Azumo создает и эксплуатирует производственные ИИ-системы для компаний от стартапов на посевной стадии до Meta. Мы ищем инженера по данным (Data Engineer), который будет отвечать за уровень, от которого зависит все остальное: конвейеры приема и преобразования данных, проектирование хранилищ данных и складов данных, а также инфраструктуру извлечения данных, которую запрашивают ИИ-системы. Эта позиция полностью удаленная для специалистов из Латинской Америки, с рабочим графиком, синхронизированным с рабочим днем клиента.
Вы не будете создавать конвейеры, которые работают до тех пор, пока не изменятся схемы данных. Azumo поставляет производственные системы данных с 2016 года, и работа здесь оценивается по результату: сможет ли модель обучаться на том, что вы предоставляете, возвращает ли запрос на извлечение нужный фрагмент, выдержит ли число проверки со стороны клиента.
Позиционирование этой роли
Инженерная организация Azumo построена вокруг четырех направлений. Направление Data Scientist отвечает за постановку задачи и метод. Направление AI Engineer отвечает за производственное поведение системы. Направление Software Engineer отвечает за доставку продукта с использованием ИИ. Эта роль относится к направлению Data Engineer и отвечает за конвейеры, хранилища и уровень извлечения данных.
Один вопрос определяет границу: когда результат неверен, чья это проблема? «Данные отсутствовали, устарели или были неверными к моменту поступления» — это ваша проблема. «Система неправильно обработала корректные данные» — это проблема AI Engineer.
Профиль не совсем подходит? Ознакомьтесь с другими нашими вакансиями:
- Если вы определяете, что измерять и какой метод использовать для ответа на вопрос — Data Scientist
- Если вы отвечаете за поведение ИИ-системы в производственной среде — AI Engineer
- Если вы поставляете программное обеспечение для продукта, используя агентов в своем инструментарии — AI-Augmented Software Engineer
- Если вы выполняли все вышеперечисленное и напрямую отчитывались перед клиентом — Forward Deployed Engineer
Что вы будете создавать
- Конвейеры приема и преобразования данных. Пакетный и потоковый прием данных на Spark, Kafka, dbt и Airflow, с идемпотентностью, повторными обработками, эволюцией схем и обработкой поздно поступающих данных по дизайну, а не вручную.
- Хранение и моделирование данных. Проектирование хранилищ данных (Warehouse) и озер данных (Lakehouse) на Snowflake, BigQuery, Redshift или Databricks, с учетом партиционирования, расположения файлов и стоимости запросов как инженерных решений.
- Уровень извлечения данных. Конвейеры чанкинга, встраивания (embedding) и индексации, которые питают RAG-системы на pgvector, Pinecone, Qdrant или Azure AI Search, а также связанные с ними проблемы актуальности, дедупликации и разрешений.
- Качество данных как контракт. Тесты, ожидания, отслеживание происхождения данных (lineage) и оповещения. Если конвейер работает неправильно, люди на последующих этапах должны узнать об этом от вас, а не от клиента.
- Конфиденциальные данные по умолчанию. Классификация PII, маскирование, доступ на уровне строк и столбцов, хранение и удаление, а также журнал аудита, который выдержит проверку, когда клиент спросит, кто что читал.
- Эксплуатация в производственной среде. Контейнеризованное развертывание на Azure или AWS, CI/CD, оркестрация, наблюдаемость и явные бюджеты на затраты и время выполнения, за которые вы несете ответственность, а не обнаруживаете после получения счета.
- Работа в среде клиента. Их репозитории, их стендапы, иногда их звонки с клиентами. Azumo имеет сертификат SOC 2, код клиента остается в репозиториях клиента, и некоторые проекты имеют дополнительные требования, такие как HIPAA.
Как мы работаем
Наши инженеры ежедневно используют ИИ. Claude Code, Codex и аналогичные инструменты являются частью стандартного инструментария, а не экспериментом. Мы проводим автоматический аудит всего кодовой базы с первого дня и каждый последующий день, оценивая безопасность, затраты и архитектурные находки по степени серьезности с указанием точного файла и строки, чтобы небольшая команда могла быстро развиваться без потери качества. Мы придерживаемся нейтралитета в отношении поставщиков, используя модели OpenAI, Anthropic и open-weight, и используем Valkyrie, наш собственный производственный слой, когда требуется единый интерфейс к любой модели.
О компании Azumo
Azumo — компания-разработчик программного обеспечения из Сан-Франциско, которая с 2016 года создает интеллектуальные приложения. Мы предоставляем команды инженеров по ИИ из ближнего зарубежья организациям, которым нужно быстрое внедрение производственного ИИ, поскольку они не успевают нанять для этого специалистов: в качестве встроенной инженерной команды, в качестве дополнения к существующей команде инженеров по ИИ или в качестве полной разработки проекта. Наши инженеры работают из Латинской Америки, с графиком, синхронизированным с часовыми поясами США, и работали для Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth и CENTEGIX.
Мы нанимаем опытных специалистов и проверяем их перед тем, как они присоединятся к команде клиента. Мы поддерживаем инженеров в углубленном изучении современного стека ИИ и даем время на работу над open-source проектами, обучение сообщества и благотворительность.
Подайте заявку на azumo.com/join-our-team или напишите нам по адресу контакт рекрутера.
Требования
Основные квалификации
- Более 5 лет опыта создания и эксплуатации производственных конвейеров данных, с использованием Python и SQL в качестве основных языков, а также соответствующих инженерных основ: тестирование, ревью кода, CI/CD, Git, контейнеры и оркестрация.
- Глубокие знания в проектировании и создании хранилищ данных или озер данных, включая дименсиональное моделирование, инкрементальную обработку, а также компромиссы между затратами и производительностью при каждом выборе.
- Распределенная обработка в производственном масштабе с использованием Spark, Kafka, Flink или эквивалентных технологий, включая сбои, которые проявляются только под нагрузкой.
- Оркестрация как инженерная дисциплина, а не замена cron: Airflow, Dagster или Prefect, с стратегиями повторных попыток, идемпотентности и повторной обработки, которые вы можете обосновать.
- Преобразование данных под управлением версиями, с тестами и отслеживанием происхождения данных (lineage): dbt или самостоятельно разработанное решение.
- Опыт облачного развертывания, предпочтительно Azure, но допустим и AWS, с использованием Docker, CI/CD конвейеров и инфраструктуры как кода (GitHub Actions, Terraform или Bicep).
- Рабочая дисциплина в отношении стоимости конвейера, времени выполнения и пропускной способности. Вы можете объяснить, сколько стоит запуск конвейера и что вы сделали для этого.
- Активное использование инструментов кодирования с помощью ИИ, таких как Claude Code, Cursor или GitHub Copilot, в реальной работе.
- Свободное владение письменным и устным английским языком (уровень C1 или выше) и уверенность в способности напрямую объяснить технический компромисс клиенту.
- Степень бакалавра в области компьютерных наук, науки о данных или смежной области, или эквивалентный профессиональный опыт.
Предпочтительные квалификации
- Векторная инфраструктура и инфраструктура извлечения данных: pgvector, Pinecone, Qdrant, FAISS или Azure AI Search, а также связанные с этим проблемы качества извлечения данных.
- Потоковые, реального времени или высокопроизводительные рабочие нагрузки.
- Опыт работы с управляемыми облачными сервисами, такими как Airflow, Glue, Elastic stack, Amazon Redshift, Snowflake, BigQuery, Azure SQL Db, EMR, Databricks.
- Предыдущий опыт работы с блокнотами Jupyter, Google Colab или аналогичными.
- Опыт работы в условиях соответствия нормативным требованиям, таким как SOC 2 или HIPAA.
- Участие в разработке open-source библиотек для данных, опубликованные технические статьи или активное участие в сообществе инженеров данных.
Преимущества
- Оплачиваемый отпуск (PTO)
- Государственные праздники США
- Обучение ИИ
- Менторство для карьерного роста
- Разделение прибыли
- Вознаграждение в долларах США
