Senior Python Engineer (Data Engineering & AI Agents)
Intellias
Rola polega na budowie warstw danych (katalog, semantyka, linia, kontrola dostępu) dla dużego funduszu inwestycyjnego, które umożliwią bezpieczne i skalowalne użycie AI (agentów) w regulowanym środowisku finansowym. To praktyczna, inżynierska praca: pisanie Python services, zapytań SQL, pipeline'ów danych, integracja z silnikami analitycznymi (DuckDB, Trino, Spark) oraz budowa dostępu dla agentów AI (RAG, vector search). Nie jest to rola badawcza ML, ale inżynieria danych z silnym akcentem na LLM/agenty.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano modelu pracy (zdalny/hybrydowy/stacjonarny), brak opisu procesu rekrutacyjnego.
Rola polega na budowie warstw danych (katalog, semantyka, linia, kontrola dostępu) dla dużego funduszu inwestycyjnego, które umożliwią bezpieczne i skalowalne użycie AI (agentów) w regulowanym środowisku finansowym. To praktyczna, inżynierska praca: pisanie Python services, zapytań SQL, pipeline'ów danych, integracja z silnikami analitycznymi (DuckDB, Trino, Spark) oraz budowa dostępu dla agentów AI (RAG, vector search). Nie jest to rola badawcza ML, ale inżynieria danych z silnym akcentem na LLM/agenty.
- ✓Realny projekt w renomowanej firmie inwestycyjnej z użyciem nowoczesnych technologii (DuckDB, Trino, RAG, bazy wektorowe)
- ✓Nacisk na jakość danych i bezpieczeństwo – ambitne wyzwanie inżynieryjne
- ✓Rola hands-on, bez mikromanagementu (sugerowane przez 'pragmatic, costed plans')
- !Brak informacji o modelu pracy (zdalny/hybrydowy/stacjonarny) – wymaga dopytania
- !Firma outsourcingowa – możliwa praca u klienta z ograniczoną autonomią
- !Brak opisu wielkości zespołu i struktury projektu
- !Nie podano widełek wynagrodzenia ani konkretnych benefitów
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja wydajnych pipeline'ów danych w Pythonie na dużych zbiorach danych (kolumnowe, szeregi czasowe, relacyjne)
- •Tworzenie warstw katalogu, metadanych i linii danych, aby dane były odkrywalne i zrozumiałe
- •Implementacja kontroli dostępu opartej na RBAC/ABAC, uwzględniającej wrażliwość danych i licencje
- •Budowa interfejsów dla agentów AI: RAG, wyszukiwanie wektorowe, API/MCP z kontrolą uprawnień
- •Używanie LLM do pragmatycznych zadań danych (generowanie metadanych, klasyfikacja, rozwiązywanie encji) z nadzorem człowieka
- •Ustalanie źródeł golden source, deduplikacja i walidacja jakości danych
- •Wybór odpowiedniego silnika zapytań (DuckDB, Trino, Spark) dla konkretnego obciążenia
- •Udział w ocenie obecnego stanu i tworzeniu kosztorysowanych planów działań
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z 6 latami w Pythonie, solidnym data engineering (pipeline'y, SQL, Parquet) i przynajmniej jednym projektem RAG lub z agentami. Powinien mieć podstawową wiedzę o zarządzaniu danymi (katalog, metadane, kontrola dostępu) i być gotowy do pracy w regulowanym środowisku finansowym.
Nie dla juniorów ani mid-level bez solidnych 6 lat doświadczenia w Pythonie i data engineering. Również nie dla czystych backend developerów bez umiejętności data engineering ani dla data scientistów bez inżynieryjnego podejścia do pipeline'ów.
- ?Jaki jest model pracy – zdalny, hybrydowy, stacjonarny?
- ?Ile osób liczy zespół i jakie są role w projekcie?
- ?Czy praca odbywa się bezpośrednio u klienta, czy w Intellias?
- ?Jak wygląda proces rekrutacji – ile etapów, czy jest zadanie domowe?
- ?Czy są dyżury on-call?
- ?Jaki jest przewidywany czas trwania projektu?
- ?Jakie są możliwości rozwoju i szkoleń (np. budżet na konferencje)?
- −Nie podano modelu pracy (zdalny/hybrydowy/stacjonarny)
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo, czy praca odbywa się w siedzibie Intellias czy u klienta
- −Nie podano wielkości zespołu ani struktury projektu
- −Brak informacji o dyżurach on-call
Kultura Intellias stawia na ludzi przed procesami, komfortowe środowisko i różnorodność. Jednak konkretny zespół projektowy zależy od klienta – prawdopodobnie profesjonalne, regulowane środowisko finansowe.