Pomiń do treści
Logo firmy Square One Resources

Data Engineer (AWS / PostgreSQL / AWS / LLMs)

Square One Resources

Oferta w skrócie
16 80020 160PLN / mies.
🏠ZdalnieTryb pracy
📄B2BKontrakt
⏱️Mid · 3+ latDoświadczenie
LokalizacjaWarszawa
Aktywna
Opublikowano21 maja 2026
Ostatnio sprawdzono21 maja 2026
Wygasa za25 dni
Werdykt JobHunt

Rola polega na projektowaniu, budowaniu i utrzymaniu skalowalnych pipeline'ów danych na AWS z użyciem Pythona i PostgreSQL. Praca jest realizowana w modelu 100% zdalnym, na kontrakcie B2B trwającym zaledwie 4 miesiące (z możliwością przedłużenia), z planowanym startem w połowie 2026 roku. To raczej krótkoterminowe zadanie projektowe niż stałe zatrudnienie. Dodatkowym wymaganiem jest umiejętność korzystania z agentów AI opartych na LLM w celu poprawy produktywności, co może wskazywać na eksperymentalne podejście.

Brakuje: nie podano nazwy klienta ani konkretnego projektu., brak informacji o wielkości zespołu data..

AI Insights
Czym naprawdę jest ta rola?Data Engineer

Rola polega na projektowaniu, budowaniu i utrzymaniu skalowalnych pipeline'ów danych na AWS z użyciem Pythona i PostgreSQL. Praca jest realizowana w modelu 100% zdalnym, na kontrakcie B2B trwającym zaledwie 4 miesiące (z możliwością przedłużenia), z planowanym startem w połowie 2026 roku. To raczej krótkoterminowe zadanie projektowe niż stałe zatrudnienie. Dodatkowym wymaganiem jest umiejętność korzystania z agentów AI opartych na LLM w celu poprawy produktywności, co może wskazywać na eksperymentalne podejście.

Plusy
  • 100% zdalnie
  • Stawka B2B konkurencyjna (100-120 PLN netto/h)
  • Nowoczesny stack: AWS, Spark, Kafka, PostgreSQL
  • Możliwość pracy z najnowszymi technologiami (LLM, data lakehouse)
Na co uważać
  • Data startu bardzo odległa (01.06.2026) – oferta może być przedwczesna lub niepewna.
  • Bardzo rozbudowana lista 'must have' obejmująca wiele technologii – ryzyko nierealistycznych oczekiwań.
  • Brak nazwy klienta ani kontekstu projektu (prawdopodobnie praca u klienta przez agencję).
  • Brak informacji o procesie rekrutacyjnym.
  • !Wymóg umiejętności korzystania z agentów LLM – może być buzzwordem lub próbą automatyzacji zastępującej codzienną pracę.
  • !Nie podano wielkości zespołu ani modelu współpracy (czy jest team, czy praca solo).
  • !Standardowe benefity (sport, opieka zdrowotna) bez innych wyróżników.
Codzienna praca
  • Projektowanie i implementacja skalowalnych pipeline'ów ETL/ELT na AWS (S3, Glue, Athena).
  • Optymalizacja zapytań i schematów PostgreSQL dla wydajności analitycznej.
  • Tworzenie i utrzymanie workflow'ów w Pythonie do orkiestracji i walidacji danych (AWS Step Functions, Prefect, Dagster).
  • Monitorowanie jakości danych i implementacja mechanizmów observability.
  • Współpraca z analitykami i interesariuszami biznesowymi nad wymaganiami danych.
  • Debugowanie i root cause analysis awarii pipeline'ów.
  • Używanie LLM-based AI agents do automatyzacji zadań inżynieryjnych.
Więcej o ofercie
Dla kogo jest ta oferta
Profil idealny

Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).

Minimum sensowne

Inżynier danych z co najmniej 3-letnim doświadczeniem komercyjnym, który potrafi samodzielnie projektować i wdrażać pipeline'y ETL/ELT na AWS z użyciem Pythona i PostgreSQL, zna podstawy Sparka i ma świadomość narzędzi streamingowych.

Raczej nie dla

Osoby szukające stabilnego, długoterminowego zatrudnienia (kontrakt tylko 4 miesiące) oraz juniorzy bez 3 lat doświadczenia komercyjnego.

Ocena dopasowania
Junior1/5
Mid4/5
Senior3/5
Hands-on5/5
Architekt2/5
Remote5/5
Enterprise3/5
Pytania do rekrutera
  • ?U kogo będę pracować – czy to projekt wewnętrzny, czy dla klienta zewnętrznego?
  • ?Ile osób liczy zespół data engineering i jakie są role w projekcie?
  • ?Czy wymóg znajomości LLM/AI jest kluczowy, czy tylko miły dodatkowo?
  • ?Czy są przewidziane dyżury on-call lub praca w weekendy?
  • ?Jaki jest proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
  • ?Czy projekt jest greenfield, czy praca z istniejącą infrastrukturą?
Brakujące informacje
  • Nie podano nazwy klienta ani konkretnego projektu.
  • Brak informacji o wielkości zespołu data.
  • Brak opisu procesu rekrutacyjnego.
  • Nie wiadomo, czy wymagany jest on-call lub praca w niestandardowych godzinach.
  • Brak informacji o budżecie szkoleniowym lub dodatkowych benefitach.
🔗Podobne oferty