DATA ENGINEER (AGENTS & ETL)

Buscamos un/a ingeniero/a para incorporarse a nuestro equipo de datos. Trabajarás en sistemas de extracción y procesamiento de datos, y en los agentes de inteligencia artificial que apoyan estos procesos.

El puesto combina desarrollo, operaciones e infraestructura, con foco en la confiabilidad de los sistemas.

• Mantener y mejorar parsers, scrapers y sistemas de extracción de datos de PDF y HTML mediante flujos de trabajo basados en agentes de IA.
• Desarrollar y mantener los agentes y sus entornos de ejecución y control (harnesses) para generar, ejecutar y revisar código de extracción de datos.
• Participar en la migración y modernización de las plataformas existentes.
• Diagnosticar y resolver problemas operativos en producción.
• Comprender el funcionamiento de la infraestructura del equipo.
• Probar, ajustar y mantener sistemas que se ejecutan en infraestructura local (on-premise).
• Dominio avanzado de Python 3.12: tipado, pruebas con pytest y desarrollo de código mantenible en bases de código de gran tamaño.
• Capacidad para leer, comprender, depurar y modificar código existente.
• Programación asíncrona en Python: asyncio, operaciones concurrentes de entrada/salida (I/O) y criterio para determinar cuándo conviene utilizar hilos o procesos.
• Desarrollo de APIs con FastAPI.
• Extracción de datos de PDF con pdfplumber, pdfminer o PyMuPDF, trabajando con coordenadas, fuentes tipográficas, líneas dibujadas e imágenes.
• Extracción de datos de HTML mediante XPath o selectores CSS, utilizando lxml, parsel o herramientas similares.
• Web scraping: solicitudes HTTP y APIs, scraping asíncrono, proxies y automatización de navegadores con Playwright o herramientas similares.
• Capacidad para identificar y corregir problemas de parsing.

Agentes de IA:

• Experiencia con agentes de programación como Claude Code, Codex u otros en tareas de varias etapas: redacción de prompts y tareas, definición de herramientas y permisos, y evaluación de resultados mediante métricas.
• Desarrollo o mantenimiento de entornos de ejecución y control de agentes (harnesses): ejecución de agentes como subprocesos, lectura de sus eventos y gestión de límites de tiempo, presupuestos de ejecución, aislamiento (sandboxing) y subagentes.
• Uso de APIs y SDKs compatibles con OpenAI para trabajar con OpenRouter, OpenAI o modelos de lenguaje locales.
• Ejecución de varios agentes en paralelo y revisión de su trabajo.
• Linux: trabajo habitual con servidores, procesos, registros (logs) y recursos del sistema.
• Docker y Docker Compose: creación de imágenes, ejecución de contenedores y diagnóstico de problemas.
• Operación y mantenimiento de servicios en producción en infraestructura local (on-premise).

Datos y herramientas:

• MongoDB con pymongo.
• SQL y bases de datos relacionales: PostgreSQL y SQLAlchemy.
• Git, con revisión de código como parte del flujo de trabajo.

CONOCIMIENTOS Y EXPERIENCIA DESEABLES.

• Experiencia en sistemas de procesamiento de datos o scraping a gran escala.
• Conocimientos de arquitecturas distribuidas y colas de tareas.
• Diseño de sistemas y arquitectura de software.
• Familiaridad con sistemas antibot: fingerprinting, control de la frecuencia de solicitudes (rate limiting) y gestión de sesiones.
• Conocimientos básicos de infraestructura en AWS.
• Definición de contratos de datos tipados con Pydantic y verificaciones estrictas con mypy y Ruff.
• Pipelines de CI/CD con GitHub Actions o herramientas similares.
• Capacidad para leer documentos en otros idiomas, además del español y el inglés.