AI Data Engineer
Sigma Software
Jest to rola Data Engineera, który oprócz budowy skalowalnych pipeline'ów danych (Spark, Databricks, Azure) ma pełnić funkcję agenta zmian w adopcji narzędzi AI (Copilot, Cursor, Claude Code) w zespole. Codzienna praca to mieszanka klasycznego data engineeringu z eksperymentowaniem i wdrażaniem AI-assisted development. Nie jest to rola badawcza ani MLOps; chodzi o praktyczne wykorzystanie AI do zwiększenia produktywności i optymalizacji procesów inżynieryjnych.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe itp.)., nie wiadomo, jaka jest wielkość zespołu ani struktura projektowa..
Jest to rola Data Engineera, który oprócz budowy skalowalnych pipeline'ów danych (Spark, Databricks, Azure) ma pełnić funkcję agenta zmian w adopcji narzędzi AI (Copilot, Cursor, Claude Code) w zespole. Codzienna praca to mieszanka klasycznego data engineeringu z eksperymentowaniem i wdrażaniem AI-assisted development. Nie jest to rola badawcza ani MLOps; chodzi o praktyczne wykorzystanie AI do zwiększenia produktywności i optymalizacji procesów inżynieryjnych.
- ✓Silne wsparcie ze strony kierownictwa i realna przestrzeń do eksperymentów.
- ✓Możliwość wpływania na praktyki inżynieryjne w całym zespole.
- ✓Społeczność lub guild AI, gdzie można dzielić się wiedzą.
- !Brak informacji o wielkości zespołu i strukturze projektowej.
- !Nie określono, czy rola dotyczy jednego konkretnego klienta, czy rotacyjnie.
- !Brak opisu procesu rekrutacyjnego.
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Budowa i utrzymanie skalowalnych pipeline'ów danych z użyciem Spark, Databricks i Azure (ADF, Synapse, ADLS).
- •Projektowanie modeli danych dla analityki, ML i aplikacji AI.
- •Wdrażanie narzędzi AI (Copilot, Cursor, Claude Code) w codziennej pracy zespołu.
- •Prototypowanie i skalowanie rozwiązań AI-assisted development.
- •Współpraca z zespołami Product, Data Science, ML/AI i DevOps przy pipeline'ach ML i LLM.
- •Zapewnianie jakości danych, obserwowalności i niezawodności.
- •Eksperymentowanie z agentowymi workflowami i dzielenie się wiedzą w społeczności AI.
- •Ustalanie najlepszych praktyk dla AI-augmented workflows.
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Data Engineer z 3 latami komercyjnego doświadczenia, znający SQL i Python, mający podstawowe doświadczenie z Spark i Azure, oraz używający AI coding tools przynajmniej w jednym projekcie. Może nie mieć jeszcze zaawansowanej wiedzy o Databricks czy frameworkach AI.
Osoby z mniej niż 3 latami doświadczenia w data engineering (poziom junior) lub takie, które preferują wyłącznie klasyczny data engineering bez zaangażowania w adopcję AI. Rola wymaga proaktywności i gotowości do eksperymentów.
- ?Ile osób liczy zespół data engineering, do którego dołączę?
- ?Jaki jest obecny poziom adopcji narzędzi AI w zespole? Czy to nowa inicjatywa, czy już zaawansowana?
- ?Jak mierzony jest sukces w tej roli – czy są konkretne KPI związane z produktywnością AI?
- ?Czy są przewidziane dyżury on-call? Jeśli tak, jaka jest ich częstotliwość?
- ?Czy praca dotyczy jednego klienta/projektu, czy mogę być przenoszony między projektami?
- ?Jakie są plany dotyczące budżetu na narzędzia AI (licencje, szkolenia)?
- ?Czy oferujecie dofinansowanie do konferencji lub kursów?
- ?Czy istnieje możliwość publikacji wyników eksperymentów AI (np. blog tech)?
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe itp.).
- −Nie wiadomo, jaka jest wielkość zespołu ani struktura projektowa.
- −Brak informacji o on-call lub dyżurach produkcyjnych.
Zespół stawia na innowacje i eksperymenty – jest silne wsparcie kierownictwa dla adopcji AI, a kultura opiera się na dzieleniu się wiedzą poprzez społeczność AI. Oczekuje się proaktywności i gotowości do zmian.