Data engineer AI/ML
BCF Software Sp. z o.o.
Rola skupia się na budowie i utrzymaniu potoków danych w chmurze Azure dla domeny finansowej i ryzyka. Mimo tytułu z AI/ML, nie ma zadań związanych z uczeniem maszynowym – to klasyczna inżynieria danych z Databricks, Airflow i PySpark. Będziesz pracować w modelu hybrydowym (20% w biurze) w zespole zajmującym się nowoczesną platformą danych.
Brakuje: nie podano wielkości zespołu., brak informacji o dyżurach on-call i godzinach pracy..
Wbrew tytułowi, rola to klasyczny Data Engineer – brak zadań związanych z AI/ML. Praca polega na budowie i utrzymaniu potoków danych w Azure/Databricks dla finansów, bez modelowania ML.
Rola skupia się na budowie i utrzymaniu potoków danych w chmurze Azure dla domeny finansowej i ryzyka. Mimo tytułu z AI/ML, nie ma zadań związanych z uczeniem maszynowym – to klasyczna inżynieria danych z Databricks, Airflow i PySpark. Będziesz pracować w modelu hybrydowym (20% w biurze) w zespole zajmującym się nowoczesną platformą danych.
- ✓Realny wpływ na architekturę platformy danych w dużej skali.
- ✓Nowoczesny stack technologiczny (Databricks Lakehouse, Airflow, Azure).
- ✓Praca w doświadczonym, zgranym zespole inżynierów.
- ✓Elastyczna hybryda z dominującą pracą zdalną (80%).
- −Tytuł 'AI/ML Data Engineer' jest mylący – w ogłoszeniu brak zadań związanych z ML; to czysta inżynieria danych.
- −Wymaganie 8 lat doświadczenia przy poziomie 'regular' – może oznaczać niedopasowanie oczekiwań lub próbę zatrudnienia seniora na niższym poziomie.
- !Praca u klienta zewnętrznego (outsourcing), co może wpłynąć na stabilność i kulturę.
- !Krótki proces rekrutacji (2 etapy) – może sugerować pilną potrzebę, ale też szybkie decyzje.
- !Brak informacji o dyżurach on-call lub godzinach pracy.
- •Projektowanie i implementacja potoków danych w Pythonie, PySpark i SQL
- •Rozwój rozwiązań na platformie Databricks (Lakehouse, Lakeflow Jobs, Asset Bundles)
- •Tworzenie i zarządzanie workflowami w Apache Airflow
- •Implementacja CI/CD z użyciem Azure DevOps i Azure Pipelines
- •Praca z Gitem (feature branch, pull requests, code review)
- •Automatyzacja monitorowania zadań przetwarzania danych
- •Testowanie kodu (pytest, pre-commit hooks) i utrzymanie jakości danych
- •Praca w skonteneryzowanych środowiskach deweloperskich (Devcontainers)
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Data Engineer z 8-letnim stażem, silny w Python i Databricks, ale bez konieczności doświadczenia w finansach. Wymagana dobra znajomość Azure DevOps i Airflow.
Kandydaci z mniej niż 8 latami doświadczenia w data engineeringu lub szukający stricte roli AI/ML – ta pozycja nie obejmuje budowy modeli.
- ?Ile osób liczy zespół i jak wygląda podział obowiązków?
- ?Czy istnieje możliwość przejścia na własny produkt lub zmiany projektu?
- ?Jakie są konkretne zadania związane z AI/ML, skoro w opisie nie ma ich śladu?
- ?Czy wiąże się to z dyżurami on-call? Jeśli tak, jaka jest częstotliwość i rekompensata?
- ?Jaki jest konkretny harmonogram pracy hybrydowej – czy 20% biura to stały tydzień, czy elastyczne?
- ?Czy zespół korzysta z innych narzędzi poza wymienionymi (np. Terraform, Docker)?
- ?Jaki jest budżet na szkolenia i konferencje?
- −Nie podano wielkości zespołu.
- −Brak informacji o dyżurach on-call i godzinach pracy.
- −Nie wiadomo, czy istnieje możliwość pracy całkowicie zdalnej po okresie wdrożenia.
- −Brak opisu monitoringu i narzędzi do niego (np. Grafana, Datadog).
- −Nie określono, czy rola dotyczy konkretnego klienta czy projektu wewnętrznego.
Doświadczony, zgrany zespół inżynierów pracujący w metodykach zwinnych (Scrum, Kanban).
Screening (15 min) -> Rozmowa u klienta (60 min) -> Decyzja.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →