Data Engineer
Publicis Groupe
Rola Data Engineer w dużej grupie marketingowej. Odpowiadasz za budowę end-to-end pipeline'ów danych z różnych źródeł (API Meta, raporty, systemy zewnętrzne) do chmury (GCP, Microsoft Fabric), ich strukturyzację i transformację na potrzeby analiz i ML. Dodatkowo wspierasz lifecycle modeli ML (deployment, monitoring, MLOps) oraz integrację LLM/RAG. Kluczowa jest umiejętność łączenia klasycznej inżynierii danych z nowymi trendami AI.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano widełek wynagrodzenia, nie określono narzędzi orkiestracji (np. airflow, prefect, cloud composer).
Rola Data Engineer w dużej grupie marketingowej. Odpowiadasz za budowę end-to-end pipeline'ów danych z różnych źródeł (API Meta, raporty, systemy zewnętrzne) do chmury (GCP, Microsoft Fabric), ich strukturyzację i transformację na potrzeby analiz i ML. Dodatkowo wspierasz lifecycle modeli ML (deployment, monitoring, MLOps) oraz integrację LLM/RAG. Kluczowa jest umiejętność łączenia klasycznej inżynierii danych z nowymi trendami AI.
- ✓Elastyczne godziny rozpoczęcia pracy i skrócone piątki
- ✓Pet friendly office
- ✓Wewnętrzne programy rozwojowe i e-learning (LinkedIn, Udemy)
- −Brak widełek wynagrodzenia – w ogłoszeniu nie podano zakresu salary
- !Zakres obowiązków obejmuje zarówno klasyczne ETL, jak i MLOps/LLM – może to świadczyć o rozmytej roli
- !Wymagane minimum 2 lata, ale oczekiwana samodzielność – dla niektórych może to być niskie
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja procesów pobierania danych z API (np. Meta, REST) za pomocą Pythona
- •Ładowanie, walidacja i przetwarzanie danych w BigQuery i Fabric Lakehouse
- •Tworzenie i utrzymanie konektorów do różnych źródeł danych
- •Transformacja i strukturyzacja danych pod kątem analiz biznesowych i projektów ML
- •Wdrażanie modeli ML do produkcji, monitorowanie ich działania i wersjonowanie
- •Współpraca z analitykami przy definiowaniu wymagań i testowaniu rozwiązań
- •Wsparcie przy integracji rozwiązań opartych na LLM i RAG z istniejącymi systemami
- •Utrzymanie dokumentacji technicznej i standardów kodowania
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Analityk danych lub początkujący Data Engineer z co najmniej 2-letnim doświadczeniem, który potrafi pisać skrypty Python do API, zna podstawy BigQuery i ma ogólne pojęcie o chmurze GCP. Gotów do nauki MLOps i LLM.
Junior z mniej niż 2 latami doświadczenia, osoba szukająca pracy w pełni zdalnej (wymagane 8 dni w biurze miesięcznie) lub ktoś, kto nie chce mieć obowiązków związanych z ML i AI.
- ?Ile osób liczy zespół data engineering, w którym będę pracować?
- ?Jakie konkretnie narzędzia do orkiestracji danych są używane (np. Airflow, Cloud Composer)?
- ?Czy na co dzień będę pracować głównie z GCP, czy Microsoft Fabric jest równie ważny?
- ?Jak wygląda proces wdrażania modeli ML – czy jest oddzielny zespół MLOps, czy to ja odpowiadam za całość?
- ?Czy istnieje możliwość udziału w konferencjach lub dodatkowych szkoleniach z AI/ML?
- ?Jakie są typowe godziny dyżurów lub wsparcia dla systemów produkcyjnych?
- ?Czy zespół ma już rozwinięte praktyki CI/CD i GitOps, czy to jeszcze do zbudowania?
- ?Jaki jest budżet na rozwój – czy mogę liczyć na dofinansowanie certyfikatów?
- −Nie podano widełek wynagrodzenia
- −Nie określono narzędzi orkiestracji (np. Airflow, Prefect, Cloud Composer)
- −Brak informacji o wielkości zespołu i liczbie projektów realizowanych równolegle
- −Nie wiadomo, jak często występują dyżury on-call lub wsparcie produkcyjne
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe itp.)
Według ogłoszenia panuje atmosfera otwartości i wzajemnego wsparcia – 98% talentów potwierdza, że mogą liczyć na pomoc zespołu. Firma promuje kulturę ciekawości i rozwój.