💼 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.