Каталог ИТ-специалистов Аналитика. Data инженер

работал с чистым SQL на уровне продвинутых запросов (оконные функции, условные операторы выбора и т.д.); опыт работы с UNIX-системами на уровне простых операций; развитые коммуникативные навыки; опыт написание тестов для разработанного функционала; опыт рефакторинга кода; опыт проведения code review; участие в создании ETL процессов опыт сбора информации из Интернета путем парсинга применял как уже обученные модели машинного обучения/глубокого обучения, так и занимался их обучением самостоятельно опыт работы с большими данными в Hadoop и Spark и в составлении сложных SQL запросов в Apache Hive опыт работы с Apache Airflow опыт работы с Python для анализа данных (pandas, numpy, matplotlib, seaborn)

- опыт работы с Python для разработки, сбора данных, анализа данных, работы с (большими) данными, обработка данных, машинное обучение; - опыт написания тестов для разработанного функционала; - опыт рефакторинга кода; - опыт работы с git; - опыт работы с большими данными в экосистеме Hadoop (PySpark, Hive); - развитые коммуникативные навыки;

Денис — опытный Data-инженер, специализирующийся на Apache AirFlow, Apache Kafka, Docker, Git и других инструментах. Обладает навыками работы с Python, SQL, Linux и Windows. Имеет опыт работы в проектах по мониторингу качества воздуха и анализу кредитных рисков стартапов. В первом проекте занимался поддержкой работоспособности мониторинга загрязнения окружающей среды, созданием ETL-процессов и описанием документации по потокам данных. Во втором — исследовал данные компании, создавал ETL-процесс для сбора, обработки и загрузки данных, а также занимался исправлением ошибок и подготовкой данных для визуализации и отчётности.

3 года опыта в качестве SQL разработчика( Oracle PL/ SQL, PostgreSQL), в оптимизации SQL. 2 года опыта работы в ReactJS, JavaScript, HTML, CSS. Опыт на всех этапах жизненного цикла разработки программного обеспечения: создание, разработка, разработка, тестирование, внедрение и сопровождение; 3 года опыта в качестве SQL разработчика (Oracle начиная с 9i, Postgres), включая: Проектирование логической и физической структуры, партиционирование, сегментация, роли и привилегий; Построение логической и физической модели данных с использованием методов нормализации; Программирование на PL/SQL и PL/pgSQL: хранимые процедуры, функции, пакеты, триггеры, типы, использование динамического SQL; Разработка приложений с использованием Oracle Forms; подготовка отчетности и данных визуализации с использованием Oracle Reports, Oracle Graphics и Oracle BI Publisher; 2 года опыта в разработке Frontend(ReactJS), включая: Разработка пользовательского интерфейса; Разработка, отладка приложений с использованием WebStorm, Google Chrome; Использование HTML/CSS/React/JavaScript/TypeScript; Очистка и обработка данных с использованием SQL; анализ первичных данных, подготовка выводов и рекомендаций; проектирование, разработка и внедрение нового функционала; Использование методологии Scrum Дополнительная информация: Быстрая обучаемость, самомотивация, способность адаптироваться к новой среде.

1. Сбор/анализ требований заказчика, составление ТЗ, документирование (Figma, Notion) 2. Описание регламента и построения ETL процессов (API, Python, AirFlow) 3. Знание основ ETL/DWH 4. Построение витрин данных 5. Формировании аналитической отчетности DataLens/PowerBI 6. Тестирование и проверка базовых кейсов

Принимал ключевое участие в проекте по построению Аналитической платформы данных. Участвовал во всех технических этапах работ. Документировал выполненные работы. Написал ряд ETL-процессов, позволяющих регулярно выгружать данные сторонних систем к DWH. Организовал развертывание и тестирование Airflow и Airbyte.

Олег — опытный Data-инженер со специализацией в области аналитики данных. Обладает навыками работы с Python, PostgreSQL, Apache AirFlow, SQL, Git, GreenPlum, Docker, Kafka, Hadoop, ETL, Pandas, DWH, Linux, Numpy, Superset и Power BI. Имеет опыт работы на проектах в сфере HRTech и Government & Public Sector. На последнем месте работы занимался построением аналитического хранилища для результатов измерения, обработкой данных и статистическим анализом, а также формированием отчётов Apache Super Set. В настоящее время работает над QA data platform, где занимается разработкой StT схем, построением пайпланов ELT, сбором требований и написанием документации. Также участвует в проекте по созданию хранилища данных на основе нескольких источников данных с последующим созданием аналитических витрин данных для формирования отчётов.

Опыт работы на всех этапах жизненного цикла разработки программного обеспечения, включающий в себя: работа с базами данных PostgreSQL, ClickHouse, GreenPlum; исследовательский анализ данных с использованием Pandas, Numpy, Seaborn; построение ML-моделей для дополнения отсутствующих данных; проектирование и разработка ETL-процессов с использованием Apache Airflow, SQL, Python, Spark; инструменты скрейпинга BeautifulSoup, Selenium; работа с экосистемой Hadoop - HDFS, YARN, Spark, HBase, Hive, Pig; создание информационных дашбордов с помощью Tableau, Redash, Superset; back-end разработка с помощью Python, Django, DjangoRestFramework. Дополнительная информация: Курсы: Karpov.Courses (01/2021 – 07/2021) Аналитик данных Karpov.Courses (11/2021 – 12/2021) Симулятор аналитика Karpov.Courses (03/2022 – 09/2022) Инженер данных Тренинг-центр ISSoft (06/2022 – 09/2022) «Школа Big Data»

• PostgreSQL • ClickHouse • Apache AirFlow • Apache NIFI • Power BI • DAX • Yandex Datalens • Python (Pandas, Numpy) • Основы DWH/ETL • GreenPlum

Данила — опытный Data инженер с опытом работы более 3,5 лет. Он обладает глубокими знаниями и навыками в области работы с данными, включая Linux, macOS, MS Windows, Python, SQL, Apache AirFlow, Apache Superset, Docker, Git, Jinja, Jupyter и другие инструменты. Данила работал над несколькими проектами в таких отраслях, как eFinTech (банки, инвестиции), Toll Road (платные автодороги), MedTech (медицинские учреждения), Retail (магазины). На проектах он занимался разработкой и поддержкой витрин данных, ETL/ELT процессов, а также решением инцидентов и ad-hoc задач. Среди реализованных проектов Данилы можно выделить: - приложение инвентаризации для крупных складов; - анализ и планирование выручки и трафика платной автодороги; - система торговли на фондовых рынках; - приложение для рекомендации изображений; - систему матчинга резюме и вакансий. Профессиональные навыки: - менторство младших разработчиков; - ставил задачи в канбан; - работал с чистым SQL на уровне продвинутых запросов (оконные функции, подзапросы.); - опыт работы с UNIX-системами на уровне простых операций; - развитые коммуникативные навыки; - участие в создании ETL процессов - опыт сбора информации из Интернета путем парсинга - применял как уже обученные модели машинного обучения/глубокого обучения, так и занимался их - - - обучением самостоятельно - опыт работы с большими данными в Hadoop и Spark и в составлении сложных SQL запросов в Apache Hive - участие в проектировании и анализу DWH хранилищ - опыт работы с Apache Airflow - опыт работы с Python для анализа данных (pandas, numpy, matplotlib, seaborn)

Владимир — опытный data-инженер, специализирующийся на работе с данными. Обладает навыками работы с Python, Git, SQL, PostgreSQL, MSSQL, Docker, Apache AirFlow, Kafka, Clickhouse, Vertica, SSIS, PosrgteSQL, Informatica PWC, API, ETL и другими инструментами. Владимир имеет опыт работы в проектах по построению аналитических хранилищ данных, миграции текущих КХД на новые стэки и архитектуры, а также разработке процедур загрузки в DWH. В его портфолио проекты для компаний из сфер HRTech, Logistics & Transport и Manufacturing.