Senior Data & AI Engineer (ze ścieżką na Data & AI Architect)
Posted
Summary
Senior Data & AI Engineer in Wrocław building and maintaining client data solutions on Microsoft Fabric: ingestion pipelines, Medallion-layer transformations in PySpark and T-SQL, Data Vault/Kimball data models, Power BI semantic models, and batch ML with experiment tracking, working daily with AI coding agents, with a growth path toward Data & AI Architect.
O roli
Szukamy inżyniera danych, który wezmie odpowiedzialność za development w projektach danych, zarówno tych klasycznych jak i z użyciem AI.
Będziesz budować pipeline'y, modele danych, rozwiązania Machine Learning i aplikacje danych na Microsoft Fabric. Architekt będzie wspierał Twoją pracę. Pracujemy z agentami AI jako standardowym narzędziem: to nie dodatek, tylko sposób pracy i nasz mindset.
Zakres
Wymagania
Must have
Mile widziane
Oferujemy
Proces
Szukamy inżyniera danych, który wezmie odpowiedzialność za development w projektach danych, zarówno tych klasycznych jak i z użyciem AI.
Będziesz budować pipeline'y, modele danych, rozwiązania Machine Learning i aplikacje danych na Microsoft Fabric. Architekt będzie wspierał Twoją pracę. Pracujemy z agentami AI jako standardowym narzędziem: to nie dodatek, tylko sposób pracy i nasz mindset.
Zakres
- Budowa i utrzymanie pipeline'ów danych: ingestia, transformacje, ładowanie inkrementalne i historyzacja
- Transformacje w PySpark i T-SQL w warstwach Medallion (Bronze, Silver, Gold)
- Modelowanie danych: projektowanie modeli Data Vault 2.0, Kimball i modeli semantycznych, dobór podejścia do potrzeb klienta
- Modele semantyczne Power BI i miary DAX we współpracy z zespołem raportowym
- FabricApp: budowa aplikacji danych na Fabric (wejście do danych, widoki, akcje użytkownika) w oparciu o Lakehouse i Warehouse
- ML: przygotowanie cech (feature engineering), trenowanie i ewaluacja modeli, scoring wsadowy w notebookach, śledzenie eksperymentów (MLflow lub odpowiednik)
- Jakość danych: testy, walidacje, monitoring świeżości i kompletności
- Spike'i technologiczne: szybkie sprawdzenie, czy dane podejście działa, z mierzalnym wynikiem
- POC pod review architekta: od pomysłu do działającego prototypu w ustalonym czasie
- Domykanie developmentu w projektach klientów, w tym testy i dokumentacja
- Praca z agentami AI (Claude Code i podobne): zlecanie zadań, weryfikacja wyników, poprawki
- Udział w review kodu i standardów zespołu
Wymagania
Must have
- Min. 3 lata doświadczenia w inżynierii danych
- Praktyczna znajomość Microsoft Fabric (Lakehouse, Warehouse, Delta, OneLake)
- Modelowanie danych: umiejętność zaprojektowania modelu dla konkretnego procesu biznesowego (grain, klucze, historyzacja, wymiary i fakty)
- PySpark: transformacje, optymalizacja, praca w notebookach
- T-SQL: zapytania, procedury, modelowanie w hurtowni danych
- Rozumienie warstw Medallion i wzorców ładowania danych
- Git i praca w repozytorium zespołowym
- Codzienne używanie narzędzi AI w pracy developerskiej (nie tylko eksperymenty)
- Samodzielność: bierzesz ownership nad strumieniem i dowozisz wynik
- Znajomość języka polskiego i angielskiego
Mile widziane
- Doświadczenie z FabricApp lub innym frameworkiem aplikacji danych (np. budowa prostych narzędzi na danych z hurtowni)
- Doświadczenie w ML w praktyce: scikit-learn, MLflow, walidacja modeli, praca z danymi tabelarycznymi
- Doświadczenie z Databricks (Delta Lake, Unity Catalog) lub Snowflake (modelowanie, warehouse, Snowpark)
- Data Vault 2.0 w projektach produkcyjnych
- Power BI, DAX, modele semantyczne
- Integracje z systemami SAP (wyciąganie i przetwarzanie danych)
- Praca w projektach dla klientów, w trybie projektowym
- Unikatowe poczucie humoru oraz baza żartów branżowych
Oferujemy
- Realne projekty klientów z dużym wpływem na rozwiązanie
- Bezpośrednią współpracę z Data Architectem
- Dostęp do sprawdzonego frameworku (Fabric, Medallion, Data Vault) i narzędzi wewnętrznych
- Stałą pracę z najnowszymi narzędziami AI
- Ścieżkę rozwoju w DRL
Proces
- Rozmowa wstępna (30 min)
- Zadanie praktyczne: zaprojektuj warstwy Silver i Gold dla jednego źródła (na bazie framework-baseline), czas: do 4 godzin
- Rozmowa techniczna: przegląd zadania, modelowanie, decyzje i trade-offy
- Rozmowa o współpracy i stawce
Skills
Sign in to read and join the discussion.