DataOps

7 КРАСНЫХ ЛИНИЙ — AI-интегратор нового поколения. С 2016 года мы реализуем сложные IT-проекты для крупных компаний, а сегодня активно развиваем направления AI, Data и интеллектуальной автоматизации. Задачи: – Развивать и поддерживать IT-инфраструктуру, обеспечивать стабильность и отказоустойчивость систем. – Настраивать и сопровождать процессы CI/CD, автоматизировать развёртывание и эксплуатацию сервисов. – Работать с контейнеризацией и оркестрацией на базе Docker и Kubernetes. – Автоматизировать инфраструктурные и эксплуатационные задачи с использованием Ansible, Bash и Python. – Администрировать базы данных, обеспечивать резервное копирование, восстановление и мониторинг. – Поддерживать и оптимизировать процессы загрузки, преобразования и обработки данных (ETL). – Участвовать в развитии хранилищ данных (DWH) и витрин данных. – Настраивать мониторинг, алертинг и диагностику инфраструктуры и сервисов. – Анализировать и устранять проблемы производительности, загрузки и обработки данных. – Использовать AI-инструменты и AI-агентов для автоматизации рутинных DevOps-задач и повышения эффективности работы. Требования: – Опыт работы в DevOps и/или Data Engineering от 4 лет с практическими навыками в обоих направлениях. – Уверенное владение Linux (Ubuntu/Debian, CentOS/RHEL). – Опыт работы с Docker, Kubernetes и Helm. – Практический опыт работы с Ansible и CI/CD на базе GitLab. – Навыки автоматизации с использованием Bash и Python. – Уверенное владение SQL и опыт работы с PostgreSQL. – Опыт работы с одной или несколькими СУБД: PostgreSQL, ClickHouse, Greenplum. – Понимание принципов построения хранилищ данных (DWH) и организации ETL-процессов. – Опыт работы с Apache NiFi и/или Apache Airflow. – Опыт настройки мониторинга и алертинга (Grafana, Prometheus или аналоги). – Понимание сетевых технологий и протоколов TCP/IP, HTTP, DNS. – Умение самостоятельно решать технические задачи и взаимодействовать с проектной командой. Будет плюсом: – Практический опыт разработки ETL-процессов, хранилищ и витрин данных. – Опыт работы с Python-библиотеками SQLAlchemy и Pandas. – Знакомство с продуктами Arenadata (ADB, ADS, ADH). – Опыт работы с Hadoop, PySpark или Apache Kafka. – Опыт работы с Terraform и OpenStack. – Опыт настройки высокодоступных и масштабируемых систем. – Понимание принципов Data Quality и опыт автоматизации проверок качества данных. – Практический опыт использования AI/LLM-инструментов и AI-агентов для автоматизации инженерных задач.