AI/ML Data Engineer
Aptiv
Rola w zespole AI/ML Data Engineering w Aptiv, firmie z branży motoryzacyjnej (autonomiczna jazda). Praca skupia się na budowaniu skalowalnych, zautomatyzowanych pipeline'ów danych dla systemów AI, głównie z czujników (LiDAR, kamery, IMU, GPS). Data Engineer będzie implementować rozwiązania ETL, metryki jakości danych, API oraz przetwarzać dane w chmurze. To rola inżynierska, nie badawcza – nacisk na solidne podstawy data science i programowania, ale codzienna praca to głównie data engineering.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak informacji o przedziale wynagrodzenia, nie podano konkretnych technologii big data (spark, kafka, airflow).
Rola w zespole AI/ML Data Engineering w Aptiv, firmie z branży motoryzacyjnej (autonomiczna jazda). Praca skupia się na budowaniu skalowalnych, zautomatyzowanych pipeline'ów danych dla systemów AI, głównie z czujników (LiDAR, kamery, IMU, GPS). Data Engineer będzie implementować rozwiązania ETL, metryki jakości danych, API oraz przetwarzać dane w chmurze. To rola inżynierska, nie badawcza – nacisk na solidne podstawy data science i programowania, ale codzienna praca to głównie data engineering.
- ✓Praca nad innowacyjnym produktem – dane z czujników do autonomicznej jazdy
- ✓Duża, stabilna korporacja z bogatym pakietem benefitów (prywatna opieka, ubezpieczenie, PPK, Multisport)
- ✓Program Well-Being i regularne webinary/warsztaty
- −Brak przedziału wynagrodzenia w ogłoszeniu
- !Poziom 'regular' w danych strukturalnych, ale wymagania obejmują ML i statystykę – może być niedoszacowany lub przeszacowany
- !Szeroki zakres technologii (Python, C++/Rust, chmura, Docker) – nie wiadomo, które są kluczowe na co dzień
- !Opis roli ogólny – brak szczegółów o wielkości zespołu, narzędziach (np. Airflow, Spark) i procesach
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Implementacja rozwiązań ETL do wyodrębniania, transformacji i ładowania danych czujników do platform chmurowych
- •Tworzenie i utrzymywanie pipeline'ów danych dla zbiorów referencyjnych (ground truth) z LiDAR, kamer, IMU, GPS
- •Implementacja metryk jakości danych i narzędzi do przetwarzania danych zgodnie z wymaganiami funkcjonalnymi
- •Praca z dużymi zbiorami danych (big data) w środowiskach chmurowych (AWS/Azure)
- •Implementacja API do dostępu do danych, czyszczenie i organizowanie surowych i przetworzonych danych
- •Walidacja i wzbogacanie danych z wykorzystaniem metod analitycznych i statystycznych
- •Pisanie skryptów w Python, Bash, SQL oraz potencjalnie C++/Rust do automatyzacji procesów
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Absolwent kierunku ścisłego z solidną znajomością Pythona i podstawami data science, gotowy do nauki bardziej zaawansowanych konceptów data engineeringu. Może mieć mniej niż 2 lata doświadczenia, ale musi wykazać się silnymi umiejętnościami analitycznymi i programistycznymi.
Osoby z mniej niż 1 rokiem doświadczenia w Python i data science mogą mieć trudności. Rola nie jest przeznaczona dla juniorów bez praktycznej znajomości ML i statystyki. Również nie dla osób szukających pracy w pełni zdalnej lub z dużą elastycznością lokalizacji.
- ?Jakie konkretne narzędzia data engineeringu (np. Airflow, Spark, Kafka) są używane w zespole?
- ?Ile osób liczy zespół AI/ML Data Engineering i jak jest podzielony?
- ?Czy ta rola to nowe stanowisko, czy zastępstwo? Jaki jest zakres odpowiedzialności za utrzymanie vs. rozwój?
- ?Jak wygląda współpraca z zespołami ML i percepcyjnymi – czy są wspólne sprinty?
- ?Czy są dyżury on-call lub praca w weekendy przy krytycznych pipeline'ach?
- ?Jaka jest polityka awansu i rozwoju – czy firma finansuje certyfikaty chmurowe?
- ?Czy istnieje możliwość zwiększenia liczby dni zdalnych w przyszłości?
- ?Jakie są główne wyzwania techniczne w obecnych pipeline'ach danych?
- −Brak informacji o przedziale wynagrodzenia
- −Nie podano konkretnych technologii big data (Spark, Kafka, Airflow)
- −Brak szczegółów dotyczących wielkości zespołu i struktury
- −Nie wiadomo, jak wygląda proces rekrutacyjny (ile etapów, zadanie domowe)
- −Brak wzmianki o on-call lub pracy w trybie nienormowanym
Praca w zespole AI/ML Data Engineering w dużej, międzynarodowej korporacji. Kultura oparta na bezpieczeństwie (zero wypadków) i inkluzywności. Firma oferuje benefit socjalny i programy wellbeing, co sugeruje dbałość o work-life balance, ale ograniczona ilość pracy zdalnej wskazuje na tradycyjne podejście do obecności w biurze.