Data Engineer

Scalo; Województwo mazowieckie; Hybrid; PLN 159,000 - 227,000; Full time

Benefits offered by this job

Opieka medyczna

Karta sportowa

Platforma kafeteryjna

Job summary

Scalo poszukuje specjalisty ds. inżynierii danych do hybrydowej współpracy w Warszawie. Zakres obejmuje budowę pipeline’ów danych, projektowanie przepływów ETL, przetwarzanie dokumentów, OCR/ASR oraz integrację z wektorowymi bazami danych i usługami REST API.

Wymagana jest 3–5 lat doświadczenia, solidna znajomość Pythona lub Rust, a także umiejętność pracy w architekturze event-driven i z systemami Linux. Mile widziane Docker, Kubernetes i GCP.

Qualifications

• Doświadczenie w inżynierii danych, budowaniu pipeline’ów i usług przetwarzających dane (min. 3–5 lat).
• Dobra znajomość Pythona lub Rust-a.
• Praktyczna znajomość wektorowych baz danych, w szczególności Qdrant.
• Znajomość embeddingów, wyszukiwania semantycznego, indeksowania i filtrowania danych po metadanych.
• Doświadczenie w projektowaniu lub rozwijaniu integracji opartych na REST API.
• Znajomość architektury sterowanej zdarzeniami (np. Kafka, Pub/Sub).
• Dobra znajomość Linux.
• Znajomość relacyjnych baz danych, np. PostgreSQL.
• Umiejętność projektowania i rozwijania procesów przetwarzania danych.
• Samodzielność w analizie problemów technicznych i proponowaniu rozwiązań.

Responsibilities

• Budowa i rozwój pipeline’ów danych niestrukturalnych.
• Projektowanie i implementacja przepływów ETL zasilających Repozytorium Danych Niestrukturalnych i rozwiązania dla agentów AI.
• Tworzenie procesów przetwarzania danych z dokumentów, obrazów i plików audio.
• Implementacja mechanizmów ekstrakcji treści, OCR, ASR oraz konwersji dokumentów.
• Rozwój rozwiązań z embeddingami, wyszukiwaniem semantycznym, indeksowaniem i filtrowaniem po metadanych.
• Integracja pipeline’ów z wektorowymi bazami danych (Qdrant).
• Projektowanie i rozwój usług przetwarzających dane w Pythonie lub Rustcie.
• Tworzenie i integracja usług udostępniających funkcjonalności poprzez REST API.
• Rozwój architektury zdarzeniowej i integracji z Kafka lub Pub/Sub.
• Współpraca z zespołami Data Engineering i AI; orientacja na wydajność i niezawodność.

Skills

Inżynieria danych

Python

Rust

Wektorowe bazy danych

Qdrant

REST API

Architektura zdarzeniowa

Linux

PostgreSQL

Docker

Kubernetes

GCP

Tools

Docker

Kubernetes

CI/CD

BigQuery

Dataflow

Dataproc

Pub/Sub

Neo4j

FastAPI

Job description

Cześć! Poznaj możliwości współpracy ze Scalo!

Zakres współpracy obejmuje:

• budowa i rozwój pipeline’ów danych niestrukturalnych w ramach projektu realizowanego dla obszaru sztucznej inteligencji,
• projektowanie i implementacja przepływów ETL zasilających Repozytorium Danych Niestrukturalnych oraz rozwiązania wykorzystywane przez agentów AI,
• tworzenie procesów przetwarzania danych pochodzących z dokumentów, obrazów i plików audio,
• implementacja mechanizmów ekstrakcji treści, OCR, ASR (transkrypcji audio) oraz konwersji dokumentów,
• rozwój rozwiązań wykorzystujących embeddingi, wyszukiwanie semantyczne, indeksowanie oraz filtrowanie danych po metadanych,
• integracja pipeline’ów z wektorowymi bazami danych, w szczególności Qdrant,
• projektowanie i rozwój usług przetwarzających dane z wykorzystaniem Pythona lub Rusta,
• tworzenie i integracja usług udostępniających funkcjonalności poprzez REST API,
• rozwój mechanizmów przetwarzania danych opartych na architekturze zdarzeniowej, m.in. Kafka lub Pub/Sub,
• współpraca przy projektowaniu usług kategoryzacji danych, ontologii oraz rozwiązań wspierających przetwarzanie informacji na potrzeby AI,
• analiza i optymalizacja wydajności oraz niezawodności procesów przetwarzania danych,
• współpraca z zespołami rozwijającymi rozwiązania Data Engineering oraz AI,
• model realizacji usług: hybrydowo – 1 dzień w tygodniu z biura w Warszawie,
• budżet projektu: do 140 PLN/h + VAT, w zależności od doświadczenia oraz zakresu świadczonych usług.

Kompetencje wymagane do realizacji usług:

• doświadczenie w inżynierii danych, w szczególności w budowaniu pipeline’ów i usług przetwarzających dane (min. 3-5 lat doświadczenia),
• dobra znajomość Pythona lub Rusta,
• praktyczna znajomość wektorowych baz danych, w szczególności Qdrant,
• znajomość embeddingów, wyszukiwania semantycznego, indeksowania i filtrowania danych po metadanych,
• doświadczenie w projektowaniu lub rozwijaniu integracji opartych na REST API,
• znajomość architektury sterowanej zdarzeniami (event-driven architecture), np. z wykorzystaniem Kafka lub Pub/Sub,
• dobra znajomość systemu Linux,
• znajomość relacyjnych baz danych, np. PostgreSQL,
• umiejętność projektowania i rozwijania procesów przetwarzania danych,
• samodzielność w analizie problemów technicznych i proponowaniu rozwiązań.

Mile widziane:

• doświadczenie z Docker, Kubernetes i CI/CD,
• znajomość GCP, w tym BigQuery, Dataflow, Dataproc lub Pub/Sub,
• znajomość Apache Airflow, Apache Spark lub Apache Beam,
• doświadczenie z przetwarzaniem danych niestrukturalnych, w tym OCR, transkrypcją audio i konwersją dokumentów,
• znajomość grafowych baz danych, np. Neo4j,
• doświadczenie z Knowledge Graph, GraphRAG lub klasycznymi rozwiązaniami RAG,
• znajomość FastAPI.

Co oferujemy w ramach współpracy?

Różnorodne projekty technologiczne

Realizacja projektów z obszaru Software, Embedded, Data, Cloud Services i AI.

Inicjatywy eksperckie i presalesowe

Możliwość udziału w działaniach eksperckich oraz wsparciu procesów presalesowych.

Dodatkowe korzyści

Opieka medyczna, karta sportowa oraz platforma kafeteryjna dostępne zgodnie z obowiązującymi zasadami współpracy.