оптимизация сервиса
Наша команда отвечает за весь жизненный цикл сервиса: от проектирования и разработки до развёртывания и поддержки. Мы управляем модулями DataSphere и оркестрируем сотни пользовательских виртуальных машин. Вы будете оптимизировать пайплайны CI/CD, улучшать мониторинг и средства диагностики, ускорять работу с виртуальными машинами и повышать их надёжность.

Мы ждем, что вы

• Уверенно владеете Java, PostgreSQL, Linux
• Знаете базовые алгоритмы, структуры данных и области их применения
• Умеете тестировать собственный код
• Проводите качественное ревью чужого кода
• Легко и продуктивно взаимодействуете с другими командами
• Можете самостоятельно решать проблемы и находить причины их возникновения

Будет плюсом, если вы

• Работали с Python
• Разрабатывали микросервисную архитектуру
• Имели дело с SRE-подходами или DevOps-практиками
• Взаимодействовали с Unix-системами и сетевыми технологиями
• Знакомы с различными источниками данных: KV-хранилищами, реляционными БД, файловыми системами