Data Engineer
Stefanini Latam

Peru
•15 horas atrás
•Nenhuma candidatura
Sobre
¡Sé parte de Stefanini!En Stefanini somos más de 30.000 genios, conectados desde 41 países, haciendo lo que les apasiona y co-creando un futuro mejor.Responsabilidades y atribucionesDiseñar, desarrollar y optimizar procesos ETL de inicio a fin, garantizando la eficiencia y calidad de los datos. Mantener comunicación fluida y proactiva con los equipos involucrados, así como responsabilidad en las tareas.Requisitos y calificacionesProfesionales de la carrera de Sistemas o afinesExperiencia comprobada de 2 a4 años en SQL avanzado, procesos ETL y análisis de datos.SQL Intermedio-Avanzado - Concimientos sólidos de comandos DDL, DCL, DML, TCL. Lectura y entendimiento de planes de ejecución para optimización de queries. Estructuración de Stored Procedures para queries dinámicos.Experiencia de trabajo en equipos de desarrollo bajo metodologías Scrum y Kanban.DESEABLE (No Indispensable):Teradata Vantage Intermedio - Conocimientos de arquitectura de paralelismo (AMP), optimización de consultas y construcción de Stored Procedures (SP) con queries dinámicos. Hive, Nifi, Spark, Cloudera.Oracle Intermedio - Conocimientos de arquitectura de paralelismo con empleo de Hints, optimización de consultas mediante análisis de planes de ejecución, empleo y definición de índices (B+ Tree / Hash como mínimo) y construcción de Stored Procedures (SP) con queries dinámicos.Python - Estructuración y construcción de programas para interacción con Base de Datos y automatización de procesos. Incluye conocimiento de estructura de datos tales como colas, pilas, árboles, dataframes y grafos.Linux - Manejo de herramientas de automatización por intermedio de shells (creación, modificación y utilización) / programación de tareas por intermedio de crontab / comandos básicos de linux enfocados en manipulación de archivos, conexiones por ssh y sftp.Analítica básico - Análisis Exploratorio de Datos (EDA) con python y SQL / Modelos de Machine Learning (ML) de regresión, clasificación y clustering con librerías de Scikit-learn y Pytorch (ML y afines )



