Pracuj.pl Hybrydowo Mid

Data Engineer (AI)

Michael Page

⚲ Warszawa

18 000–22 000 zł brutto / mies.

Wymagania

  • min. 4 lata doświadczenia w Data Engineering
  • doświadczenie w budowie i utrzymaniu pipeline'ów danych w chmurze
  • znajomość modelowania danych, procesów ETL/ELT i frameworków jakości danych
  • doświadczenie z danymi ERP, najlepiej SAP
  • znajomość Data Governance, Data Lineage i zarządzania dostępem do danych
  • praca hybrydowa: 3 dni w tygodniu w biurze w Warszawie
  • biegły angielski

Mile widziane

  • ekspozycja na środowiska AI, Machine Learning lub zaawansowanej analityki

Opis stanowiska

Budowa i utrzymanie end-to-end pipeline'ów oraz produktów danych w organizacji z branży healthcare, z integracją danych z systemów ERP (w tym SAP) i wsparciem inicjatyw AI/analitycznych. Będziesz odpowiadać za kontrolę jakości danych, governance, lineage i kontrolę dostępu. Uwaga: opis mówi o 'exposure to AI/ML' — może to oznaczać realną pracę z tymi technologiami, ale też jedynie minimalny kontakt, więc warto dopytać na rozmowie, ile w tej roli faktycznie będzie AI. Praca hybrydowa: 3 dni w biurze w Warszawie.

🔍 Dekoder Ogłoszenia

🔴
Exposure to AI, Machine Learning, Data Science, or advanced analytics environments.
Może oznaczać zarówno faktyczną pracę z tymi technologiami, jak i jedynie obserwację lub minimalny kontakt z nimi.
🔴
Contribute to the development of cloud-based data platforms supporting AI and analytics initiatives.
Może oznaczać tworzenie od podstaw nowych platform, jak i jedynie wsparcie lub utrzymanie istniejących.
🔴
Support Data Scientists and AI Engineers by delivering high-quality, production-ready datasets.
Może oznaczać tworzenie gotowych do użycia, zoptymalizowanych zbiorów danych, lub po prostu przygotowanie danych do dalszej analizy.
🔴
Collaborate with business stakeholders and data owners to ensure data accuracy and consistency.
Może oznaczać aktywny udział w definiowaniu wymagań i rozwiązywaniu problemów, lub jedynie zbieranie informacji i potwierdzanie faktów.
🔴
Troubleshoot and resolve data quality issues across multiple data domains.
Może oznaczać rozwiązywanie złożonych problemów technicznych, lub bardziej rutynowe identyfikowanie i zgłaszanie błędów.