Data Engineer pro AI projekt (TOP 300 v EU)

Z DOMOVA

Data Engineer pro AI projekt (TOP 300 v EU)

Jsme mezi TOP 300 technologickými projekty v Evropě (OVHcloud 2025 - Francie) a stavíme AI, která obchodníkům radí, co, kolik a za kolik naskladnit. Hledáme Python/Data engineera pro ETL a doplňování atributů do DataGridu. Běžíme on-prem (PostgreSQL, ClickHouse, Docker). Remote-first, async. Data, která dýchají.

O projektu
Spouštíme ostrý AI pilot na vlastním GPU stacku. Naše data vrstva zásobuje retrievery a predikce – měříme time-to-market v hodinách, ne týdnech. Tech: Python 3.11, PostgreSQL, ClickHouse, Docker, GitHub/GitLab CI.

Co budeš dělat

• Zpracovávat vstupní feedy (CSV/XLSX/JSON) a připravovat je pro retriever pipeline.

• Doplňovat produktové parametry z DataGridu (šířka, materiál, barva…).

• Psát SQL pro validaci a doplňování atributů (ClickHouse, PostgreSQL).

• Monitorovat datovou úplnost/validitu a připravovat tabulky pro embedding a AI výstupy.

• Spolupracovat s vývojářem a PO na zlepšování datové kvality pro predikce/pricing.

Tvůj profil (must-have)

• Python (Pandas, SQLAlchemy), solidní SQL.

• Zkušenost s ETL a verzováním v Gitu (GitHub/GitLab).

• Docker; základní práce s CI (pipeline, testy).

• Umíš psát čitelné skripty a testovat je (pytest).

Výhodou

• dbt nebo Airflow, regexy a datové vzory.

• ClickHouse zkušenost, příprava dat pro vektorové vyhledávání/embedding.

• FastAPI (jednoduché integrační hooky).

Jaké jsou benefity?

• Práce na vlastním on-prem GPU stacku

• Async režim – žádné zbytečné cally

• Reálný dopad – AI, která ovlivní nákupní rozhodování

• Možnost být uveden jako spoluautor pilotu (GitHub, publikace)

• Výkonové bonusy za funkční deployment nebo rychlost inference

• Práce v sandboxu i air-gapped režimu

• Experimenty s LLM, retrievery, optimalizátory, auto-fallback

• Volnost v nástrojích – rádi zkoušíme, co funguje (FastAPI, Streamlit, MLflow, Vault, Terraform...)

Proč si vybrat tuto nabídku?

Nejsme korporát s týmem 40 analytiků, kde tvá práce skončí v tabulce, na kterou se nikdy nikdo nepodívá. Jsme AI projekt oceněný mezi TOP 300 v Evropě (OVHcloud 2025) a tvoje data budou první, která rozhýbou celý systém – od vstupního feedu až po rozhodnutí, co, kolik a za kolik naskladnit. Tohle není typický BI projekt. Nepotřebujeme další graf nebo dashboard. Potřebujeme doplnit chybějící produktové parametry, které reálně ovlivní prodeje – a to hned, ne za tři kvartály. Budeš kombinovat tabulky, texty, kategorie i struktury, a všechno poběží na ostrém systému, ne v sandboxu. Pracujeme s vlastním on-prem GPU clusterem, ne s připojením k OpenAI API. Používáme ClickHouse, MLflow, Llama-2 inference a vektorové vyhledávání. Tvůj kód se stane součástí rozhodovací pipeline, kde výsledek uvidíš – třeba v tom, že se produkt začne konečně prodávat. Pomůžeš nám zrychlit onboarding stovek SKU, snížit množství chyb, doplnit klíčové atributy (šířka, barva, materiál) a zvýšit přesnost AI modelu. Pracujeme remote-first a async – žádné zbytečné meetingy, ale přímý přístup k infrastruktuře. Pokud máš nápad, jak něco dělat líp, chceme ho slyšet. Neřešíme tituly, řešíme výsledek. A pokud se chytneš, můžeš pokračovat dál – třeba i jako spoluautor patentové přihlášky. Tvoje práce bude vidět. A hlavně – bude fungovat.

Hledáme

• Python
• Pandas
• SQL
• PostgreSQL
• ClickHouse
• Git (GitHub/GitLab)
• Docker
• ETL
• Zpracování datových souborů
• Zodpovědnost
• samostatnost
• Technický úsudek
• Orientace na výsledek
• cit pro datovou kvalitu
• Česky - domluvit se
• Anglicky - čtení dokumentace
• Úroveň: Medior
• Úroveň: Senior
• Praxe: 3 roky
• SŠ Vzdělání
• VŠ Vzdělání
• VŠ student

Výhodou

• dbt / Airflow
• Data Quality / completeness testing
• Práce s datovými vzory a regulárními výrazy
• Příprava dat pro embedding (ClickHouse)
• FastAPI