请查看以下从简历中提取的样本，以便您了解客户正在寻找的候选人类型。这将有助于您获得面试机会。如果您有任何问题，请告诉我。
样本＃1简历
数字资产基金，区块链数据
• 通过使用Go RPC和在云端托管的节点（AWS、Google BigQuery）来从网站上获取数据并直接连接到区块链，从而将年度数据支出减少了19万美元，然后使用Python解析数据并在Streamlit上进行可视化。
• 使用AWS Lambda自动化仪表板和报告，这些在之前需要手动干预，节省了约90小时的月度工作时间。
• 构建了一个Python库和API，用于抽象智能合约平台（包括以太坊、Solana、Cardano、Cosmos等）的复杂区块链查询。
样本＃2简历
数据分析工程师
• 深度流动性分析-使用Python、Airflow、Snowflake、Kafka实现了实时加密交易所订单簿流系统。创建数据流水线并维护数据仪表板的ETL流水线。
• 数据平台管理-在Azure SQL、Python、Airflow和Snowflake上构建和维护了一个集中式数据平台。开发和维护了100多个ETL流水线，支持超过10 PB的数据源。
• 区块链数据分析-使用Python、Snowflake、Azure、Zendesk API和机器学习分类创建数据工程工作流程，以预测钱包停机时间，从而改善客户支持工单的优先级，提高代理人的工作效率并降低钱包运营团队的运营成本。使用Streamlit仪表板展示关键绩效指标。
• 订单欺诈的客户OPS-通过使用Spark、Docker和Kubernetes等技术，协助部署与交易相关的欺诈检测机器学习模型的可扩展机器解决方案。
• 实验平台：使用Python、Snowflake、Airflow和Streamlit构建了实验平台的数据流水线，以自动化市场营销团队的A/B测试。
• 加密市场研究-每周对最新的加密协议（AMM、共识算法、Tokenomics等）进行研究和分析，以帮助钱包、财务团队。
对于这个角色，之前担任过数据科学家的数据工程师将是一个成功的选择。
这是全职职位，但如果有一个非常合适的人选，他们会考虑签订合同。
如果您有任何非常优秀的数据工程师，不是数据开发人员，具有优秀的Python技能和处理大量数据的能力（不希望是大数据工程师），并且具有良好的英语能力并且有意学习区块链或具有相关经验，请将他们推荐给我。
• 他们寻找在Python方面的高级技能。R的经验可以替代，但他们必须能够快速适应。
• 他们寻找真正的数据工程师，而不是数据科学家。
• Web3经验-他们确实更喜欢Web3经验。由于这不常见，所以他们会先与满足其他标准（如上述）并对区块链感兴趣的人进行交谈。
• 具有AWS云经验的实践经验-谷歌云也可以。
• 期望具有Pandas经验
• 任何加密/区块链公司的经验都可以
他们只对美国公民和绿卡持有者开放
候选人必须具备优秀的沟通能力
面试流程
• 面试流程：与Johnathan进行30分钟的面试
• 进行1小时的技术视频-回顾简历/经验，技能，项目主题
• 向团队进行演示
• 与首席技术官和首席执行官进行30分钟的对话-一般对话以获得聘用机会
高级数据工程师（区块链）-（美国境内远程）-1571
地点：100％远程（美国境内）
职位类型：全职-不接受承包
工作许可：不提供赞助。只接受美国公民和绿卡持有者
沟通能力：口头、书面和理解方面都非常出色
角色
• 您将与研究科学家和工程师的跨职能团队合作，为我们的软件和数据平台做出贡献。
• 在与其他团队密切合作的同时，推动数据模型、ETL流水线和数据处理逻辑的设计和实施，以将运营数据与微服务转化为业务价值。
• 在从研究概念中进行概念验证（POCs）的同时，领导在生产环境中构建这些概念。
• 处理从数学证明到大数据处理到为区块链、金融和游戏度量提供研究支持的复杂问题。
• 我们正在寻找对数据怀有好奇心并能够在模糊环境中快速迭代的人。
• 最好具有金融、游戏/加密游戏、区块链或加密协议方面的经验。
• 额外领域专业知识涵盖金融、游戏、DeFi、加密货币、区块链和智能合约中的一个或多个领域。
所需经验
• 精通Python（或类似语言）的高级技能，用于数据收集、分析和沟通，包括熟悉Pandas包、面向对象编程和内置函数。
• 具有Web3的经验，包括智能合约开发、区块链数据和DeFi协议（如Uniswap）。
• 在AWS云服务方面有实际经验，包括构建和实施服务器和无服务器数据工程、数据科学和分析基础设施。如果有整合Airflow等服务的经验，将获得额外加分。
• 与数据科学家、机器学习和建模交流并交付结果的经验，对实施用例非常有价值。
• 理解测试驱动开发。
• 对ETL、数据仓库和流水线设计有良好的了解。
• 最好具有5年以上数据相关角色的经验，包括ETL、使用SQL查询数据、数据建模、数据收集、数据分析和数据科学。
• 好奇心、同理心，并对与高度合作的团队合作感兴趣。
• 能够适应并在大量不确定性和模糊性下工作的能力 
芝加哥