Seqana
Seqana
Η Seqana αναπτύσσει λογισμικό παρακολούθησης, αναφοράς και επαλήθευσης (MRV) του άνθρακα στο έδαφος για την αναγεννητική γεωργία. Η εταιρεία, που χρηματοδοτείται από την ΕΕ και δραστηριοποιείται στην παρατήρηση της Γης και τη μηχανική μάθηση, δημιουργεί εργαλεία που αποσκοπούν στο να κάνουν τη μέτρηση του άνθρακα στο έδαφος πιο οικονομική, ταχύτερη και επαναλήψιμη. Η πλατφόρμα της βοηθά τους συνεργάτες να αξιολογούν τα αποτελέσματα άνθρακα και να υποστηρίζουν την ανάπτυξη προγραμμάτων αντιστάθμισης εκπομπών άνθρακα και πρακτικών αναγεννητικής γεωργίας.

Ανώτερος μηχανικός λογισμικού, πλατφόρμα δεδομένων

Δημιούργησε την κλιματική πλατφόρμα δεδομένων της Seqana για αξιόπιστα και ελέγξιμα αποτελέσματα σχετικά με τον άνθρακα του εδάφους. Ανάλαβε την ηγεσία των υποδομών GCP, των αγωγών Python, των γεωχωρικών ροών εργασίας και των πρακτικών μηχανικής.

Περιγραφή

  • Εξέλιξε υποδομές που μετατρέπουν την επιστημονική εργασία σε αξιόπιστα κλιματικά αποτελέσματα.
  • Ανάλαβε την ηγεσία της πλατφόρμας που μεταφέρει δεδομένα, μοντέλα και μεθόδους εκτίμησης από την έρευνα και την ανάπτυξη σε παραδοτέα προς πελάτες που μπορούν να ελεγχθούν.
  • Διατήρησε τη διαχείριση εκδόσεων από άκρο σε άκρο για δεδομένα, μοντέλα και περιβάλλοντα.
  • Καθόρισε την κατεύθυνση για τις πλατφόρμες προγραμματιστών και τις πρακτικές μηχανικής σε ένα οικοσύστημα Python με πολλά αποθετήρια, καλύπτοντας περιβάλλοντα, containers, πρότυπα έργων, CI/CD και ενορχήστρωση αγωγών.
  • Ανάλαβε την ηγεσία των υποδομών GCP, καλύπτοντας αρχιτεκτονική, υποδομή ως κώδικα, παρακολούθηση, διαχείριση κόστους και πρόσβασης, καθώς και συνεχή ανάπτυξη.
  • Ανάπτυξε γεωχωρικές ροές εργασίας για αποθήκευση και επεξεργασία διανυσματικών δεδομένων και δεδομένων raster υψηλής ανάλυσης σε μεγάλη κλίμακα.
  • Βελτίωσε τις βάσεις δεδομένων που υποστηρίζουν τα μοντέλα και τα παραδοτέα προς πελάτες.
  • Σύνταξε έγγραφα σχεδιασμού και εξέτασε σχεδιασμούς για βασικές υποδομές και υποδομές αγωγών.
  • Καθοδήγησε μηχανικούς και παρείχε σχόλια για τον σχεδιασμό και την αρχιτεκτονική στη μηχανική λογισμικού και δεδομένων.
  • Συντόνισε τους στόχους υποδομών, ιεράρχησε τις εργασίες και ευθυγράμμισε τις προσπάθειες μηχανικής λογισμικού και δεδομένων.
  • Συνεργάσου με μηχανικούς λογισμικού, μηχανικούς δεδομένων, επιστήμονες δεδομένων και μηχανικούς λύσεων.
  • Μετέτρεψε ερευνητικό κώδικα σε αξιόπιστες και αναπαραγώγιμες υποδομές.

Απαιτήσεις

  • Τουλάχιστον έξι χρόνια εμπειρίας στη μηχανική, συμπεριλαμβανομένης σημαντικής εμπειρίας στον σχεδιασμό και τη λειτουργία παραγωγικών backend συστημάτων και αγωγών με μεγάλο όγκο δεδομένων.
  • Αποδεδειγμένη ανάληψη ευθύνης συστημάτων από άκρο σε άκρο, λήψη αρχιτεκτονικών αποφάσεων, σύνταξη και ανασκόπηση εγγράφων σχεδιασμού και καθοδήγηση μηχανικών.
  • Άριστη γνώση Python και ισχυρές δεξιότητες SQL.
  • Εμπειρία στον σχεδιασμό σχημάτων παραγωγής και μοντέλων δεδομένων.
  • Πρακτική εμπειρία με εργαλεία ροών εργασίας και αγωγών, όπως Airflow ή Dagster.
  • Εμπειρία στην παρακολούθηση πειραμάτων και στη διαχείριση εκδόσεων δεδομένων.
  • Πρακτική εμπειρία στη λειτουργία παραγωγικών υποδομών cloud, κατά προτίμηση στο GCP.
  • Εμπειρία με εργαλεία υποδομής ως κώδικα, όπως Terraform ή OpenTofu.
  • Εμπειρία με IAM, containers και αναπαραγώγιμα περιβάλλοντα, όπως Docker ή devcontainers.
  • Ευρεία εμπειρία στον κύκλο ζωής ανάπτυξης λογισμικού, συμπεριλαμβανομένων της συσκευασίας Python, των containers, των δοκιμών, του CI/CD και της παρατηρησιμότητας.
  • Σαφής και άμεση επικοινωνία με τεχνικούς και μη τεχνικούς συναδέλφους.
  • Ισχυρό κίνητρο για την προώθηση της βιώσιμης ανάπτυξης μέσω της τεχνολογίας.
  • Πτυχίο στη Μηχανική Λογισμικού ή στην Επιστήμη Υπολογιστών, ή αντίστοιχη πρακτική εμπειρία.
  • Η παραγωγική εμπειρία με δεδομένα raster και γεωχωρικούς αγωγούς αποτελεί σημαντικό πρόσθετο προσόν.
  • Η εμπειρία στην ανάπτυξη υπηρεσιών διάθεσης μοντέλων, μητρώων μοντέλων ή εργαλείων MLOps, όπως DVC ή MLflow, αποτελεί σημαντικό πρόσθετο προσόν.
  • Η εμπειρία στη δημιουργία εργαλείων BI ή πινάκων ελέγχου για μη τεχνικούς χρήστες, όπως το Streamlit, αποτελεί σημαντικό πρόσθετο προσόν.
  • Η εμπειρία στον σχεδιασμό αποθηκών δεδομένων με εργαλεία όπως BigQuery, PostgreSQL ή dbt, καθώς και σε ροές εργασίας μηχανικής δεδομένων, αποτελεί σημαντικό πρόσθετο προσόν.
  • Η προηγούμενη εξοικείωση με δεδομένα παρατήρησης της Γης, περιβαλλοντικής παρακολούθησης ή επιστήμης του εδάφους αποτελεί σημαντικό πρόσθετο προσόν.

Παροχές

  • Μόνιμη απασχόληση με σύμβαση αορίστου χρόνου.
  • Δοκιμαστική περίοδος έξι μηνών.
  • Εβδομάδα εργασίας 40 ωρών.
  • 30 ημέρες ετήσιας άδειας.
  • Ουσιαστική ευθύνη και επιρροή στην τεχνική κατεύθυνση εταιρείας αρχικού σταδίου.
  • Μια διεθνής ομάδα με κίνητρο και αφοσίωση.
  • Η ευκαιρία να παρακολουθήσεις και να διαμορφώσεις μια νέα επιχείρηση καθώς εξελίσσεται.
  • Κουλτούρα μηχανικής με επίκεντρο τα έγγραφα σχεδιασμού, τις προσεκτικές ανασκοπήσεις κώδικα και τις κοινές πρακτικές.
  • Ευέλικτες ρυθμίσεις εξ αποστάσεως εργασίας: έως τέσσερις ημέρες την εβδομάδα για εργαζομένους με βάση το Βερολίνο ή πλήρως εξ αποστάσεως εργασία από οπουδήποτε αλλού στη Γερμανία, με ευέλικτο ωράριο.
  • Ποτά και σνακ.
  • Εκδηλώσεις ομάδας.
  • Επιλογή εξοπλισμού.