En un coup d'œil
- Missions: Construire et maintenir des pipelines de données batch et streaming.
- Entreprise: Entreprise innovante située au cœur de Paris avec une culture collaborative.
- Avantages: Couverture santé à 100%, congés payés généreux, et bureau lumineux.
- Autres infos: Environnement dynamique avec de nombreuses opportunités de croissance professionnelle.
- Pourquoi ce job: Rejoignez-nous pour optimiser des systèmes de données et avoir un impact réel.
- Qualifications: Expérience senior en construction de pipelines de données et compétences en Python et SQL.
Le salaire estimé est compris entre 61650 - 75350 € par an.
- What You’ll Do
- Build and maintain batch and streaming data pipelines.
- Move production data into archival/data lake storage safely and observably.
- Improve quality, reliability, and observability of derived datasets.
- Design validations for freshness, completeness, schema correctness, and data quality.
- Build reusable datasets that reduce one-off data extraction and aggregation work.
- Optimize queries and data processing jobs for correctness, latency, and cost.
- Prototype in the right tools, then integrate scoped production experiments with the company’s systems where needed.
- Must Have
- Senior-level experience building and operating data pipelines.
- Strong Python and SQL.
- Production experience with Python or Scala.
- Experience with Py Spark, Spark SQL, Spark Streaming, Parquet, and Iceberg.
- Strong understanding of batch and stream processing.
- Query optimization experience.
- Familiarity with data engine internals and distributed data systems.
- Experience with data lakes, table/storage formats, and derived datasets.
Nice To Have• Experience with Flink or similar stream processing systems.
- Experience with ML training or inference pipelines.
- Familiarity with ranking, recommendations, embeddings, or entity resolution.
- Experience with privacy-sensitive data systems, GDPR workflows, or data deletion/export pipelines.
- Experience reading or making scoped changes in Rust-backed systems.
Life at the company To ensure that everyone is set up for success within our way of working, we work together onsite 5 days a week.
- We wanted to make sure coming to the office was as comfortable as possible for you:
- We chose a location in central Paris, near Opera (Metro lines 3,8,9 and RER A).
- We have a beautiful Parisian-style office with high ceilings, balconies, and huge windows. So a lot of natural light!
Because life outside of work should also be stress-free, we cover
- Health care (100% coverage).
- Maternity Leave, Paternity Leave, Second Parent Leave (salary maintained at 100%).
- Vacation days: 8-9 weeks (total) per year - (European summer? 🥹😎).
- 5 weeks of paid time off (by the state);
- 1-2 additional weeks (RTT, based on our company contract);
- ~11 bank holidays.
We shut down entirely twice a year, two weeks in summer and one week in winter to allow everyone to truly recharge and to avoid prolonged slowdowns (especially in the summer).
These pauses are part of your total vacation time, giving everyone a real chance to unplug and recharge.
No Slack, no email, no FOMO.
- Find more English Speaking Jobs in France on Arbeitnow
- #J-18808-Ljbffr
Senior Data Engineer: Pipelines, Lake Storage & Data Quality in Paris employeur : amo
amo est un employeur exceptionnel qui valorise le bien-être de ses employés tout en offrant des opportunités de croissance professionnelle. Situé au cœur de Paris, notre bureau lumineux et accueillant favorise une culture de collaboration où chacun peut s'épanouir. Avec des avantages tels qu'une couverture santé complète, des congés généreux et des pauses pour se ressourcer, nous nous engageons à créer un environnement de travail équilibré et enrichissant.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Senior Data Engineer: Pipelines, Lake Storage & Data Quality in Paris
✨Participe à des meetups de data science
Les meetups de data science sont une super opportunité pour rencontrer des professionnels du secteur en personne. Participe à des événements dans ta ville et n'hésite pas à échanger sur des projets personnels ou des datasets intéressants. Cela peut vraiment t'aider à créer des connexions avec des recruteurs ou des collègues potentiels !
✨Montre tes compétences avec des projets
Rien ne vaut un bon projet pour démontrer tes compétences en data science. Que ce soit un projet sur GitHub ou un blog où tu partages tes analyses, mets en avant ton savoir-faire. Les employeurs adorent voir des exemples concrets de ce que tu sais faire !
✨Vis les forums spécialisés
Rejoins des forums et des communautés en ligne spécifiquement dédiés à la data science, comme Kaggle ou des sous-forums sur Reddit. Non seulement tu pourras apprendre des autres, mais tu seras aussi au courant des opportunités d'emploi qui sont souvent partagées dans ces espaces.
✨Postule directement sur le site de amo
N’oublie pas de consulter notre site web pour des offres de full-time en data science chez amo. C'est souvent là qu’on affiche nos postes en premier, et postuler directement peut te donner un avantage ! Fais-le !
Nous pensons qu'il te faut ces compétences pour exceller en tant que Senior Data Engineer: Pipelines, Lake Storage & Data Quality in Paris
Quelques conseils pour ta candidature 🫡
Mets en avant tes compétences techniques:Pour le poste de data scientist chez amo, il est crucial de montrer tes compétences techniques. Assure-toi que ton CV liste des outils et langages de programmation que tu maîtrises, comme Python, R, ou SQL. N'oublie pas d'inclure des projets où tu as utilisé ces compétences, comme des analyses de données ou des modèles prédictifs.
Fais briller tes expériences de projet:Parle de tes projets en data science de manière détaillée dans ta lettre de motivation ou ton CV. Décris les problèmes que tu as résolus, les méthodes que tu as employées, et les résultats obtenus. Ça montrera à amo que tu sais appliquer la théorie à la pratique, ce qui est super important dans ce domaine.
Personnalise ta lettre de motivation:Quand tu rédiges ta lettre de motivation, mets l'accent sur pourquoi tu veux travailler spécifiquement chez amo. Mentionne ce qui te passionne dans leurs projets ou leurs valeurs, et comment tes aspirations s'alignent avec celles de l'entreprise. Ça donnera du poids à ta candidature !
Soigne le format de ton CV:Pour un poste à temps plein, il est essentiel d'avoir un CV clair et bien structuré. N'hésite pas à utiliser des graphiques pour illustrer tes compétences en data science, comme tes niveaux de maîtrise dans différents langages. Sinon, utilise des sections bien définies pour les projets, les expériences et les formations afin que tout soit facile à lire.
Comment te préparer à un entretien d'embauche chez amo
✨Prépare ton arsenal technique !
En data science, les compétences techniques sont primordiales. Sois prêt à répondre à des questions sur les algorithmes, la modélisation des données, et les langages de programmation comme Python ou R. N'hésite pas à réviser quelques concepts de machine learning et à pratiquer des analyses de données sur des jeux de données réels.
✨Montre ton portfolio
Pour un poste à temps plein, ce qui peut faire la différence, c’est un bon portfolio ! Prépare des projets clairs qui démontrent tes compétences en data science, comme des analyses que tu as réalisées ou des visualisations percutantes. Sois prêt à en discuter en profondeur pour prouver ta maîtrise technique.
✨Anticipe les études de cas
Les interviews en data science comportent souvent des études de cas où l'on te demande de résoudre un problème concret. Prépare-toi à décrire ta démarche pour analyser des données, définir des KPI ou même créer un modèle prédictif. Pratique avec des cas d’études donnés par des sites spécialisés ou lors de compétitions en ligne.
✨Comprends le business derrière les données
Au-delà des compétences techniques, les entreprises veulent savoir comment tu peux contribuer à leurs objectifs. Familiarise-toi avec les problématiques du secteur de amo et sois prêt à discuter comment tes compétences peuvent répondre à leurs besoins spécifiques en data science.
