Mid Level/Senior Data Developer (Python/AWS Glue/PySpark), Brasil

Somos especialistas em transformação tecnológica, unindo expertise humana à IA para criar soluções tech escaláveis. Com mais de 8,000 CI&Ters ao redor do mundo, já formamos parcerias com mais de 1,000 clientes durante nossos 30 anos de história. Inteligência Artificial é nossa realidade.

Importante: se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente.

Olá, aqui é a Wal da CI&T!

Sou do time de Talent Attraction e procuro profissionais localizados no Brasil para a posição de Mid Level/Senior Data Developer (Python/AWS Glue/PySpark), que atuarão em um projeto do ramo financeiro.

Você vai atuar no desenvolvimento e evolução de pipelines e aplicações de ingestão de dados, trabalhando com arquiteturas serverless e containerizadas dentro do ecossistema AWS. O trabalho exige autonomia técnica, senso de qualidade e boa comunicação com times multidisciplinares.

Responsabilidades

• Desenvolver e evoluir aplicações de ingestão de dados com AWS (Glue, Lambda, ECS, SNS, SQS, Kafka)
• Participar de inceptions e refinamentos técnicos
• Escrever e manter testes automatizados com foco na pirâmide de testes
• Realizar code review e contribuir para a evolução da qualidade do código
• Atuar em gestão de incidentes e deploys em produção

Requisitos

• Experiência sólida em Python
• Familiaridade com AWS Glue, Lambda, S3, EC2 e Athena
• Conhecimento em PySpark
• Automação de testes unitários e pirâmide de testes
• Banco de dados relacional
• Capacidade de refinamento técnico de histórias e soluções
• Qualidade de código e boas práticas de programação
• Comunicação clara e alinhamento com o time

Será um diferencial

• LocalStack e infraestrutura como código
• Arquitetura serverless avançada

Observabilidade

Mensageria: Kafka, SQS, SNS

Step Functions e orquestração de pipelines (conceito de DAG)
Arquitetura Medallion (Bronze, Silver e Gold)
Datamesh e governança federada de dados
FinOps aplicado a dados
Ferramentas de qualidade de dados: Great Expectations, Deequ ou PyDeequ
#LI-WC2