Data Engineer (Data Platform & AI Pipelines)

Ubicación: Buenos Aires

Modalidad: Remoto (1 dia presencial)

Inglés: B2 a C1

La AG tech están construyendo un sistema de inteligencia para el agro basado en datos y modelos de AI.

El foco de este rol es claro: construir y sostener los pipelines de datos que alimentan sistemas de AI en producción

No es un rol de BI ni de reporting.

Es Un Rol De Infraestructura De Datos Productiva, Donde

• Diseñás pipelines que corren en producción
• Definís cómo se procesa la data curada y refinada
• Habilitás inferencia de modelos a escala (continental y en tiempo real / near real-time)
  
  

El Problema a Resolver

Tener datos confiables, bien modelados y disponibles para alimentar sistemas de AI de forma continua.

Cómo es el día a día (real)

• Construcción de pipelines de datos productivos e idempotentes
• Modelado de datos para consumo analítico y de AI
• Diseño de procesos batch e incrementales
• Trabajo sobre data lakes / lakehouse
• Implementación de validaciones, testing y monitoreo
• Optimización de performance y costos en entornos cloud
• Soporte a pipelines de inferencia de AI
  
  

Contexto de trabajo

• Sin tickets infinitos ni burocracia
• Sin data lakes sin dueño
• Alto nivel de ownership sobre el stack de datos
• Iteración continua
• Expectativa de usar AI como parte del workflow
  
  

Vas a tomar decisiones sobre cómo se construyen y evolucionan los sistemas de datos

Responsabilidades

• Construir pipelines de datos productivos, idempotentes y testeados
• Diseñar pipelines batch e incrementales con latencia predecible
• Modelar datos para análisis y consumo por sistemas de AI
• Trabajar con data lakes / lakehouse
• Implementar orquestación de pipelines
• Definir e implementar data quality (validaciones, alertas, runbooks)
• Gestionar versionado de datos, schemas y transformaciones
• Implementar testing de pipelines (unit, integration, contract tests)
• Monitorear calidad, frescura, volumen y fallos de datos
• Optimizar procesamiento de datos a escala (TB+)
  
  

Requisitos Core Stack

• Python (pipelines de datos productivos)
• SQL avanzado
  
  

Data Engineering

• Modelado analítico (time-series, dimensiones evolutivas, agregaciones)
• Diseño de pipelines batch e incrementales
• Manejo de datos a escala (TB+)
  
  

Cloud / Data Warehouse

• BigQuery (preferentemente)
• Optimización de performance (partitioning, clustering)
• Optimización de costos
  
  

Orquestación

• Airflow, Dataform, dbt o similares
  
  

Calidad & Observabilidad

• Data quality frameworks (validaciones, alertas, runbooks)
• Testing de pipelines
• Observabilidad de datos (frescura, volumen, drift, fallos silenciosos)
  
  

Deseables

• Procesamiento geoespacial (H3, S2, raster vs vector, proyecciones, mosaicos)
• Google Earth Engine
• Datos satelitales (Sentinel-1/2, Landsat, MODIS, SAR)
• Feature stores (online + offline)
• Series temporales a gran escala
• Streaming / near real-time pipelines
• Experiencia trabajando con equipos de ML / AI
  
  

Perfil Ideal

• Experiencia construyendo pipelines de datos en producción
• Capacidad de diseñar y evolucionar modelos de datos
• Buen criterio en performance, costo y escalabilidad
• Capacidad de trabajar con autonomía
• Velocidad de ejecución
  
  

No es un buen fit si

• Experiencia limitada a reporting o BI tradicional
• Necesita procesos rígidos o alta estructura
• No tiene experiencia con datos a escala
• No es hands-on
  
  

Skills: data engineering,data quality,geospatial data,pyrhon,data lakes,sql,geospatial intelligence,pipelines