A Codurance é uma consultoria global de software que ajuda empresas a modernizar suas capacidades técnicas e apoiar um crescimento sustentável. A empresa aplica os princípios de Artesania de Software ao desenvolvimento de software, combinando excelência técnica com entrega prática. Seu trabalho abrange modernização de software, desenvolvimento de produtos e engenharia de nuvem, ajudando clientes a enfrentar desafios tecnológicos complexos. A Codurance colabora com equipes de tecnologia estabelecidas por meio de formas de trabalho ágeis e lean, com foco na criação de software eficaz e de fácil manutenção.
Engenheiro(a) Sênior de Dados e IA (Databricks)
Construa bases de dados em Databricks prontas para produção em projetos de modernização de clientes. Desenvolva pipelines confiáveis e sistemas preparados para IA como parte de equipes de entrega de software.
Descrição
- Colaborar em equipes de entrega de software
- Ajudar clientes a estabelecer bases de dados prontas para produção
- Apoiar projetos de modernização, plataforma, dados e preparação para IA
- Usar o Databricks como plataforma principal para o trabalho de engenharia de dados
- Criar sistemas de dados duráveis e cuidadosamente projetados, com foco em produção
Requisitos
- Experiência recente ou atual como Engenheiro(a) de Dados, Engenheiro(a) Sênior de Dados, Engenheiro(a) de Plataforma de Dados ou Engenheiro(a) de Databricks
- Experiência em produção com Databricks, incluindo Delta Lake, Spark ou PySpark, Unity Catalog ou projetos de lakehouse
- Sólidos conhecimentos de Python, testes, Git, CI/CD, revisão de código, implantação ou Infraestrutura como Código
- Experiência na gestão da qualidade de dados, orquestração, monitoramento, linhagem, evolução de esquemas ou contratos de dados
- Experiência com entrega para clientes, relacionamento com partes interessadas, projetos de modernização, mentoria ou trabalho de engenharia entre equipes
- Experiência com AWS ou Azure; qualquer uma das duas plataformas de nuvem é aceitável
- Experiência no desenvolvimento de pipelines de features para ML ou IA, uso do MLflow, gestão de linhagem de modelos, trabalho com embeddings ou busca vetorial, ou preparação de conjuntos de dados para avaliação