Cloud & Data Engineer z j. angielskim lub niemieckim - Instore Sensorics and Data (B2B)

dmTECH to ponad 1 400 ekspertek i ekspertów z różnych obszarów technologicznych, którzy każdego dnia tworzą, utrzymują i rozwijają rozwiązania retailTECH dla koncernu dm – jednej z największych europejskich sieci drogerii. Działają w Niemczech, Austrii i Polsce, budując doświadczenia w 14 krajach Europy. Kreują branżę retailTECH w oparciu o najnowsze rozwiązania i współpracują zwinnie z myśleniem długoterminowym.

• Ukończone studia wyższe z informatyki, nauk ścisłych, technologii lub pokrewne kwalifikacje techniczne
• Minimum 3 lata doświadczenia komercyjnego lub projektowego w Software Engineering albo Data Engineering
• Praktyczne doświadczenie z GCP (preferowane) lub AWS w tworzeniu i utrzymywaniu rozwiązań chmurowych
• Doświadczenie z produktami danych, zasadami Data Mesh oraz budową skalowalnych usług danych
• Bardzo dobra znajomość Python
• Swobodne posługiwanie się Git, CI/CD, testowaniem i Code Review
• Swobodna komunikacja na poziomie minimum B2 w języku polskim oraz angielskim lub niemieckim

Nice to have:

• Doświadczenie z Infrastructure-as-Code, np. Terraform/OpenTofu oraz technologiami strumieniowania danych, takimi jak Kafka
• Znajomość technologii Big Data i analitycznych oraz modelowania danych
• Doświadczenie z bezpieczeństwem operacyjnych produktów danych, np. RBAC, monitoring & alerting, dependency management
• Doświadczenie w integracji usług AI/genAI, np. LLM API, Agentic AI
• Tworzenie REST/GraphQL API i usług backendowych
• Znajomość nowoczesnych frameworków frontendowych, takich jak React, Angular lub Vue do tworzenia dashboardów opartych na danych
• Znajomość bibliotek ML, takich jak TensorFlow lub PyTorch

• Samodzielna realizacja usług w zakresie rozwoju i utrzymania usług chmurowych oraz platform danych, preferowana praca z Google Cloud Platform (GCP)
• Wsparcie w budowie i rozwoju produktów danych z wykorzystaniem zasad Data Mesh
• Projektowanie i implementacja stabilnych usług backendowych oraz interfejsów REST/GraphQL do integracji systemów
• Automatyzacja wdrożeń i infrastruktury z wykorzystaniem Infrastructure-as-Code oraz tworzenie powtarzalnych pipeline'ów
• Integracja usług AI/genAI, np. LLM API, z aplikacjami opartymi na danych
• Dbanie o wysoką jakość kodu i danych poprzez testowanie, Code Review, monitoring i Continuous Integration
• Współpraca z cross-funkcjonalnym zespołem projektowym oraz obszarami biznesowymi z dostępem do wsparcia ekspertów przy złożonych kwestiach architektonicznych