Must have

• ETL

• AI

• SQL

• Clickhouse

Nice to have

• Blockchain

• Data engineering

• Python

• pandas

• NumPy

• SQL

• Docker

• Git

• API

• Open source

• Hugging Face

• scikit-learn

• R

• Web3

• Polish (Fluent)

• English (B2)

Requirements description

Original text.  Show translation

🧠 Profil idealnego kandydata

• 2–5 lat doświadczenia komercyjnego w inżynierii danych (minimum 2 lata w zakresie ETL/pipeline’ów)
• Zorientowanie na skalowalne systemy i wysoką jakość architektury danych
• Proaktywność, samodzielność i gotowość do pracy w dynamicznym środowisku startupowym
• Doświadczenie w Web3 (mile widziane)

Offer description

Original text.  Show translation

💼 Software Engineer (Data/ETL) – Web3 & AI Infrastructure

Poszukujemy doświadczonego Inżyniera Oprogramowania (Data/ETL), który dołączy do naszego zespołu i pomoże budować wydajne oraz skalowalne systemy przetwarzania danych w środowisku o wysokiej dynamice rozwoju. Jeśli posiadasz doświadczenie w projektowaniu złożonych pipeline’ów ETL, potrafisz optymalizować bazy danych i interesujesz się integracją AI/LLM w kontekście danych – ta rola jest dla Ciebie. Mile widziane doświadczenie w branży Web3 i blockchain.

🔍 Zakres kompetencji (wymagane)

📊 Core Data Engineering

• Projektowanie złożonych pipeline’ów ETL (wieloetapowe, wysokowolumenowe przetwarzanie, inteligentne filtrowanie)
• Orkiestracja workflowów – zarządzanie DAG-ami, zależnościami, monitoring w środowiskach kontenerowych
• Python na poziomie zaawansowanym – transformacje danych, praca z pandas/numpy, integracja z ML pipeline’ami
• Optymalizacja baz danych – zaawansowane zapytania SQL, tuning wydajności, praca z systemami rozproszonymi
• Docker – środowiska kontenerowe, zarządzanie wieloma usługami

🏗️ Projektowanie baz danych

• Złożone schematy relacyjne – projektowanie struktur i modeli danych
• Optymalizacja zapytań – indeksy, partycjonowanie, replikacja
• Hurtownie danych – agregacje, schematy ewolucyjne, wersjonowanie
• Obsługa danych w skali – przetwarzanie wsadowe, walidacja, obsługa błędów

🧰 Technologie i narzędzia

• SQL oraz Clickhouse – złożone zapytania, joiny, subquery, analiza execution planów, optymalizacja wydajności w środowiskach big data

• Systemy wyszukiwania i indeksowania – w tym embeddingi i silniki wektorowe (np. FAISS, Qdrant, Weaviate)

• Przetwarzanie strumieniowe – insert streaming, Change Data Capture (CDC)

• Kompresja, backupy, odzyskiwanie danych

• Doświadczenie w pracy z danymi z Twittera lub Telegrama - duży plus

🤖 Integracja z AI i LLM

• Praca z modelami open source (Llama, Mixtral) i API (OpenAI, Gemini) – optymalizacja kosztów i inferencji
• HuggingFace – transformers, fine-tuning, tokenizacja
• Pipelines embeddingowe – konwersja tekstu do wektorów, batch processing
• Prompt engineering – klasyfikacja, analiza treści, streszczanie

📈 Stack Data Science & ML

• Scikit-learn – inżynieria cech, redukcja wymiarowości, preprocessing
• Przetwarzanie dużych zbiorów danych – optymalizacja pamięci, chunking
• Systemy ML produkcyjnie – wersjonowanie modeli, inferencja, A/B testy, monitoring

🌐 Wiedza domenowa (mile widziana)

• Analiza treści i zachowań użytkowników, klasyfikacja, sentiment analysis
• Kampanie airdropowe – mechanika, kwalifikacja, dystrybucja nagród
• Ekosystem Web3 – dane on-chain, DeFi, tokenomia, smart kontrakty

🔎 Dopasowanie kulturowe

• Silna inicjatywa i samodzielność – działasz bez mikrozarządzania
• Pełna odpowiedzialność za dostarczane rozwiązania
• Elastyczność – umiesz dostosować się do zmieniających się priorytetów
• Orientacja na rezultat – liczy się efekt, nie liczba spotkań

🚩 Czego unikamy

• Mentalność korporacyjna lub ściśle 9–17
• Opór przed nowymi technologiami i zmianą zakresu zadań
• Przeciążanie procesami i strukturą
• Niska świadomość skalowania i wydajności baz danych

🎁 Co oferujemy

• Możliwość pracy w pełni zdalnej, jednak preferowani są kandydaci otwarci na tryb hybrydowy – z obecnością w biurze w Warszawie 1–2 dni w tygodniu
• Umowę w modelu B2B
• Pakiet prywatnej opieki zdrowotnej + Multisport

Your responsibilities

Original text.  Show translation

1. Git – kontrola wersji, praca zespołowa, strategia branchowania
2. Architektura kodu – modularność, zarządzanie zależnościami
3. Testowanie – jednostkowe, integracyjne, walidacja danych
4. CI/CD – automatyczne testy i wdrożenia, zarządzanie środowiskami
5. Dokumentacja – kodu, API, specyfikacji technicznych