DATA ENGINEER

💼 Posición: Data Engineer / Ingeniero/a de Datos

📍 Ubicación: San Sebastián de los Reyes, Madrid

🏢 Modalidad: Híbrida – 2 días/semana presencial

👉 Para perfiles especialmente potentes, podría valorarse 1 día presencial/semana.

💰 SBA: Abierto, según experiencia

🇬🇧 Inglés: Avanzado

📄 CV: En inglés

🎯 Experiencia: +5 años como Data Engineer o Backend Software Engineer

🔥 REQUISITOS PRINCIPALES

☁️ Cloud & Data Engineering

• Experiencia sólida con Google Cloud Platform (GCP).
• Computación distribuida y procesamiento de grandes volúmenes de datos.
• Se valorará experiencia adicional con AWS, Azure y Databricks.
• Diseño y desarrollo de pipelines de datos con Python.
• Procesos ETL/ELT, tanto batch como streaming.

🗄️ Bases de datos

• Experiencia en administración de bases de datos (DBA).

• Conocimiento de diferentes modelos
  • Relacionales.
  • Columnares.
  • Documentales.
  • Grafos.
  • Vectoriales.

🐍 Desarrollo

• Dominio de Python y SQL.
• Experiencia con dbt para transformación y modelado.
• Elementary para Data Quality.
• Se valorará Scala, R y Java.
• Programación orientada a objetos y funcional.
• Arquitecturas API-first.

🤖 MACHINE LEARNING & IA

Se busca un perfil que vaya más allá del Data Engineering tradicional:

• Desarrollo y puesta en producción de modelos de Machine Learning.
• Experiencia en IA aplicada.
• LangGraph para orquestación de agentes.
• Langfuse para observabilidad de aplicaciones de IA.
• Experiencia con pipelines y soluciones de datos orientadas a ML/IA.

⚙️ DEVOPS & AUTOMATIZACIÓN

• Metodologías y prácticas DevOps.
• Terraform para infraestructura como código.
• GitHub Actions para CI/CD.
• GitHub Copilot y desarrollo asistido por IA.
• Automatización de procesos y despliegues.

🧠 METODOLOGÍA

• Experiencia trabajando en equipos Agile.
• Se valorará experiencia con Shape Up.
• Capacidad para trabajar de forma autónoma en equipos multidisciplinares, multiculturales e internacionales.
• Orientación a producto y mejora continua.
• Conocimiento de metodologías de aprendizaje validado y experimentación.