American Express
American Express
American Express یک شرکت جهانی ارائه‌دهنده خدمات مالی است که در حوزه‌های بانکداری، امور مالی و پرداخت‌های B2B فعالیت می‌کند. فعالیت‌های این شرکت شامل کارت‌های اعتباری مصرف‌کنندگان، کسب‌وکارها و شرکت‌ها؛ خدمات پرداخت و پذیرندگان؛ حساب‌های پس‌انداز، گواهی سپرده و وام‌های شخصی؛ همچنین پاداش‌ها، برنامه‌های سفر، راهکارهای پرداخت شرکتی، آموزش مالی، خدمات امنیتی و پشتیبانی از اعضای کارت و پذیرندگان است.

مهندس داده ۲ – گوگل کلاد و کلان‌داده

در امریکن اکسپرس، خط لوله‌های داده گوگل کلاد، طراحی پایگاه داده و راهکارهای کلان‌داده بسازید. به نگهداری سامانه‌های داده امن و مقیاس‌پذیر و پشتیبانی از محیط‌های عملیاتی کمک کنید.

توضیحات

  • نیازهای داده را ارزیابی کنید، آن‌ها را برای یکپارچه‌سازی با معماری‌های موجود مستند کنید و مدل‌های داده کسب‌وکار را نگهداری کنید.
  • خط لوله‌های داده و طراحی پایگاه داده را برای برآورده‌کردن نیازهای عملکرد، مقیاس‌پذیری و امنیت ایجاد و بهبود دهید.
  • با BigQuery، DataProc و دیگر سرویس‌های گوگل کلاد کار کنید.
  • از SQL و ابزارهای ارزیابی داده استفاده کنید.
  • در بازبینی‌های طراحی و آزمون شرکت کنید و با راهنمایی همکاران و مدیران از سامانه‌های عملیاتی پشتیبانی کنید.
  • کار را بازبینی کنید و با راهنمایی همکاران و مدیران در محیط یادگیری مشارکتی سهیم شوید.
  • برای هماهنگی تغییرات و اجرا با تیم‌های کسب‌وکار و محصول همکاری کنید.
  • پارتیشن‌بندی و نمایه‌سازی پایه را در کلان‌داده، Spark و دیگر چارچوب‌های توزیع‌شده به کار ببرید.
  • برای همسوکردن ابتکارهای فناوری با اهداف کسب‌وکار، با تیم‌های محصول و کسب‌وکار همکاری کنید.

شرایط لازم

  • مدرک کارشناسی در علوم کامپیوتر یا مهندسی کامپیوتر، یا تجربه معادل؛ مدرک تحصیلی بالاتر ترجیح داده می‌شود.
  • آشنایی با طراحی و توسعه کلان‌داده و NoSQL در طیفی از مخازن داده.
  • آشنایی با سامانه‌ها و زیست‌بوم‌های مدیریت پایگاه داده، از جمله قالب‌های ذخیره‌سازی، الگوریتم‌های دسترسی، فرایندهای مدیریت داده، اداره، نگهداری، تکثیر، دسترس‌پذیری بالا و رمزنگاری.
  • آشنایی با سامانه‌های توزیع‌شده و چندلایه، الگوریتم‌ها و پایگاه‌های داده رابطه‌ای و غیررابطه‌ای.
  • تجربه مهندسی داده، شامل دست‌کم چهار سال تجربه توسعه.
  • تجربه بهینه‌سازی عملکرد برای پردازش داده دسته‌ای و بلادرنگ در مقیاس بزرگ.
  • تجربه کار با SQL و Python یا زبان برنامه‌نویسی دیگری مانند Java.
  • تجربه طراحی و توسعه با سامانه‌های پایگاه داده‌ای مانند HBase، Hive، ابزارهای گوگل کلاد، NoSQL، Bigtable، BigQuery و Cloud Spanner.
  • تجربه کار با پایگاه‌های داده NoSQL مانند HBase و Bigtable.
  • تجربه بهینه‌سازی عملکرد در محیط‌های کلان‌داده.
  • تجربه کار با سامانه‌های توزیع‌شده، الگوریتم‌ها و توسعه برنامه‌های کاربردی.
  • تجربه توسعه و پشتیبانی از سامانه‌های پردازش تراکنش برخط و/یا پردازش تحلیلی برخط.
  • تجربه روش‌های تحویل نرم‌افزار مانند Agile، Scrum، Agile XP و توسعه آزمون‌محور.
  • داشتن گواهی گوگل کلاد امتیاز محسوب می‌شود.
  • تکمیل موفق بررسی سوابق، با رعایت قوانین و مقررات مربوطه.

مزایا

  • حقوق پایه رقابتی.
  • مشوق‌های پاداش.
  • پشتیبانی از رفاه مالی و بازنشستگی.
  • پوشش پزشکی، دندان‌پزشکی، بینایی، بیمه عمر و ازکارافتادگی، بسته به محل فعالیت.
  • امکان کار منعطف ترکیبی، حضوری یا مجازی، بسته به نقش و نیازهای کسب‌وکار.
  • مرخصی باحقوق والدین، بسته به محل فعالیت.
  • دسترسی رایگان به مراکز سلامت جهانی در محل کار که با حضور پرستار و پزشک اداره می‌شوند، بسته به محل فعالیت.
  • مشاوره رایگان و محرمانه از طریق برنامه Healthy Minds.
  • فرصت‌های توسعه شغلی و آموزش.

فرصت‌های شغلی مرتبط

Datavail

مهندس ارشد داده Azure

Datavail

پلتفرم‌های داده سازمانی Datavail را با راهکارهای Azure Data Factory، SSIS، SQL و ETL نوسازی کنید. از یکپارچه‌سازی داده‌های محیط عملیاتی و طرح‌های مهاجرت به ابر پشتیبانی کنید.

باز کردن
Citi

سرپرست ارشد توسعه مهندسی داده

Citi

رهبری مهندسی داده سازمانی و تحویل برنامه‌ها در سیتی را بر عهده بگیرید. تیم‌های فنی، ETL، کلان‌داده، عملیات دسته‌ای و پشتیبانی تولید را در پونه مدیریت کنید.

باز کردن
Cisco

مهندس ارشد مشاوره مرکز داده سیسکو

Cisco

هدایت مشاوره مرکز داده برای مشتریان سیسکو در سراسر جهان، ارائه راهکارهای شبکه و رفع مسائل پیچیده فنی. همچنین با خودکارسازی، رهبری فنی و توسعه خدمات از تیم‌های منطقه آمریکا پشتیبانی کنید.

باز کردن
EXL

مهندس داده – دیتابریکس، اسنوفلیک و اسپارک

EXL

با دیتابریکس و اسنوفلیک، پلتفرم‌های داده مقیاس‌پذیر بسازید. با اسپارک، پایتون و SQL، خطوط لوله ETL، مدل‌های داده و چارچوب‌های دریافت داده را توسعه دهید.

باز کردن