Brasilien
SONDA
Azumo
Data Engineer
RemoteBrasilien
Brazil
PythonSQLAWSDockerGoTerraform
Automatische Übersetzung. Prüfe das Original.
Wo diese Rolle angesiedelt ist
Azumo baut und betreibt produktive KI-Systeme für Unternehmen, von Start-ups in der Frühphase bis zu Meta.
Wir stellen einen Data Engineer ein, der die Schicht verantwortet, von der alles andere abhängt: Ingestions- und Transformationspipelines, Speicher- und Warehouse-Design sowie die Abrufinfrastruktur, die KI-Systeme abfragen.
Die Stelle ist vollständig remote in Lateinamerika angesiedelt und an die Arbeitszeiten Ihres Kunden angepasst.
Sie werden keine Pipelines bauen, die erst funktionieren, wenn sich das Schema ändert. Azumo liefert seit 2016 produktive Datensysteme, und die Arbeit hier wird nachgelagert bewertet: ob ein Modell mit dem von Ihnen gelieferten trainiert werden kann, ob eine Abfrage den richtigen Abschnitt zurückgibt, ob eine Zahl einer Befragung durch den Kunden standhält.
Die Engineering-Organisation von Azumo ist in vier Bereiche unterteilt. Der Data Scientist-Bereich verantwortet die Fragestellung und die Methode. Der AI Engineer-Bereich verantwortet das Produktionsverhalten. Der Software Engineer-Bereich verantwortet die KI-gestützte Produktlieferung. Diese Rolle ist der Data Engineer-Bereich und verantwortet Pipelines, Speicher und die Abrufebene.
Eine Frage legt die Grenze fest: Wenn das Ergebnis falsch ist, wessen Problem ist es? „Die Daten fehlten, waren veraltet oder falsch, als sie ankamen“ ist Ihres. „Das System hat mit korrekten Daten das Falsche getan“ ist das des AI Engineers.
Nicht ganz Ihr Profil? Schauen Sie sich unsere anderen Stellenangebote an:
- Wenn Sie entscheiden, was gemessen wird und welche Methode es beantwortet – Data Scientist
- Wenn Sie verantworten, wie sich ein KI-System in der Produktion verhält – AI Engineer
- Wenn Sie Produktsoftware mit Agenten in Ihrer Toolchain ausliefern – AI-Augmented Software Engineer
- Wenn Sie all das oben Genannte getan haben und direkt dem Kunden gegenüber verantwortlich waren – Forward Deployed Engineer
Wie wir arbeiten
Unsere Ingenieure bauen täglich mit KI. Claude Code, Codex und ähnliche Tools sind hier Teil der Standard-Toolchain, kein Experiment. Wir führen eine automatisierte Prüfung des gesamten Codes ab dem ersten Tag und jeden Tag danach durch, bewerten Sicherheits-, Kosten- und Architekturfunde nach Schweregrad mit der genauen Datei und Zeile, sodass ein kleines Team schnell vorankommen kann, ohne dass die Qualität leidet. Wir bleiben herstellerneutral über OpenAI, Anthropic und Open-Weight-Modelle hinweg und betreiben Valkyrie, unsere eigene Produktionsebene, wenn eine einzige Schnittstelle zu jedem Modell die richtige Wahl ist.
Was Sie bauen werden
- Ingestions- und Transformationspipelines. Batch- und Streaming-Ingestion auf Spark, Kafka, dbt und Airflow, wobei Idempotenz, Backfills, Schemaentwicklung und spät ankommende Daten per Design und nicht manuell behandelt werden.
- Speicher und Modellierung. Warehouse- und Lakehouse-Design auf Snowflake, BigQuery, Redshift oder Databricks, wobei Partitionierung, Dateilayout und Abfragekosten als technische Entscheidungen behandelt werden.
- Die Abrufebene. Die Chunking-, Embedding- und Indexierungspipelines, die RAG-Systeme auf pgvector, Pinecone, Qdrant oder Azure AI Search speisen, sowie die Probleme mit Aktualität, Deduplizierung und Berechtigungen, die damit einhergehen.
- Datenqualität als Vertrag. Tests, Erwartungen, Lineage und Alarmierung. Wenn eine Pipeline falsch ist, sollten die nachgelagerten Personen dies von Ihnen hören und nicht vom Kunden.
- Standardmäßig sensible Daten. PII-Klassifizierung, Maskierung, Zeilen- und Spaltenzugriff, Aufbewahrung und Löschung sowie eine Audit-Spur, die Bestand hat, wenn ein Kunde fragt, wer was gelesen hat.
- Produktionsbetrieb. Containerisierte Bereitstellung auf Azure oder AWS, CI/CD, Orchestrierung, Beobachtbarkeit und explizite Kosten- und Laufzeitbudgets, die Sie verantworten und nicht erst nach der Rechnung entdecken.
- Arbeit innerhalb der Umgebung des Kunden. Ihre Repositories, Ihre Stand-ups, manchmal ihre Kundengespräche. Azumo ist SOC 2 zertifiziert, Kundencode verbleibt in den Repositories des Kunden, und einige Engagements haben zusätzliche Anforderungen wie HIPAA.
Über Azumo
Azumo ist ein in San Francisco ansässiges Softwareentwicklungsunternehmen, das seit 2016 intelligente Anwendungen entwickelt. Wir stellen Organisationen Nearshore-KI-Engineering-Teams zur Verfügung, die produktive KI schneller benötigen, als sie dafür einstellen können: als eingebettetes Engineering-Team, als KI-Personalverstärkung neben einem bestehenden Team oder als vollständigen Projekt-Build. Unsere Ingenieure arbeiten von Lateinamerika aus, angepasst an die Zeitzonen der Vereinigten Staaten, und haben für Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth und CENTEGIX geliefert.
Wir stellen nach Seniorität ein und testen diese, bevor jemand einem Kundenteam beitritt. Wir unterstützen Ingenieure dabei, tief in den modernen KI-Stack einzutauchen, und geben Zeit für Open-Source-Arbeit, Community-Lehre und Philanthropie zurück.
Bewerben Sie sich unter azumo.com/join-our-team oder schreiben Sie uns unter people@azumo.com.
Grundlegende Qualifikationen
- 5+ Jahre Erfahrung im Aufbau und Betrieb von produktiven Datenpipelines mit Python und SQL als Ihren Hauptsprachen, plus die dazugehörigen Engineering-Grundlagen: Testing, Code Review, CI/CD, Git, Container und Orchestrierung.
- Tiefgreifende Expertise im Design und Aufbau von Data Warehouses oder Lakehouses, einschließlich dimensionalem Modellieren, inkrementeller Verarbeitung und den Kosten- und Leistungsabwägungen hinter jeder Entscheidung.
- Verteilte Verarbeitung im Produktionsmaßstab mit Spark, Kafka, Flink oder Äquivalent, einschließlich der Fehlermodi, die nur unter Last auftreten.
- Orchestrierung als technische Disziplin und nicht als Cron-Ersatz: Airflow, Dagster oder Prefect, mit Wiederholungsversuchen, Idempotenz und Backfill-Strategien, die Sie verteidigen können.
- Transformation unter Versionskontrolle, mit Tests und Lineage: dbt oder etwas selbst Gebautes.
- Cloud-Bereitstellungserfahrung, Azure bevorzugt und AWS akzeptabel, mit Docker, CI/CD-Pipelines und Infrastructure as Code (GitHub Actions, Terraform oder Bicep).
- Arbeitsdisziplin in Bezug auf Pipeline-Kosten, Laufzeit und Durchsatz. Sie können erklären, was eine Pipeline im Betrieb kostet und was Sie dagegen unternommen haben.
- Aktive Nutzung von KI-gestützten Codierungswerkzeugen wie Claude Code, Cursor oder GitHub Copilot in der tatsächlichen Lieferarbeit.
- Klare schriftliche und mündliche Englischkenntnisse, C1 oder höher, und das Selbstvertrauen, einen technischen Kompromiss direkt gegenüber einem Kunden zu erklären.
- Bachelor-Abschluss in Informatik, Data Science oder einem verwandten Bereich oder gleichwertige Berufserfahrung.
Bevorzugte Qualifikationen
- Vektor- und Abrufinfrastruktur: pgvector, Pinecone, Qdrant, FAISS oder Azure AI Search, und die Probleme mit der Abrufqualität, die damit einhergehen.
- Streaming-, Echtzeit- oder Hochdurchsatz-Workloads.
- Erfahrung mit Cloud-basierten Managed Services wie Airflow, Glue, Elastic Stack, Amazon Redshift, Snowflake, BigQuery, Azure SQL Db, EMR, Databricks.
- Vorerfahrung mit Notebooks unter Verwendung von Jupyter, Google Collab oder ähnlichem.
- Lieferung unter einem Compliance-Regime wie SOC 2 oder HIPAA.
- Beiträge zu Open-Source-Datenbibliotheken, veröffentlichte technische Artikel oder aktive Teilnahme an der Data Engineering-Community.
- Bezahlter Urlaub (PTO)
- US-Feiertage
- KI-Schulungen
- Betreute Karriereentwicklung
- Gewinnbeteiligung
- Vergütung in US-Dollar
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen