Codurance ist eine globale Softwareberatung, die Unternehmen dabei unterstützt, ihre technischen Fähigkeiten zu modernisieren und nachhaltiges Wachstum zu fördern. Das Unternehmen wendet die Prinzipien der Software Craftsmanship auf die Softwareentwicklung an und verbindet technische Exzellenz mit einer praxisorientierten Umsetzung. Die Tätigkeitsbereiche umfassen die Modernisierung von Software, die Produktentwicklung und Cloud Engineering. Dabei unterstützt Codurance seine Kunden bei der Bewältigung komplexer technologischer Herausforderungen. Das Unternehmen arbeitet mit etablierten Technologie-Teams nach agilen und Lean-Methoden zusammen und legt den Schwerpunkt auf die Entwicklung leistungsfähiger, wartbarer Software.
Senior AI-Dateningenieur (Databricks)
Entwickle produktionsreife Databricks-Datengrundlagen für Kundenprojekte zur Modernisierung. Entwickle zuverlässige Pipelines und KI-fähige Systeme als Teil von Softwarebereitstellungsteams.
Beschreibung
- Arbeite in Softwarebereitstellungsteams zusammen
- Hilf Kunden beim Aufbau produktionsreifer Datengrundlagen
- Unterstütze Projekte zur Modernisierung, Plattformentwicklung, Datenverarbeitung und KI-Bereitschaft
- Nutze Databricks als primäre Plattform für Data Engineering
- Erstelle langlebige, sorgfältig entwickelte Datensysteme mit Fokus auf den Produktionseinsatz
Anforderungen
- Aktuelle oder kürzlich erworbene Erfahrung als Data Engineer, Senior Data Engineer, Data Platform Engineer oder Databricks Engineer
- Erfahrung mit Databricks im Produktionseinsatz, einschließlich Delta Lake, Spark oder PySpark, Unity Catalog oder Lakehouse-Projekten
- Sehr gute Kenntnisse in Python, Testing, Git, CI/CD, Code-Reviews, Deployment oder Infrastructure as Code
- Erfahrung mit Datenqualität, Orchestrierung, Monitoring, Datenherkunft, Schemaentwicklung oder Datenverträgen
- Erfahrung in der Kundenbetreuung, im Stakeholder-Management, in Modernisierungsprojekten, Mentoring oder teamübergreifender Engineering-Arbeit
- Erfahrung mit AWS oder Azure; beide Cloud-Plattformen sind geeignet
- Erfahrung in der Entwicklung von ML- oder KI-Feature-Pipelines, im Einsatz von MLflow, in der Verwaltung von Modellherkunft, mit Embeddings oder Vektorsuche oder bei der Vorbereitung von Evaluierungsdatensätzen