Sigma Software Group
Sigma Software Group
۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
خودرومراقبت‌های بهداشتیمشاوره
Sigma Software Group یک شرکت چندملیتی مشاوره فناوری است که در سال ۲۰۰۲ تأسیس شد. تیم‌های این شرکت برای مشتریان فعال در حوزه‌هایی مانند خودروسازی، بهداشت و درمان، مخابرات، هوانوردی، بانکداری، بازی‌های ویدیویی، املاک و مستغلات و تبلیغات، خدمات توسعه نرم‌افزار، طراحی گرافیک، آزمون و پشتیبانی فنی ارائه می‌کنند. این شرکت برای کار روی پروژه‌های پیچیده مهندسی، متخصصان فناوری اطلاعات را استخدام می‌کند و از طریق منتورینگ و یادگیری مستمر، توسعه حرفه‌ای را پشتیبانی می‌کند. فرصت‌های کار از راه دور نیز بخشی از مدل کاری آن است و پروژه‌هایش به سازمان‌هایی مانند AstraZeneca، Scania و SAS خدمت‌رسانی می‌کنند.

مهندس ارشد داده

پلتفرم‌های داده بومی ابر و خط لوله‌های نزدیک به زمان واقعی بسازید و هم‌زمان بارهای کاری Spark و PySpark را به‌روز کنید. پذیرش ابزارهای هوش مصنوعی و گردش‌کارهای عامل‌محور را هدایت کنید و در پژوهش و توسعه فنی مشارکت داشته باشید.

توضیحات

  • پلتفرم‌های داده بومی ابر و مقیاس‌پذیر را از طراحی اولیه تا محیط عملیاتی بسازید.
  • با استفاده از الگوهای رویدادمحور، خط لوله‌های دریافت داده نزدیک به زمان واقعی توسعه دهید.
  • استانداردهای پلتفرم را برای دریاچه‌های داده، لیک‌هاوس‌ها، معماری مدالیون و قراردادهای داده تعیین و حفظ کنید.
  • اسکریپت‌های Spark و PySpark را برای بهبود کارایی و نگهداشت‌پذیری ارتقا دهید.
  • روش‌های کیفیت کد، آزمون و CI/CD را در خط لوله‌های داده برقرار کنید.
  • استفاده از ابزارهای هوش مصنوعی و گردش‌کارهای عامل‌محور را در تیم مهندسی داده ترویج دهید.
  • کیفیت داده، مشاهده‌پذیری، مقیاس‌پذیری و قابلیت اطمینان را در پلتفرم‌ها و خط لوله‌ها حفظ کنید.
  • ابزارهای سلف‌سرویس و میکروسرویس‌هایی بسازید که استفاده از پلتفرم را آسان‌تر کنند.
  • با تیم‌های محصول، یادگیری ماشین و علم داده همکاری کنید.
  • در تصمیم‌های معماری و پژوهش و توسعه فنی مشارکت داشته باشید.

شرایط لازم

  • حداقل پنج سال تجربه حرفه‌ای در مهندسی داده داشته باشید.
  • در توسعه با Python و SQL مهارت بالایی داشته باشید.
  • تجربه عملی کار با Apache Spark و PySpark داشته باشید، از جمله بهینه‌سازی پرس‌وجو و تنظیم کارایی.
  • با Databricks یا Snowflake تجربه داشته باشید.
  • با دست‌کم یکی از ارائه‌دهندگان اصلی خدمات ابری یعنی Azure، AWS یا GCP تجربه عملی داشته باشید.
  • با ابزارهای پردازش جریانی مانند Kafka یا Spark Structured Streaming تجربه داشته باشید.
  • با الگوهای ETL/ELT، مدل‌سازی داده و انبار داده آشنا باشید.
  • از ابزارهای هماهنگ‌سازی مانند Apache Airflow یا Azure Data Factory استفاده کرده باشید.
  • با ابزارهای زیرساخت به‌عنوان کد، از جمله Terraform، آشنا باشید.
  • درک خوبی از سامانه‌های عملیاتی، از جمله مشاهده‌پذیری، مقیاس‌پذیری، قابلیت اطمینان و کارایی داشته باشید.
  • بتوانید ابتکارهای فنی را مستقل از مرحله ایده تا تحویل هدایت کنید.
  • توانایی ارتباط و همکاری مؤثر داشته باشید.
  • در زبان انگلیسی در سطح بالاتر از متوسط یا بالاتر مهارت داشته باشید.

مزایا

  • امکان دورکاری.

فرصت‌های شغلی مرتبط

Sowelo Consulting sp. z o.o. sp. k.

معمار ارشد داده، دیتابریکس و لیک‌هاوس

Sowelo Consulting sp. z o.o. sp. k.
۱۱ – ۵۰ کارکنان
بازاریابیلجستیکمشاوره

رهبری پروژه‌های مشتریان را برای ساخت پلتفرم‌های لیک‌هاوس دیتابریکس در یک شرکت مشاوره هوش مصنوعی و داده بر عهده بگیرید. مهندسی داده ابری، مهاجرت، تحلیل و راهکارهای هوش مصنوعی را شکل دهید.

باز کردن
Sowelo Consulting sp. z o.o. sp. k.

مهندس ارشد داده، دیتابریکس — دورکاری در لهستان

Sowelo Consulting sp. z o.o. sp. k.
۱۱ – ۵۰ کارکنان
بازاریابیلجستیکمشاوره

در یک شرکت مشاوره‌ای ارائه‌دهنده راهکارهای هوش مصنوعی و داده، خط لوله‌های مقیاس‌پذیر دیتابریکس بسازید. از ابتکارهای تحلیل سازمانی، MLOps و هوش مصنوعی مولد پشتیبانی کنید.

باز کردن
Intetics

معمار ارشد داده (فرانسوی‌زبان)

Intetics

برای Intetics معماری داده مقیاس‌پذیر و پلتفرم‌های SQL Server طراحی کنید. این نقش شامل حاکمیت داده، یکپارچه‌سازی REST و آزمون هنگام تحویل است.

باز کردن
Intetics

مهندس داده یادگیری ماشین، دورکاری از رومانی

Intetics

زیرساخت داده بلادرنگ، گراف و سری زمانی برای عملکرد ورزشکاران بسازید. از ارزیابی یادگیری ماشین و سامانه‌های هوش مصنوعی برای مشتری Intetics در ایالات متحده پشتیبانی کنید.

باز کردن
TetraScience

مهندس ارشد داده‌های علمی (آلمان، دورکار)

TetraScience

برای مشتریان علوم زیستی TetraScience، یکپارچه‌سازی‌ها و محصولات داده مجهز به هوش مصنوعی بسازید. راهکارهای علمی را در محیط‌های ابری، محلی و ترکیبی مستقر کنید.

باز کردن