# Mid / Mid+ Data Engineer (Python) at WEBSENSA
Source: https://true-hire-ten.vercel.app/jobs/mid-mid-data-engineer-python-websensa-2j53dct6 · Company profile: https://true-hire-ten.vercel.app/companies/websensa · Apply on the employer's site: https://nofluffjobs.com/job/mid-mid-data-engineer-python-websensa-warszawa?utm_source=freehire.me
**In short:** Mid/Mid+ Data Engineer developing WEBSENSA's production Feature Store platform, which computes, stores and serves features for ML models on AdTech/e-commerce projects. Day to day: building and optimizing large-scale data pipelines in Python (PySpark, Polars, Airflow, ClickHouse, Delta Lake/Iceberg), with some Golang, in a hybrid Warsaw model.

## Job details
- Location: Warszawa, Poland
- Work mode: Hybrid
- Seniority tag: Mid-level
- Category: Data Engineering
- Countries: Poland
- Posted: 2026-11-02 (17 days ago, stale)
- Skills named: ai, airflow, azure, big-data, ci-cd, claude-code, cli, clickhouse, cloud, data-engineering, data-science, delta-lake, django, docker, ecommerce, gcp, git, github, github-copilot, go, iceberg, jest, kafka, kubeflow, kubernetes, lakehouse, machine-learning, mlops, observability, parquet, polars, pyspark, python, redis, spark, sql, unit-testing
## Requirements

- Very good knowledge of Python
- Experience building, developing and maintaining production data pipelines
- Practical knowledge of PySpark or another distributed processing tool
- Very good knowledge of SQL
- Experience processing large datasets, including volumes exceeding available memory
- Knowledge of data pipeline orchestration tools, e.g. Airflow or Argo Workflows
- Practical knowledge of Git and Docker
- Knowledge of data pipeline design best practices and writing readable, testable, maintainable code
- Ability to debug and analyze technical problems
- Independence, ownership of delivered tasks and practical problem-solving mindset
- Care for code quality, data correctness and good development practices
- Openness to contact with platform users, understanding their needs and supporting them
- Willingness to continuously learn and explore new technologies
- Communicative Polish language skills
- Readiness to work in a hybrid model

## Nice to have

- Experience with lakehouse formats/technologies, e.g. Delta Lake or Apache Iceberg
- Knowledge of Polars
- Experience with analytical databases, e.g. ClickHouse or StarRocks
- Knowledge of Redis or other fast data-serving solutions
- Knowledge of Golang
- Experience with Django or building backend services for data platforms
- Experience with Feature Store platforms, e.g. Feast, Tecton or Hopsworks
- Knowledge of MLOps and preparing data for ML models
- Knowledge of distributed processing/compute job tools, e.g. Ray or Kubeflow
- Experience with message queues and data streaming, e.g. Kafka
- Experience with Kubernetes and cloud environments, e.g. GCP or Azure
- Experience with CI/CD and automation of development processes
- Experience writing unit, integration and data quality tests
- Skills with monitoring, logging and observability tools
- Effective use of AI coding tools (Claude Code, Cursor, Codex, Gemini CLI, GitHub Copilot or similar) and openness to agentic development

## About the role
Szukamy **Mid / Mid+ Data Engineera**, który dołączy do zespołu rozwijającego platformę **Feature Store** – rozwiązanie odpowiedzialne za obliczanie, przechowywanie i udostępnianie cech wykorzystywanych przez modele uczenia maszynowego.

Będziesz pracować nad rozwojem produkcyjnej platformy danych, budując i optymalizując pipeline'y przetwarzające duże wolumeny informacji. Projekty obejmują m.in. pobieranie danych z hurtowni analitycznych, przetwarzanie rozproszone, przygotowywanie i przechowywanie danych oraz udostępnianie ich systemom i modelom ML.

Głównym językiem programowania jest **Python**, a w codziennej pracy wykorzystujemy technologie takie jak **PySpark, Polars, Airflow, ClickHouse, Delta Lake czy Apache Iceberg**. W wybranych komponentach korzystamy również z Golanga.

To rola dla osoby, która dobrze zna Pythona, ma doświadczenie w przetwarzaniu dużych zbiorów danych i chce rozwijać praktyczne, produkcyjne rozwiązania na styku **Data Engineering i Machine Learning**.

## Technologie, z którymi możesz pracować

- Python
- PySpark / Apache Spark
- Polars
- SQL
- ClickHouse / StarRocks
- Delta Lake / Apache Iceberg / Parquet
- Airflow / Argo Workflows
- Redis
- Docker / Kubernetes
- Django
- Golang
- Git / CI/CD
- Google Cloud Platform / Microsoft Azure
- Narzędzia AI dla developerów: Claude Code, Cursor, Codex, Gemini CLI, GitHub Copilot lub podobne

## Kogo szukamy

Szukamy osoby na poziomie **mid / mid+**, która:

- ma praktyczne doświadczenie w pracy z Pythonem i przetwarzaniem dużych zbiorów danych;
- potrafi samodzielnie projektować, budować i rozwijać pipeline'y danych;
- rozumie, że dobry pipeline to nie tylko działający kod, ale też poprawność danych, wydajność, idempotentność i utrzymywalność;
- potrafi dobierać narzędzia i podejście do skali oraz charakteru przetwarzanych danych;
- dobrze odnajduje się w pracy z istniejącymi systemami i potrafi rozwijać je bez pogarszania ich jakości;
- potrafi analizować problemy techniczne i szukać prostych, skutecznych rozwiązań;
- ma nastawienie „can-do” i bierze odpowiedzialność za dowożone zadania;
- zwraca uwagę na jakość kodu, dobre praktyki i sensowną architekturę danych;
- jest otwarta na nowe technologie i nie boi się pracy z narzędziami, których wcześniej nie znała;
- nie boi się sięgnąć po Golanga, gdy wymaga tego zadanie;
- potrafi rozmawiać z użytkownikami platformy, zrozumieć ich problemy i pomóc w znalezieniu rozwiązania;
- chce korzystać z narzędzi AI wspierających programowanie i jest otwarta na agentowe podejście do developmentu;
- dobrze współpracuje z zespołem technicznym, data science i produktowym;
- odpowiada jej praca w modelu hybrydowym.

## Co oferujemy

- Pracę przy rozwoju produkcyjnej platformy Feature Store.
- Udział w projektach z obszaru AdTech i e-commerce, na styku inżynierii danych i uczenia maszynowego.
- Pracę z dużymi wolumenami danych i technologiami big data.
- Możliwość rozwijania istniejących systemów oraz budowania nowych komponentów od zera.
- Współpracę z doświadczonym zespołem technologicznym i data science.
- Możliwość wpływu na architekturę danych, wybór rozwiązań technicznych i jakość kodu.
- Pracę z nowoczesnym ekosystemem przetwarzania danych, m.in. Spark, Polars, Delta Lake, Iceberg i ClickHouse.
- Przestrzeń do proponowania usprawnień technicznych i optymalizacji istniejących rozwiązań.
- Możliwość korzystania z nowoczesnych narzędzi AI wspierających programowanie.
- Możliwość rozwoju w kierunku Senior Data Engineera, ML Platform Engineera, Tech Leada lub Architekta Danych.

Obowiązkowe:

- Bardzo dobra znajomość Pythona.
- Doświadczenie w budowaniu, rozwijaniu i utrzymywaniu produkcyjnych pipeline'ów danych.
- Praktyczna znajomość PySpark lub innego narzędzia do przetwarzania rozproszonego.
- Bardzo dobra znajomość SQL.
- Doświadczenie w przetwarzaniu dużych zbiorów danych, w tym wolumenów przekraczających dostępną pamięć operacyjną.
- Znajomość narzędzi do orkiestracji przepływów danych, np. Airflow lub Argo Workflows.
- Praktyczna znajomość Git i Dockera.
- Znajomość dobrych praktyk projektowania i rozwijania pipeline'ów danych.
- Umiejętność pisania czytelnego, testowalnego i utrzymywalnego kodu.
- Umiejętność debugowania i analizowania problemów technicznych.
- Samodzielność w realizacji zadań i odpowiedzialność za dostarczane rozwiązania.
- Nastawienie na rozwiązywanie problemów i szukanie praktycznych rozwiązań.
- Dbałość o jakość kodu, poprawność danych i stosowanie dobrych praktyk developerskich.
- Otwartość na kontakt z użytkownikami platformy, rozumienie ich potrzeb i wspieranie ich w korzystaniu z rozwijanych rozwiązań.
- Chęć ciągłego rozwoju i poznawania nowych technologii.
- Komunikatywność w języku polskim.
- Gotowość do pracy w trybie hybrydowym.

Mile widziane:

- Doświadczenie z formatami i technologiami lakehouse, np. Delta Lake lub Apache Iceberg.
- Znajomość biblioteki Polars.
- Doświadczenie z analitycznymi bazami danych, np. ClickHouse lub StarRocks.
- Znajomość Redis lub innych rozwiązań wykorzystywanych do szybkiego udostępniania danych.
- Znajomość Golanga.
- Doświadczenie z frameworkiem Django lub budową usług backendowych wspierających platformy danych.
- Doświadczenie z platformami Feature Store, np. Feast, Tecton lub Hopsworks.
- Znajomość zagadnień MLOps i przygotowywania danych na potrzeby modeli Machine Learning.
- Znajomość narzędzi do rozproszonego przetwarzania danych i zarządzania zadaniami obliczeniowymi, np. Ray lub Kubeflow.
- Doświadczenie z systemami kolejkowymi i streamingiem danych, np. Kafka.
- Doświadczenie z Kubernetes i środowiskami chmurowymi, np. GCP lub Azure.
- Doświadczenie z CI/CD i automatyzacją procesów developerskich.
- Doświadczenie w pisaniu testów jednostkowych, integracyjnych i testów jakości danych.
- Umiejętność pracy z narzędziami monitoringu, logowania i obserwowalności.
- Umiejętność efektywnej pracy z narzędziami AI wspierającymi programowanie, np. Claude Code, Cursor, Codex, Gemini CLI, GitHub Copilot lub podobnymi.
- Otwartość na podejście agentowego kodowania i automatyzację części zadań developerskich.
© TrueHire. Listing data from freehire; applications go to the employer's own page.