Witchayut K

วิศวกรข้อมูล — ฝึกงาน

ผู้มีความสามารถ

Nakhon Ratchasimaเป็นสมาชิกตั้งแต่ 25 ตุลาคม 2569

PythonPySparkSQLTypeScriptNode.jsNestJSPostgreSQLHDFSMinIO S3ElasticsearchRedisMLflowOutbox PatternidempotencyGoogle Cloud RunDockerDocker ComposeGitGrafanaReact (Vite)CVATRoboflowFirebase AuthExpressZodVercel

จ้างคนนี้

ส่งข้อเสนองานโดยตรงถึงผู้สมัครนี้

PythonPySparkSQLTypeScriptNode.js

เกี่ยวกับ

นักศึกษาสาขาสารสนเทศศาสตร์ (เทคโนโลยีดิจิทัล) มีประสบการณ์ทำงานด้าน backend ตามสัญญาในบริการเชิงพาณิชย์ที่ใช้ NestJS + PostgreSQL บน Google Cloud Run และมีประสบการณ์ฝึกงานด้านวิศวกรรมข้อมูล โดยสร้าง ingestion pipeline ที่รองรับข้อมูลมากกว่า 10,000 รายการ ดูแลข้อมูลตั้งแต่ต้นจนจบ ทั้ง migrations ใน CI/CD ความถูกต้องของการเขียนข้อมูล ประวัติการตรวจสอบ และแพลตฟอร์มคุณภาพข้อมูลที่ใช้ Spark กำลังมองหาการฝึกงานแบบ co-op ด้านวิศวกรรมข้อมูลในเขตพัฒนาพิเศษภาคตะวันออก

ประสบการณ์

นักพัฒนา Backend (สัญญาพาร์ตไทม์ 4 เดือน) - iTim Plus — project: PromptWork (commercial web application, pre-launch)

(2026-09)

NestJS · TypeScript · Prisma · PostgreSQL · Redis · Google Cloud Run · Firebase Auth

สร้าง backend ของ PromptWork ด้วย NestJS และ TypeScript พร้อมพัฒนาห้องสมุดส่วนกลางของแพลตฟอร์มสำหรับ structured logging, trace middleware, การตอบกลับข้อผิดพลาด API ในรูปแบบมาตรฐาน และการจำกัดอัตราการเรียกใช้งานด้วย Redis บน Google Cloud Run
ดูแลชั้นข้อมูล PostgreSQL ผ่าน Prisma โดยเชื่อม schema migrations เข้ากับ CI/CD และเพิ่มหลักประกันด้าน idempotency และ Outbox Pattern เพื่อให้การลองส่งคำขอซ้ำจากไคลเอนต์ไม่ทำให้เกิดการเขียนข้อมูลซ้ำหรือทำให้เหตุการณ์ปลายทางสูญหาย
พัฒนาการติดตาม Audit Log และ Status History พร้อมระบุตัวตนผู้ดำเนินการในทุกการเปลี่ยนสถานะ รวมถึงการตรวจสอบโทเค็น Google Identity Platform ฝั่งเซิร์ฟเวอร์และขั้นตอนยืนยันอีเมลที่มีการควบคุมสิทธิ์

ผู้ฝึกงานด้านวิศวกรรมข้อมูล - Tiger Team Academy, Nakhon Ratchasima — project: Metropolise - Nakhon Ratchasima

(2025 - 2026)

สร้าง pipeline สำหรับนำเข้ารูปภาพที่ปรับขนาดได้บน MinIO S3 เพื่อจัดการออบเจ็กต์มากกว่า 10,000 รายการ โดยทำให้การถ่ายโอน การตั้งชื่อ และการตรวจสอบความถูกต้อง ซึ่งก่อนหน้านี้ทำด้วยมือ เป็นแบบอัตโนมัติ
ทำให้การเตรียมชุดข้อมูลเป็นแบบอัตโนมัติด้วย Python โดยผสาน workflow การทำ annotation ใน CVAT เข้ากับการติดป้ายกำกับอัตโนมัติของ Roboflow และการแปลงรูปแบบแบบกลุ่ม ช่วยลดเวลาตั้งแต่การเก็บข้อมูลดิบจนพร้อมใช้กับโมเดล
วิเคราะห์และประมวลผลชุดข้อมูลดิบล่วงหน้า โดยตรวจสอบค่าว่าง ข้อมูลซ้ำ ค่าผิดปกติ และความสอดคล้องของป้ายกำกับ พร้อมติดตั้ง MLflow ผ่าน Docker Compose เพื่อรวมศูนย์การติดตามการทดลองและทะเบียนโมเดล