F/M: Data Engineer

Nasze wymagania: Masz senior-level experience w Pythonie Posiadasz doświadczenie przynajmniej w 2 z 4 technologii: PySpark, Scala, Java, SQL Pracowałeś/aś przy minimum 5 projektach z wykorzystaniem wskazanych technologii Masz minimum 400 person-days doświadczenia developerskiego w środowisku Azure Posiadasz minimum 300 person-days doświadczenia z Databricks lub podobnymi platformami (Fabric / Snowflake itp.) zdobyte w co najmniej 5 projektach Masz minimum 200 person-days doświadczenia w przetwarzaniu danych z wykorzystaniem Medallion Architecture zdobyte w minimum 3 projektach Twoje doświadczenie zostało zdobyte od 2021 roku onwards Swobodnie komunikujesz się w języku angielskim lub fińskim Mile widziane: Doświadczenie w projektach enterprise / large-scale Doświadczenie w nowoczesnych architekturach data platform Umiejętność pracy w środowiskach Agile O projekcie: Dołącz do dużego projektu rozwojowego realizowanego w nowoczesnym środowisku chmurowym Azure. Poszukujemy doświadczonego Data Engineera, który wesprze budowę oraz rozwój zaawansowanych rozwiązań do przetwarzania danych z wykorzystaniem Databricks oraz architektury Medallion. Forma współpracy: B2B (JDG), długoterminowy kontrakt Tryb pracy: zdalna Języki: angielski (C1) 🔐 Dla tego stanowiska może być wymagane uzyskanie poświadczenia bezpieczeństwa. Zakres obowiązków: Rozwój i utrzymanie rozwiązań data processing w środowisku Azure Tworzenie oraz rozwijanie pipeline’ów danych w oparciu o Medallion Architecture (Bronze / Silver / Gold) Implementacja oraz optymalizacja procesów ETL/ELT Praca z dużymi zbiorami danych przy wykorzystaniu Databricks oraz technologii pokrewnych Współpraca z zespołami developerskimi i biznesowymi przy analizie wymagań Dbanie o jakość kodu, wydajność oraz skalowalność rozwiązań Tworzenie dokumentacji technicznej i udział w code review Oferujemy: Udział w dużym, międzynarodowym projekcie rozwojowym Pracę w nowoczesnym środowisku chmurowym Azure Współpracę z doświadczonym zespołem specjalistów Data & Cloud Możliwość długofalowej współpracy Pracę w modelu zdalnym (w zależności od projektu)