DATA ENGINEER (AGENTS & ETL)

SOBRE EL PUESTO. Buscamos un/a ingeniero/a para incorporarse a nuestro equipo de datos. Trabajarás en sistemas de extracción y procesamiento de datos, y en los agentes de inteligencia artificial que apoyan estos procesos. El puesto combina desarrollo, operaciones e infraestructura, con foco en la confiabilidad de los sistemas. RESPONSABILIDADES. Mantener y mejorar parsers, scrapers y sistemas de extracción de datos de PDF y HTML mediante flujos de trabajo basados en agentes de IA. Desarrollar y mantener los agentes y sus entornos de ejecución y control (harnesses) para generar, ejecutar y revisar código de extracción de datos. Participar en la migración y modernización de las plataformas existentes. Diagnosticar y resolver problemas operativos en producción. Comprender el funcionamiento de la infraestructura del equipo. Probar, ajustar y mantener sistemas que se ejecutan en infraestructura local (on-premise). REQUISITOS. Python: Dominio avanzado de Python 3.12: tipado, pruebas con pytest y desarrollo de código mantenible en bases de código de gran tamaño. Capacidad para leer, comprender, depurar y modificar código existente. Programación asíncrona en Python: asyncio, operaciones concurrentes de entrada/salida (I/O) y criterio para determinar cuándo conviene utilizar hilos o procesos. Desarrollo de APIs con FastAPI. Extracción de datos: Extracción de datos de PDF con pdfplumber, pdfminer o PyMuPDF, trabajando con coordenadas, fuentes tipográficas, líneas dibujadas e imágenes. Extracción de datos de HTML mediante XPath o selectores CSS, utilizando lxml, parsel o herramientas similares. Web scraping: solicitudes HTTP y APIs, scraping asíncrono, proxies y automatización de navegadores con Playwright o herramientas similares. Capacidad para identificar y corregir problemas de parsing. Agentes de IA: Experiencia con agentes de programación como Claude Code, Codex u otros en tareas de varias etapas: redacción de prompts y tareas, definición de herramientas y permisos, y evaluación de resultados mediante métricas. Desarrollo o mantenimiento de entornos de ejecución y control de agentes (harnesses): ejecución de agentes como subprocesos, lectura de sus eventos y gestión de límites de tiempo, presupuestos de ejecución, aislamiento (sandboxing) y subagentes. Uso de APIs y SDKs compatibles con OpenAI para trabajar con OpenRouter, OpenAI o modelos de lenguaje locales. Ejecución de varios agentes en paralelo y revisión de su trabajo. Infraestructura: Linux: trabajo habitual con servidores, procesos, registros (logs) y recursos del sistema. Docker y Docker Compose: creación de imágenes, ejecución de contenedores y diagnóstico de problemas. Operación y mantenimiento de servicios en producción en infraestructura local (on-premise). Datos y herramientas: MongoDB con pymongo. SQL y bases de datos relacionales: PostgreSQL y SQLAlchemy. Git, con revisión de código como parte del flujo de trabajo. CONOCIMIENTOS Y EXPERIENCIA DESEABLES. Experiencia en sistemas de procesamiento de datos o scraping a gran escala. Conocimientos de arquitecturas distribuidas y colas de tareas. Diseño de sistemas y arquitectura de software. Familiaridad con sistemas antibot: fingerprinting, control de la frecuencia de solicitudes (rate limiting) y gestión de sesiones. Conocimientos básicos de infraestructura en AWS. Definición de contratos de datos tipados con Pydantic y verificaciones estrictas con mypy y Ruff. React/TypeScript. Pipelines de CI/CD con GitHub Actions o herramientas similares. Capacidad para leer documentos en otros idiomas, además del español y el inglés. … mais Pesquise vagas mais rápido com Premium Acesse informações sobre empresas, como prioridades estratégicas, tendências de número de funcionários e muito mais Jonatas e outros milhões de usuários têm contas Premium Reative o Premium Aproveite o suporte 24 horas e cancele quando quiser.