Informacje o stanowisku

Forma pracy: długoterminowo, fulltime, 100% zdalnie

⏰ Start: 21/07/2025

Cześć!

W imieniu naszego klienta z USA poszukujemy doświadczonych Data Engineerów ze znajomością Machine Learningu. Firma wspiera organizacje w transformacji chmurowej, realizując projekty w różnych branżach i obszarach – od migracji danych, przez ich integrację, aż po optymalizację istniejących rozwiązań. Obecnie tworzymy zespół, który będzie przeprowadzał migrację z modelu ML AWS SageMaker do Databricks oraz budował i optymalizował modele chmurowe. 

Projekt prowadzony dla firmy z USA, ale wymagana jest praca jedynie z niewielką zakładką godzinową (np. od 10:00 do 18:00), więc chętnie dogadamy się jeśli chodzi o godziny pracy. Zależy im na długofalowej współpracy, dlatego osoby zaangażowane w jeden projekt płynnie przechodzą do kolejnych inicjatyw w ramach tego samego środowiska. Projekty różnią się długością, ale zapotrzebowanie na kompetencje specjalistów pozostaje stałe.

Codzienne zadania:

Migracja komponentów ML z AWS SageMaker (training jobs, endpointy) do Databricks

Wdrażanie modeli do środowiska produkcyjnego, monitoring metryk i retraining

Współpraca z zespołem data/platform nad integracją modeli z istniejącą architekturą danych

Przygotowanie planu implementacji do uruchomienia na żywo

Automatyzacja i optymalizacja procesów ETL

Wymagania:

⚡ 7 lat doświadczenia w roli Data Engineera

⚡ Bardzo dobra znajomość platformy Databricks oraz frameworku Apache Spark (w szczególności PySpark)

⚡ Doświadczenie w migracjach rozwiązań ML (np. z SageMaker do Databricks) i przenoszeniu pipeline’ów do środowiska chmurowego

⚡ Praktyczne doświadczenie z usługami AWS, szczególnie S3, EC2, SageMaker

⚡ Udział w projektach opartych na uczeniu maszynowym lub AI, także w środowiskach produkcyjnych

⚡ Bardzo dobra znajomość Pythona

⚡ Doświadczenie z platformami chmurowymi takimi jak AWS lub Azure

⚡ Angielski na poziomie umożliwiającym swobodną komunikację w zespole

Mile widziane:

⚡ Znajomość usług chmurowych Microsoft Azure (np. Data Factory, Synapse, Logic Apps)

⚡ Doświadczenie z MLflow, Feature Store, Delta Lake, CI/CD modeli, monitorowaniem driftu

⚡ Praktyka w pracy z bazami big data lub NoSQL (np. Redshift, EMR, Hadoop, Google BigQuery)

⚡ Ogólne zrozumienie narzędzi do zarządzania pipeline’ami danych (DBT, Airflow, SSIS, etc.) – jako uzupełnienie do współpracy z zespołem Data Engineeringowym

Kraków - Oferty pracy w okolicznych lokalizacjach