Data Engineer (gn) Customer Experience

PAMEC PAPP GmbH

Nürnberg, Germany

5 days ago

Apply on www.adzuna.de

Prepare application

Role details

Contract type

Permanent contract

Employment type

Full-time (> 32 hours)

Working hours

Regular working hours

Job source

www.adzuna.de

Tech stack

Microsoft Azure Databases Continuous Integration Customer Data Management DevOps Python (Programming Language) Machine Learning Apache Spark Information Technology Machine Learning Operations Terraform Databricks

Job description

Weiterentwicklung, Wartung und Test von Datenpipelines zur neartime Verarbeitung von Kundendaten unter Anwendung etablierter Prinzipien des Software und Data Engineerings
Unterstützung bei der Bereitstellung der erforderlichen Infrastruktur für Datenkonsument:innen sowie für Machine Learning Modelle (ML Engineering) und technische Erschließung relevanter Datenquellen
Aufbereitung und Dokumentation technischer Entscheidungsgrundlagen sowie der damit verbundenen Risiken
Mitverantwortung im Team für die kontinuierliche Optimierung des Entwicklungsprozesses, einschließlich CI/CD Praktiken, DevOps Ansätzen und MLOps Methoden
Unterstützung von Mitarbeitenden beim kontinuierlichen und automatisierten Lernen aus Interaktionen zwischen Menschen und Unternehmen zur nachhaltigen Verbesserung des Kundenerlebnisses, * Vergütung GVP-Tarifvertrag mit Option auf übertarifliche Zulagen, Urlaubs-/ Weihnachtsgeld, betriebliche Altersvorsorge
Prämienzahlung “Mitarbeiter werben Mitarbeiter” bis zu 400 €
Urlaubsanträge/Zeitnachweise via App, Mitarbeiterrabatte für Online-Shops

Requirements

Abgeschlossenes Studium im Bereich Informatik oder eine gleichwertige Qualifikation mit ausgeprägtem analytischem Fachwissen
Tiefgehende Erfahrung im Einsatz von Python und Spark, idealerweise in Verbindung mit der Plattform Databricks, sowie fortgeschrittene Kenntnisse in Microsoft Azure und in der Umsetzung von Infrastructure-as-Code Konzepten (z. B. mittels Terraform)
Langjährige Erfahrung in der Entwicklung von Datenverarbeitungspipelines unter Einbindung heterogener Quellsysteme, beispielsweise HTTP Endpunkte, Blob Storage Lösungen oder relationale Datenbanksysteme