Senior Cloud Data Engineer (AWS and Databricks)

Do naszej linii biznesowej Data Solutions poszukujemy osoby na stanowisko Senior Cloud Data Engineer ze znajomością AWS.

Szukamy Ciebie, jeśli:

• masz min. 5 lat doświadczenia w IT, w tym min. 3,5 roku w pracy z danymi w chmurze AWS (potwierdzone projektami komercyjnymi wdrożonymi na produkcje),
• masz komercyjne doświadczenie w przetwarzaniu sporych danych przy użyciu Databricks,
• masz komercyjne doświadczenie w przetwarzaniu sporych danych przy użyciu JSON,
• jesteś biegły w korzystaniu z biblioteki Pandas,
• korzystasz z SQL na poziomie zaawansowanym i wykorzystujesz go na rozwiązaniach technologicznych MS i nie tylko,
• znasz metodyki i stosujesz biegle Git oraz CI/CD,
• tworzysz i optymalizujesz rozwiązania przetwarzające dane (ETL, ELT, itp.) poprzedzone projektem technicznym oraz alternatywami rozwiązań,
• potrafisz programować w Python,
• jesteś zaznajomiony z technologiami AWS, tj. Glue, Athena, DynamoBD,
• masz doświadczenie z praktykami zwinnymi oraz znasz narzędzia wykorzystywane w procesie wytwarzania oprogramowania, w tym np. Azure DevOps,
• masz wiedzę na temat stosowania mechanizmów związanych z bezpiecznym przechowywaniem i przetwarzaniem danych w chmurze,
• orientujesz się w migracji rozwiązań on-premise do chmury oraz znasz podstawowe typy migracji,
• masz wiedzę na temat stosowania mechanizmów związanych z bezpiecznym przechowywaniem i przetwarzaniem danych w chmurze,
• posługujesz się j. angielskim na poziomie średniozaawansowanym (min. B2).

Praca na tym stanowisku w naszej firmie oznacza:

• odpowiedzialność za całość rozwiązań współtworzonych wraz z zespołem,
• tworzenie lub modyfikowanie rozwiązań do przetwarzania danych w chmurze,
• tworzenie i modyfikowanie dokumentacji,
• analizowanie i optymalizowanie rozwiązań w zakresie działającego lub projektowanego systemu,
• analizowanie wymagań klienta pod kątem dostarczenia optymalnego rozwiązania jego potrzeby biznesowej,
• analizowanie potencjalnych zagrożeń,
• dostosowywanie rozwiązań względem wymagań biznesowych,
• analizę potrzeb i danych źródłowych (analiza, jak dane z CRM mogą być wykorzystywane do interakcji z klientami),
• rozwój nowych wtyczek (tworzenie nowych wtyczek lub rozszerzeń, które optymalizują ocenę i priorytetowanie w ramach systemu CRM),
• testowanie nowych wtyczek,
• rozwój modeli sztucznej inteligencji oraz uczenia maszynowego oraz ich integrację.