Data Engineer

🕒 il y a 11 jours

🇵🇱 Pologne – Télétravail

⏰ Temps Plein

🟡 Intermédiaire

🟠 Senior

🚰 Ingénieur Data

👻 Score fantôme 10%

Ce que ça veut dire : la probabilité que personne ne recrute vraiment pour cette offre.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Sigma Software Group

Site WebLinkedInTous les Emplois

1001 - 5000 employés

Fondée en 2002

💼 Conseil

🏥 Santé

🚘 Automobile

Consulting • Healthcare • Automotive

Sigma Software Group est une entreprise multinationale, fondée en 2002, qui se spécialise dans le développement de logiciels de haute qualité, le design graphique, les tests et les services de support. L'entreprise se concentre sur la fourniture de solutions dans divers secteurs tels que l'automobile, les télécommunications, l'aviation, la publicité, le jeu vidéo, la banque, l'immobilier et la santé. Sigma Software valorise la croissance professionnelle, offre des opportunités de travail à distance dans le monde entier et travaille pour des clients renommés tels qu'AstraZeneca, Scania et SAS. L'entreprise met l'accent sur une culture d'éducation continue, de mentorat et d'environnements de travail flexibles, ce qui en fait un lieu de travail privilégié pour les spécialistes IT visant à travailler sur des solutions complexes utilisant des technologies de pointe. Sigma Software s'engage à proposer des solutions innovantes et à concevoir l'avenir tout en contribuant à des causes sociales comme le travail caritatif en Ukraine.

Description

• Design, develop, and maintain scalable and reliable data platforms and pipelines for analytics and operational use cases • Build distributed data processing workflows using Apache Spark, pySpark, and Databricks • Develop and evolve cloud-native data solutions leveraging Azure and AWS services • Model and optimize data structures for analytics, reporting, and downstream consumption • Integrate data from multiple heterogeneous sources while ensuring data quality, consistency, and traceability • Implement data quality controls, schema validation, lineage tracking, and monitoring processes • Optimize performance, scalability, reliability, and cost-efficiency of data pipelines and infrastructure • Collaborate closely with scientists, analysts, and engineering teams to translate business and research requirements into technical solutions • Contribute to CI/CD processes, infrastructure automation, and engineering best practices • Research and introduce new technologies and approaches within the data engineering ecosystem

🎯 Exigences

• 3+ years of commercial experience in Data Engineering • 2+ years of hands-on production experience with Databricks • Strong expertise with Delta Lake, including medallion architecture and table optimization • Advanced proficiency in Python, pySpark, and SQL • Deep practical knowledge of Databricks components including Unity Catalog, Lakeflow Jobs / Workflows, and job optimization • Hands-on experience with AWS services including S3, IAM, KMS, and at least one of AWS Batch, ECR, EventBridge, Lambda, or API Gateway • Experience designing event-driven and asynchronous data pipelines • Strong knowledge of Infrastructure as Code and CI/CD practices • Practical experience with Terraform and Databricks Asset Bundles • Experience working with Git workflows, pull request reviews, and automated testing • Understanding of secure authentication approaches such as OIDC and service principals • Practical experience with MLflow, experiment tracking, model registry, and reproducibility practices • Strong understanding of data quality, lineage, schema contracts, and provenance concepts • Experience with data quality frameworks such as Great Expectations, Soda, pyDeequ, or Databricks DQX • Experience monitoring and optimizing data platform reliability and cloud costs • Upper-Intermediate or higher English level • Plus: Experience packaging workloads using Docker and running batch workloads in AWS • Plus: Familiarity with ECR and containerized data processing solutions • Plus: Experience with experiment optimization libraries such as scikit-optimize, BoTorch, Ax, or scipy • Plus: Understanding of ML feature engineering and leakage prevention techniques • Plus: Experience working in regulated or high-security environments • Plus: Knowledge of data governance, compliance, and data residency requirements • Plus: Experience disabling or restricting AI-assisted tooling/features in secure environments

🏖️ Avantages

• Remote work option • Continuous learning opportunities • Opportunity to contribute to breakthrough scientific initiatives • Work with modern technologies and highly skilled global teams

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV