Flexera tworzy oprogramowanie do zarządzania zasobami technologicznymi i ich optymalizacji dla organizacji działających w złożonych środowiskach IT. Platforma Flexera One zapewnia wgląd w oprogramowanie, usługi SaaS, sprzęt i zasoby chmurowe, pomagając zespołom śledzić wydatki na SaaS, zarządzać licencjami i nadzorować cykl życia zasobów IT. Flexera łączy również zarządzanie zasobami IT z praktykami FinOps, oferując zespołom finansowym i technologicznym narzędzia do analizy kosztów chmury, efektywniejszego wykorzystania zasobów oraz ograniczania ryzyka związanego z bezpieczeństwem i zgodnością z przepisami. Produkty firmy wspierają przedsiębiorstwa w podejmowaniu świadomych decyzji dotyczących wydatków na technologie i ich wykorzystania.
Starszy inżynier danych, Databricks Lakehouse (Indie, praca hybrydowa)
Rozwijaj lakehouse Flexera na Databricks i platformy backendowe w Pythonie. Wspieraj korporacyjne produkty SaaS do optymalizacji kosztów technologii, analityki i AI/ML.
Opis
- Kieruj architekturą i rozwojem skalowalnych, natywnych dla chmury systemów backendowych oraz API.
- Twórz i utrzymuj usługi API w Pythonie, takie jak FastAPI, które zapewniają dostęp do funkcji platformy danych.
- Projektuj i optymalizuj schematy, indeksy, zapytania oraz migracje schematów w PostgreSQL.
- Wyznaczaj kierunek techniczny w zakresie niezawodności, skalowalności, wydajności i efektywności kosztowej obciążeń intensywnie przetwarzających dane.
- Prowadź złożone projekty backendowe od wstępnego projektu przez uruchomienie produkcyjne po bieżące utrzymanie.
- Utrzymuj potoki CI/CD z GitHub Actions i Terraform oraz wdrażaj zmiany na produkcję.
- Diagnozuj problemy dotyczące API, baz danych i potoków danych.
- Współpracuj z zespołami inżynierii danych, frontendu, platformy i SRE.
- Ustalaj standardy inżynieryjne dotyczące jakości kodu, testowania, CI/CD, obserwowalności i praktyk operacyjnych.
- Doradzaj zespołom w sprawie projektów technicznych i ich wdrażania.
- Mentoruj inżynierów na poziomie juniorskim i seniorskim.
- Stosuj aktualne praktyki w systemach backendowych, platformach chmurowych i inżynierii danych na dużą skalę.
- Kieruj projektowaniem i poprawą wydajności lakehouse Flexera na Databricks na potrzeby analityki, AI/ML i rozwoju produktów.
Wymagania
- Wykształcenie wyższe licencjackie lub magisterskie w dziedzinie informatyki lub inżynierii albo równoważne doświadczenie praktyczne.
- Co najmniej 8 lat doświadczenia w inżynierii backendowej.
- Praktyczne doświadczenie w tworzeniu aplikacji i usług w Pythonie, w tym produkcyjnych interfejsów API.
- Bardzo dobra znajomość relacyjnych baz danych, najlepiej PostgreSQL, obejmująca projektowanie schematów, tworzenie i optymalizację złożonych zapytań, narzędzia do migracji, takie jak Flyway, oraz analizę wydajności planów zapytań.
- Doświadczenie w projektowaniu, tworzeniu, wdrażaniu i utrzymywaniu interfejsów REST API z użyciem FastAPI, Flask lub równoważnego frameworka.
- Doświadczenie w tworzeniu i utrzymywaniu automatyzacji wdrożeń CI/CD za pomocą GitHub Actions, Azure DevOps lub podobnych narzędzi.
- Doświadczenie z infrastrukturą jako kodem przy użyciu Terraform lub porównywalnego narzędzia.
- Umiejętność samodzielnego udostępniania zasobów chmurowych.
- Doświadczenie w tworzeniu platform danych lub analitycznych na dużą skalę.
- Duże doświadczenie w zakresie obserwowalności, monitorowania, śledzenia rozproszonego, profilowania zapytań i diagnozowania opóźnień.
- Doświadczenie w obszarze bezpieczeństwa, zgodności i wymagań korporacyjnych platform SaaS.
- Doświadczenie w FinOps, optymalizacji kosztów chmury lub korporacyjnych platformach SaaS.
- Doświadczenie z AWS, w tym ECS/Fargate, RDS, S3, IAM i Secrets Manager.
- Doświadczenie w tworzeniu systemów backendowych opartych na AI, w tym przepływów pracy wykorzystujących LLM lub agentów.
- Mile widziane: doświadczenie z trybem Power BI Direct Lake i modelowaniem semantycznym na potrzeby analityki lakehouse.
- Mile widziana: znajomość Mosaic AI, możliwości Databricks GenAI lub implementacji feature store.
- Mile widziane: wkład w rozwój Spark w modelu open source, treści dla społeczności Databricks lub certyfikaty, takie jak Databricks Certified Data Engineer Professional.
Benefity
- Konkurencyjne wynagrodzenie.
- Elastyczne warunki pracy.
- Określone ścieżki rozwoju dla starszych liderów technicznych.
- Kultura współpracy, inkluzywności i koncentracji na technologii.
- Równe szanse zatrudnienia.
- Na życzenie dostępne są dostosowania miejsca pracy.