Η Codurance είναι μια παγκόσμια εταιρεία συμβούλων λογισμικού που βοηθά τις επιχειρήσεις να εκσυγχρονίσουν τις τεχνικές τους δυνατότητες και να υποστηρίξουν τη βιώσιμη ανάπτυξη. Η εταιρεία εφαρμόζει τις αρχές του Software Craftsmanship στην ανάπτυξη λογισμικού, συνδυάζοντας την τεχνική αριστεία με την πρακτική υλοποίηση. Το έργο της καλύπτει τον εκσυγχρονισμό λογισμικού, την ανάπτυξη προϊόντων και τη μηχανική cloud, βοηθώντας τους πελάτες να αντιμετωπίσουν σύνθετες τεχνολογικές προκλήσεις. Η Codurance συνεργάζεται με καθιερωμένες τεχνολογικές ομάδες μέσω ευέλικτων και λιτών τρόπων εργασίας, με έμφαση στη δημιουργία αποτελεσματικού και συντηρήσιμου λογισμικού.
Ανώτερος Μηχανικός Δεδομένων AI (Databricks)
Δημιούργησε υποδομές δεδομένων παραγωγικού επιπέδου στο Databricks για έργα εκσυγχρονισμού πελατών. Ανάπτυξε αξιόπιστες ροές δεδομένων και συστήματα έτοιμα για AI ως μέλος ομάδων παράδοσης λογισμικού.
Περιγραφή
- Συνεργασία στο πλαίσιο ομάδων παράδοσης λογισμικού
- Υποστήριξη πελατών για τη δημιουργία υποδομών δεδομένων παραγωγικού επιπέδου
- Υποστήριξη έργων εκσυγχρονισμού, πλατφορμών, δεδομένων και ετοιμότητας για AI
- Χρήση του Databricks ως κύριας πλατφόρμας για εργασίες μηχανικής δεδομένων
- Δημιουργία ανθεκτικών, προσεκτικά σχεδιασμένων συστημάτων δεδομένων με έμφαση στην παραγωγή
Απαιτήσεις
- Πρόσφατη ή τρέχουσα εμπειρία ως Μηχανικός Δεδομένων, Ανώτερος Μηχανικός Δεδομένων, Μηχανικός Πλατφορμών Δεδομένων ή Μηχανικός Databricks
- Εμπειρία παραγωγής με Databricks, συμπεριλαμβανομένων των Delta Lake, Spark ή PySpark, Unity Catalog ή έργων lakehouse
- Ισχυρές δεξιότητες σε Python, δοκιμές, Git, CI/CD, αναθεώρηση κώδικα, ανάπτυξη ή Υποδομή ως Κώδικας
- Εμπειρία στη διαχείριση ποιότητας δεδομένων, ενορχήστρωσης, παρακολούθησης, προέλευσης δεδομένων, εξέλιξης σχημάτων ή συμβάσεων δεδομένων
- Υπόβαθρο σε παράδοση έργων για πελάτες, συνεργασία με ενδιαφερόμενα μέρη, έργα εκσυγχρονισμού, καθοδήγηση ή διατμηματική μηχανική
- Εμπειρία με AWS ή Azure· οποιαδήποτε από τις δύο πλατφόρμες cloud είναι αποδεκτή
- Εμπειρία στην ανάπτυξη pipelines χαρακτηριστικών ML ή AI, στη χρήση MLflow, στη διαχείριση προέλευσης μοντέλων, στην εργασία με embeddings ή διανυσματική αναζήτηση ή στην προετοιμασία συνόλων δεδομένων αξιολόγησης