Data Engineer / AI Data Platform Engineer
Splinemoon
To rola Data Engineera odpowiedzialnego za budowanie i utrzymanie pipeline'ów danych w Apache Airflow na platformie OpenShift/Kubernetes. Codzienna praca obejmuje tworzenie DAG-ów, zarządzanie zasobami klastra, optymalizację zapytań SQL (Oracle) oraz automatyzację wdrożeń przez CI/CD (GitLab CI, Jenkins, ArgoCD). Mimo tytułu zawierającego 'AI', w opisie brak elementów związanych z uczeniem maszynowym lub sztuczną inteligencją.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu, brak opisu procesu rekrutacyjnego.
Tytuł sugeruje rolę związaną z AI/ML, ale realnie to klasyczny Data Engineer pracujący z Airflow, OpenShift i SQL – brak elementów sztucznej inteligencji.
To rola Data Engineera odpowiedzialnego za budowanie i utrzymanie pipeline'ów danych w Apache Airflow na platformie OpenShift/Kubernetes. Codzienna praca obejmuje tworzenie DAG-ów, zarządzanie zasobami klastra, optymalizację zapytań SQL (Oracle) oraz automatyzację wdrożeń przez CI/CD (GitLab CI, Jenkins, ArgoCD). Mimo tytułu zawierającego 'AI', w opisie brak elementów związanych z uczeniem maszynowym lub sztuczną inteligencją.
- ✓Pełna zdalność – duża elastyczność geograficzna
- ✓Nowoczesny stack technologiczny: Airflow, Kubernetes, CI/CD, IaC
- ✓Brak wymogu lat doświadczenia – szansa dla juniorów
- −Lista wymagań jest obszerna jak na poziom juniora – może sugerować, że oczekiwania są wyższe niż deklarowany poziom
- −Brak informacji o procesie rekrutacyjnym, zespole i wielkości firmy
- !Tytuł 'AI Data Platform Engineer' sugeruje elementy AI, których nie ma w obowiązkach – może to być chwyt marketingowy
- !Brak widełek wynagrodzenia (choć dane strukturalne podają 'other' jako typ kontraktu, co może oznaczać B2B)
- !Brak opisu modelu pracy poza 'full-time, remote'
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i rozwijanie DAG-ów w Apache Airflow z użyciem TaskFlow API i XComs
- •Zarządzanie zadaniami, zależnościami i harmonogramami w Airflow
- •Automatyzacja wdrażania DAG-ów i kodu ETL na OpenShift za pomocą GitLab CI, Jenkins lub ArgoCD
- •Zarządzanie zasobami Kubernetes/OpenShift (Pods, Deployments, ConfigMaps, Secrets)
- •Pisanie i optymalizacja zapytań SQL (PL/SQL, T-SQL) w środowisku Oracle
- •Implementacja rozwiązań Infrastructure as Code (IaC)
- •Współpraca z zespołami analitycznymi i inżynieryjnymi przy projektowaniu pipeline'ów danych
Oferta odpowiednia dla osób na początku kariery w IT.
Osoba po bootcampie lub stażu, która potrafi napisać prosty DAG w Airflow i podstawowe zapytania SQL, zna Pythona i ma ogólne pojęcie o Kubernetes. Wymagana jest gotowość do intensywnej nauki OpenShift i CI/CD.
Seniorzy z bogatym doświadczeniem w architekturze danych lub ci, którzy szukają roli stricte AI/ML. Osoby bez znajomości SQL i Pythona nie powinny aplikować, ponieważ są to twarde wymagania.
- ?Ile osób liczy zespół data engineering i czy przewidziane jest mentorowanie juniorów?
- ?Czy w najbliższym czasie planowane są projekty związane z AI/ML, które uzasadniają tytuł?
- ?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
- ?Czy istnieje system dyżurów on-call?
- ?Jaka jest skala danych (ilość, częstotliwość pipeline'ów)?
- ?Czy używacie konkretnego narzędzia IaC (np. Terraform, Ansible)?
- ?Jaki jest zakres odpowiedzialności za istniejące pipeline'y – czy to rola greenfield, czy utrzymanie?
- ?Czy oferujecie budżet szkoleniowy lub certyfikaty (np. Kubernetes, Airflow)?
- −Nie podano wielkości zespołu
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo, czy praca dotyczy jednego projektu, czy rotacji
- −Brak informacji o dyżurach on-call