Data Engineer SR

Dock

Barueri

Remote

BRL 180,000 - 240,000

Full time

3 days ago

Be an early applicant

A complete application in a minute

Tailored resume and cover letter, ready to send.

Get past ATS filters

Benefits offered by this job

Auxílio alimentação e refeição

Plano de saúde e odontológico

Hospital digital

Suporte psicológico para psicoterapia

Ergonomia e bem-estar

Wellhub e TotalPass

Auxílio remoto mensal

Previdência privada após 6 meses

Licença parental estendida

Auxílio creche

Auxílio para filhos especiais

Plataforma de idiomas

Coworking no Brasil inteiro

Job summary

A Dock está buscando um(a) Engenheiro(a) de Dados Sênior para compor o time de Plataforma de Dados. Você trabalhará na construção de pipelines que transformam o data lake em datasets confiáveis e versionados, essenciais para o treinamento, avaliação e serving de modelos de fundação.

O profissional atuará em projetos com Spark/PySpark, Delta Lake, SQL avançado e Python em produção, assegurando a qualidade, privacidade e performance necessárias, com logs detalhados para auditoria e reuso de dados.

Qualifications

Mais de 5 anos de sólida experiência em Engenharia de Dados ou ML.
Domínio de Spark/PySpark, Delta Lake e SQL avançado, com vivência no ecossistema Databricks.
Proficiência em Python para produção, incluindo testes e CI.
Experiência com dados transacionais sensíveis e entendimento prático sobre vazamento temporal e snapshots.
Versionar datasets junto com o código, perguntar se esse dado existia na hora da decisão e escrever contratos de dados antes do pipeline.

Responsibilities

Implementar pipelines de dados confiáveis e escaláveis a partir do Databricks (Unity Catalog, Delta).
Construir tabelas as-of/point-in-time e snapshots para evitar perda de histórico para o treino de modelos.
Tokenizar e empacotar dados de sequência e estruturar dataloaders eficientes para GPU.
Monitorar qualidade dos dados: esquemas, drift, nulos, duplicidade e identidade das entidades.
Aplicar LGPD: controle de acesso, trilhas de auditoria e privacidade na prática.
Construir serving de features com logs de chamadas para reconstruir decisões do modelo.

Skills

Spark

PySpark

Delta Lake

SQL Avançado

Python (produção)

Databricks

Tools

Databricks

Terraform

MLflow

Ray

PyTorch DataLoader

Job description

Quem é a Dock?

Há mais de 20 anos, cumprimos a missão de democratizar o acesso a serviços financeiros, tornando experiências financeiras mais simples e acessíveis. Somos um time de pessoas obstinadas, que acreditam na tecnologia e nos serviços como os principais facilitadores para a evolução de nossos clientes e a transformação do papel das finanças. Atuando em 11 localidades pela América Latina, trabalhamos sob o propósito de desmaterializar o universo financeiro para impulsionar a sociedade.

Quem é a Dock?

Como é o nosso time de Plataforma de Dados?

Você fará parte de um time focado na construção de pipelines que transformam o nosso data lake em datasets de eventos confiáveis, versionados e sem vazamento temporal. Nossa missão é garantir a fundação de dados para o treinamento, avaliação e serving de modelos de fundação. Sem dado correto no tempo correto, nenhum modelo vale algo, e você será a pessoa responsável por garantir isso.

E o dia a dia, como será?

Buscamos por talentos inigualáveis para nos ajudar a espalhar o poder financeiro! Nesta função, você irá:

Implementar Extração Reprodutível: Construir pipelines a partir do Databricks (Unity Catalog, Delta), aplicando contratos de dados, particionamento e amostragem determinística.
Construir Históricos Confiáveis: Desenvolver tabelas as-of / point-in-time e snapshots, tratando os dados que só guardam o último valor como risco direto para o treinamento de modelos.
Trabalhar com Sequências em Escala: Tokenizar e empacotar dados de sequência (Parquet por faixa de tamanho, batching dinâmico) e estruturar dataloaders eficientes para processamento em GPU.
Garantir a Qualidade e Monitoramento: Vigiar a saúde dos dados de sequência (esquemas, drift, nulos, duplicidade e identidade das entidades).
Aplicar Privacidade na Prática: Estruturar pseudonimização, controle de acesso e trilhas de auditoria, alinhados rigorosamente à LGPD e aos requisitos de segurança de pagamentos.
Construir Serving de Features: Estruturar a camada de inferência (serving) de features e embeddings com baixa latência, mantendo logs de chamadas para reconstruir exatamente o que o modelo avaliou em cada decisão.

O que esperamos de você?

5+ anos de sólida experiência em Engenharia de Dados ou de Machine Learning.
Domínio de Spark/PySpark, Delta Lake e SQL avançado, com vivência prévia no ecossistema Databricks.
Proficiência em Python para produção, incluindo testes e CI voltados a pipelines de dados.
Experiência consolidada lidando com dados transacionais sensíveis e entendimento prático aprofundado sobre vazamento temporal (data leakage) e snapshots.
Postura rigorosa e questionadora: versionar o dataset junto com o código, escrever contratos de dados antes do pipeline e, principalmente, perguntar primeiro se "esse dado existia na hora da decisão?".

É desejável que você tenha:

Conhecimento em MLflow, Feature Store, Ray e fluxos de dados em streaming.
Vivência prática com PyTorch DataLoader ou processos de leitura em streaming voltados para treinamento de modelos.
Experiência nos domínios de pagamentos, transações Pix, cartões de crédito ou adquirência.
Noções de infraestrutura como código (Terraform) e modelagem voltada a serving de baixa latência.

E quais são os benefícios?