Data Architecture & Visualization Developer

Mission Nel mercato dell’Advanced Analytics & Artificial Intelligence (AI) in cui opera Ammagamma, il Data Scientist rappresenta il ruolo cardine nel costruire modelli analitici capaci di trasformare enormi quantità di dati in informazioni di business. Per aver successo in progetti di AI e Analytics occorre allagare il modello organizzativo considerando Data Team agile e cross-functional che includano anche Data Engineer, Data Architects, Data Visualization Expert e Translator. Il Data Architecture & Visualization Developer si prende cura del dato in tutta la sua filiera, dalla ricezione presso il cliente alla sua visualizzazione: progetta e realizza architetture complesse per applicativi basati su un grosso contenuto di dati, individua i tool e le librerie più adatte alla risoluzione di problemi inerenti allo sviluppo, supporta i Data Scientist nello sviluppo degli algoritmi predittivi e si occupa della messa in produzione degli stessi. Responsabilità Gestione del ciclo di vita del proprio software dall’inizio (raccolta requisiti e design architetturale) alla fine (deploy e monitoraggio) Guida dei colleghi con meno esperienza Setup di ambienti di analisi dati in Linux per abilitare Data Scientist all’analisi Autonomia nelle decisioni tecniche Interlocuzione diretta con il cliente per quanto riguarda lo stream progettuale che lo riguarda Report al Team Leader o al Project Manager dello stato di avanzamento delle proprie attività Competenze Hard skill – must-have: Conoscenza approfondita di SQL Buona capacità di creazione e gestione di un database relazionale (e.g. PostgreSQL) Conoscenza di base delle tecniche di ottimizzazione delle basi di dati (e.g. indicizzazione e partizionamento) Buona conoscenza di Docker Buona conoscenza di pattern architetturali e di sviluppo Buona capacità di sviluppo API e servizi web Buona capacità di setup ambiente di sviluppo e deploy su Linux Autonomia nell’utilizzo della linea di comando (bash) Ottima capacità di utilizzare git con workflow semplici Buona capacità di analisi funzionale e traduzione dei desiderata del cliente in requisiti tecnici Conoscenza di base in merito a concetti generali di statistica e analisi dati Hard skill – nice-to-have: Conoscenza di base di tecnologie di orchestrazione, specialmente Kubernetes Ottima capacità di sviluppo web full stack: DB Relazionale (PostgreSQL), Framework web Python (Flask/Django), Frontend Javascript (React o jQuery) Buona conoscenza di librerie di analisi dati in Python, specialmente Pandas e NumPy Ottima capacità di sviluppo in cloud (sia IaaS che PaaS) Buona capacità di realizzazione e utilizzo infrastrutture cloud per analisi Big Data (e.g. Cloudera o servizi AWS come Glue o EMR) Conoscenza di base di tecnologie di analisi Big Data, specialmente Spark Conoscenza di base di sistemi di analisi dati geospaziali come GIS Conoscenza di base in merito alla gestione di VPN e networking in generale Soft skill: Senso di coinvolgimento attivo e responsabilità nei confronti del proprio lavoro Desideroso di fare da guida a colleghi meno esperti Desideroso di essere una figura a cavallo tra il mondo dello sviluppo full stack tradizionale e quello dell’analisi dati Mentalità in grado di coniugare le esigenze di business con quelle tecniche Flessibilità nel passare da un compito all’altro Curiosità nell’esplorazione di nuove tecnologie e creatività nell’approccio a problemi nuovi che potrebbero necessitare di soluzioni non immediatamente evidenti Problem solver autonomo e pragmatico Proattivo nell’aiuto ...