Data Engineer preferably with AI experience
emagine
Rola Data Engineera w firmie konsultingowej (emagine) dla klienta zewnętrznego. Głównym zadaniem jest budowanie i utrzymywanie pipeline'ów ETL w chmurze Microsoft Azure (Azure Data Factory, Data Lake, Databricks/Spark). Praca będzie obejmować przetwarzanie dużych ilości danych strukturalnych i niestrukturalnych, modelowanie danych na potrzeby backendu i frontendu. Preferowane jest doświadczenie z AI, ale nie jest wymagane. Projekt jest krótkoterminowy (4-6 miesięcy), z lokalizacją w Aarhus, na miejscu.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak informacji o konkretnym kliencie i branży projektu, nie podano wielkości zespołu ani struktury (role w zespole).
Rola Data Engineera w firmie konsultingowej (emagine) dla klienta zewnętrznego. Głównym zadaniem jest budowanie i utrzymywanie pipeline'ów ETL w chmurze Microsoft Azure (Azure Data Factory, Data Lake, Databricks/Spark). Praca będzie obejmować przetwarzanie dużych ilości danych strukturalnych i niestrukturalnych, modelowanie danych na potrzeby backendu i frontendu. Preferowane jest doświadczenie z AI, ale nie jest wymagane. Projekt jest krótkoterminowy (4-6 miesięcy), z lokalizacją w Aarhus, na miejscu.
- ✓Możliwość pracy z nowoczesnym stackiem Azure (Data Factory, Data Lake, Databricks, Spark)
- ✓Preferowane doświadczenie z AI – szansa na rozwój w tym kierunku
- ✓Projekt krótkoterminowy może być atrakcyjny dla kontraktorów poszukujących szybkiego zlecenia
- −Krótkoterminowy kontrakt (4-6 miesięcy) bez gwarancji przedłużenia
- −Konieczność pracy w biurze w Aarhus, bez opcji zdalnej
- −Rekrutacja przez agencję (emagine) – praca u klienta zewnętrznego
- !Brak informacji o możliwości przedłużenia kontraktu
- !Nieokreślona elastyczność – 'maybe with some flexibility' co do lokalizacji
- !Rozmowa rekrutacyjna z case study – może być czasochłonna
- !Wymagane jest samodzielne działanie przy ograniczonych specyfikacjach – ryzyko niejasnych wymagań
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja pipeline'ów ETL w Azure Data Factory i Databricks/Spark
- •Pisanie i optymalizacja zapytań SQL oraz skryptów Python (PySpark)
- •Zarządzanie danymi w Azure Data Lake i integracja z Function Apps
- •Przetwarzanie dużych wolumenów danych strukturalnych i niestrukturalnych
- •Modelowanie danych pod kątem zastosowań backendowych i frontendowych
- •Współpraca z zespołem w metodyce agile, codzienne stand-upy i planowanie sprintów
- •Prezentowanie opcji implementacyjnych i uczestniczenie w code review
- •Praca z ograniczoną specyfikacją – samodzielne analizowanie i proponowanie rozwiązań
Oferta dla doświadczonych specjalistów (Senior).
Mid-level Data Engineer z co najmniej 3-4 latami doświadczenia, solidną znajomością Azure Data Factory, Data Lake i Databricks, oraz umiejętnością pisania złożonych zapytań SQL i skryptów Python. Osoba gotowa do szybkiego wdrożenia i pracy w agilowym zespole.
Osoby bez doświadczenia z chmurą Azure i pipeline'ami ETL, juniorzy poniżej 3 lat doświadczenia, a także kandydaci szukający stałego zatrudnienia (kontrakt tylko 4-6 miesięcy) lub pracy zdalnej (praca w biurze).
- ?Jaki jest konkretny projekt/klient – w jakiej branży i jakie są główne cele pipeline'ów?
- ?Czy istnieje możliwość przedłużenia kontraktu po 4-6 miesiącach?
- ?Jak wygląda zespół – ilu data engineerów i data scientistów?
- ?Czy w projekcie rzeczywiście będą elementy AI, czy to tylko preferowane?
- ?Jak szczegółowy jest case study – ile czasu zajmuje i czego dotyczy?
- ?Czy praca jest w pełni stacjonarna, czy istnieje możliwość pracy zdalnej po okresie onboardingu?
- ?Jakie są harmonogramy dyżurów (on-call) – czy są wymagane?
- ?Czy są przewidziane benefity (np. karta lunchowa, ubezpieczenie) dla kontraktorów?
- −Brak informacji o konkretnym kliencie i branży projektu
- −Nie podano wielkości zespołu ani struktury (role w zespole)
- −Brak opisu benefitów dla kontraktorów (B2B/umowa o dzieło)
- −Nie wiadomo, czy praca wymaga dyżurów on-call
- −Nie sprecyzowano, jakie konkretnie narzędzia AI będą używane (jeśli w ogóle)
- −Brak informacji o procesie onboardingu i mentoringu
Praca w zespole agile'owym, z codziennymi stand-upami i planowaniem sprintów. Oczekiwana jest samodzielność, ale także umiejętność współpracy i dzielenia się wiedzą.
Proces obejmuje rozmowę kwalifikacyjną oraz case study oceniające kompetencje techniczne pod kątem szybkiego wdrożenia.