Data Engineer Ssr

Universia Argentina; Córdoba; Presencial; ARS 105.694.000 - 166.090.000; Jornada completa

Descripción de la vacante

Universia Argentina busca diseñar y mantener pipelines e infraestructura de datos en AWS para garantizar disponibilidad y calidad de la información que alimenta BI, Data Science e IA. Se trabajará con S3, Glue, Lambda, Step Functions y SageMaker para entregar flujos robustos.

El rol implica colaborar en la preparación de datasets para entrenamiento y despliegue de modelos, optimizar rendimiento y costos, y asegurar buenas prácticas de seguridad y documentación técnica.

Formación

• Diseñar y mantener pipelines de datos en AWS.
• Experiencia en ETL/ELT y procesamiento batch/streaming.
• Colaborar con Data Science para preparar datasets.
• Seguridad, calidad de datos y documentación técnica.

Responsabilidades

• Diseñar y mantener pipelines de datos batch/streaming en Python, SQL, Spark y herramientas de AWS.
• Ingestar, limpiar, transformar y cargar datos desde múltiples fuentes.
• Soportar a ML preparando datasets para entrenamiento y despliegue.
• Optimizar rendimiento, costos y seguir estándares de desarrollo y seguridad.
• Identificar incidencias y coordinar integraciones con otros equipos.

Conocimientos

Python

SQL

Spark

AWS

ETL/ELT

Data pipelines

Data quality

Herramientas

AWS S3

AWS Glue

AWS Lambda

Step Functions

SageMaker

Descripción del empleo

Objetivo del rol
Diseñar, construir y mantener pipelines e infraestructura de datos en AWS, asegurando la disponibilidad, calidad y flujo confiable de la información para dar soporte a los equipos de BI, Data Science e Inteligencia Artificial.

Objetivo del rol
Diseñar, construir y mantener pipelines e infraestructura de datos en AWS, asegurando la disponibilidad, calidad y flujo confiable de la información para dar soporte a los equipos de BI, Data Science e Inteligencia Artificial.
Responsabilidades principales

• Pipelines de datos: Diseñar y mantener flujos batch/streaming con Python, SQL, Spark y herramientas de AWS (S3, Glue, Lambda, Step Functions, SageMaker).
• Procesos ETL/ELT: Ingestar, limpiar, transformar y cargar datos desde múltiples fuentes.
• Soporte a ML: Colaborar con Data Science en la preparación de datasets para el entrenamiento y despliegue de modelos.
• Optimización y estándares: Maximizar el rendimiento, escalabilidad y costos de los pipelines bajo buenas prácticas de desarrollo, seguridad y documentación técnica.
• Sostenibilidad del servicio: Identificar y resolver incidencias técnicas, y coordinar con otros equipos para facilitar integraciones.