Rola łączy klasyczne data engineering (Kafka, SQL, batch/stream processing) z budowaniem automatyzacji opartej na LLM do poprawy produktywności inżynierów. Będziesz projektować i wdrażać asystentów AI do code review, generowania testów, walidacji schematów oraz zarządzać pipeline'ami danych w architekturze zdarzeniowej. Pracujesz dla agencji rekrutacyjnej, więc realnie zostaniesz przypisany do klienta – prawdopodobnie z sektora bankowego/regulowanego.

Brakuje: nie podano konkretnego klienta, brak informacji o wielkości zespołu.

🛠 Wymagane technologie

Dane źródłowe

Python SQLApache KafkaGit CI/CD

AI Insights

Czym naprawdę jest ta rola?Data Engineer

Na co uważać

−Agencja rekrutacyjna – nie wiadomo kto jest klientem, jakie są warunki projektu i czy zmiana projektu jest możliwa
−Brak informacji o procesie rekrutacyjnym i konkretnym kliencie

!Wymienione technologie to dość szeroki stack (Bazel, Tekton, Flink, Spark) – ryzyko 'listy życzeń'
!Nice-to-have obejmuje bankowość/regulacje – może to sugerować biurokratyczne środowisko

Codzienna praca

•Projektowanie i implementacja workflow z wykorzystaniem LLM/GenAI do automatyzacji przeglądów kodu i kontroli jakości
•Budowa i utrzymanie pipeline'ów AI w procesach CI/CD (np. automatyzacja zatwierdzania PR, generowanie testów E2E)
•Tworzenie i zarządzanie pipeline'ami przetwarzania danych z użyciem Apache Kafka i transformacji SQL
•Implementacja batch/stream processing z użyciem Flink lub Spark
•Zarzadzanie cyklem życia schematów (JSON/Avro/XSD) – walidacja, versioning, kompatybilność
•Pisanie i utrzymanie kodu w Pythonie do automatyzacji inżynieryjnych
•Praca z Kubernetes, Bazel i Tekton do budowania i wdrażania pipeline'ów
•Aktualizacja dokumentacji architektonicznej (Architecture Decision Records)

Więcej o ofercie

Dla kogo jest ta oferta

Profil idealny

Oferta dla doświadczonych specjalistów (Senior).

Minimum sensowne

Mid-level data engineer z minimum 3-4 latami doświadczenia, który ma podstawy w Kafka i SQL, zna Flink/Spark oraz próbował już budować automatyzacje z użyciem LLM (np. poprzez API OpenAI/Claude). Musi być gotowy do szybkiego rozwoju w kierunku AI-driven engineering.

Raczej nie dla

Juniorzy bez doświadczenia w data engineering i LLM. Osoby szukające wyłącznie pracy zdalnej (hybryda w Gdańsku) oraz inżynierowie niezainteresowani automatyzacją opartą na AI. Również nie dla osób, które wolą pracę nad własnym produktem – to jest model agencyjny.

Ocena dopasowania

Junior1/5

Mid3/5

Senior5/5

Hands-on5/5

Architekt2/5

Remote2/5

Enterprise4/5

Pytania do rekrutera

?Kim jest klient końcowy i w jakiej branży działa?
?Ile osób liczy zespół, do którego dołączę?
?Jaki jest planowany czas trwania projektu?
?Czy przewidziane są dyżury on-call? Jeśli tak, jak często i czy dodatkowo płatne?
?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
?Czy w projekcie pracuję głównie z LLMami (np. integracja z OpenAI) czy bardziej z data engineering?
?Czy istnieje możliwość pracy zdalnej w niektóre dni, czy hybryda jest sztywna?