О позиции
Мы ищем QA Automation Engineer для работы над проектом MLOps Platform, который занимается автоматизацией разработки, обучения, тестирования и развёртывания ML-моделей. Работа удалённо из России, проектная занятость до конца года с возможным продлением. Вы будете работать в команде, которая разрабатывает и поддерживает QA-пайплайны для MWS Data Lakehouse.
Чем вы будете заниматься
- Разрабатывать и поддерживать QA-пайплайны для MWS Data Lakehouse;
- Автоматизировать юнит-, интеграционные, end-to-end, регрессионные и performance-тесты;
- Проектировать и писать тест-кейсы;
- Вручную тестировать новые функции и сложные data-сценарии;
- Проводить нагрузочное и стресс-тестирование на 1000+ QPS;
- Тестировать конкурентные операции в StarRocks, интеграции с S3 и GitOps-деплойменты;
- Проверять работу Iceberg-таблиц;
- Тестировать интеграции Iceberg REST Catalog, StarRocks, S3, Spark и Trino;
- Тестировать защищённость, тестовые и pre-production стенды;
- Вести баг-трекинг и составлять воспроизводимые баг-репорты с логами, метриками и трассировкой данных;
- Участвовать в планировании спринтов и релизного цикла.
Требования
- Опыт работы QA-инженером от 4 лет;
- Понимание методологии обеспечения качества и построения системных QA-процессов;
- Опыт автоматизации тестирования;
- Опыт тестирования API и баз данных;
- Уверенный SQL и Python;
- Опыт регрессионного тестирования и автоматизации проверок на стендах;
- Опыт формирования отчётов в Allure;
- Внимательность, аналитическое мышление и умение находить аномалии в данных.
Что мы предлагаем
- Заработная плата до 200 000 рублей в месяц;
- Проектная работа с возможностью продления;
- Удалённый формат работы;
- Полный рабочий день, 5/2;
- Работа в команде профессионалов;
- Возможности для профессионального роста и обучения.
Вакансия предлагает хорошие условия для QA Automation Engineer с возможностью удалённой работы и достойной зарплатой. Проектная работа с перспективой продления.
Кто здесь добьётся успеха
Глубокое понимание Python и его библиотек для автоматизации тестирования, таких как pytest и unittest, что позволяет эффективно разрабатывать тесты для ML-моделей.
Способность работать в удалённой команде, проявляя проактивность в общении и поддерживая высокую степень самоорганизации для успешного выполнения задач в условиях проектной занятости.
Опыт работы с SQL для анализа данных и проверки корректности ML-выходов, а также знание API для интеграции тестов с внешними сервисами.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости AI
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев