Ingeniero de Datos
Aumente sus posibilidades de llegar a la fase de entrevista leyendo la descripción completa del puesto y enviando su solicitud sin demora.

¿Te apasiona transformar datos en valor, construir pipelines eficientes y trabajar con tecnologías de Big Data y Machine Learning?
En Syntonize seguimos creciendo y buscamos a alguien como tú para ayudarnos a construir la infraestructura de datos del futuro.
Lo que harás
- Diseñar, desarrollar y mantener pipelines de datos robustos y escalables en AWS o en Azure.
- Procesar grandes volúmenes de datos utilizando PySpark y otras tecnologías del ecosistema Big Data.
- Optimizar consultas y procesos de datos para asegurar la fiabilidad y el rendimiento.
- Crear scripts y automatizaciones en Python para simplificar la ingestión y transformación de datos.

Lo que buscamos en ti
- Experiencia y conocimiento sólido de AWS (imprescindible) o en Azure.
- Manejo avanzado de PySpark para procesamiento de datos.
- Buen nivel de Python para scripting y desarrollo de pipelines.
- Experiencia con Git y entornos de control de versiones.




- Deseable familiaridad con el ciclo de vida de proyectos de Machine Learning.
- Capacidad para trabajar en equipo, resolver problemas y mucha motivación por aprender y crecer en el mundo de la ingeniería de datos.

¿Qué te ofrecemos?
En Syntonize, queremos que te sientas como en casa Aquí tienes un contexto donde crecer, innovar y disfrutar mientras trabajas:
- Equipo: Trabajarás codo con codo con un grupo experto en ingeniería de software, Data y AI, en una boutique tecnológica donde la colaboración y el buen rollo son la base.
- Proyectos: Participarás en desafíos técnicos de alto impacto que te harán crecer como profesional.
- Crecimiento: Tendrás oportunidades reales para aprender, formarte y llevar tu carrera al siguiente nivel.
- Innovación: Formarás parte de un equipo que vive y respira tecnología, siempre buscando nuevas formas de hacer las cosas.

Beneficios que marcan la diferencia
Qu

📌 Data Engineer (Madrid)
🏢 Syntonize
📍 Madrid