Developer Python / PySpark / Databricks

En Hopla Software buscamos incorporar un/a Developer Python / PySpark / Databricks para formar parte de nuestro equipo de Datos. Buscamos un perfil con autonomía técnica, orientación a buenas prácticas y capacidad para aportar soluciones eficientes en el procesamiento de datos y arquitecturas Big Data. ¿Cuáles serán tus funciones? 🚀 Diseñar, desarrollar y mantener pipelines ETL/ELT eficientes sobre entornos distribuidos. Desarrollar código limpio y modular en Python enfocado en el procesamiento de datos a gran escala. Crear y optimizar cargas de trabajo en Databricks y PySpark, garantizando el uso eficiente de recursos de máquina (memoria RAM, clústeres y cómputo). Dar soporte técnico a la integración de flujos de datos con modelos de Inteligencia Artificial (IA) y entornos analíticos. Diagnosticar y resolver cuellos de botella de rendimiento y memoria en entornos de producción. Colaborar en un equipo ágil asegurando la calidad y robustez de los pipelines. ¿Qué ofrecemos? 💳 📄 Contrato Indefinido 💻 Teletrabajo 100% 🕓 Flexibilidad horaria y jornada intensiva los viernes 🏥 Seguro médico privado 💳 Retribución flexible (transporte, restaurante, guardería) 📚 Programa de formación y certificación continua 🎉 Eventos de empresa y ambiente de trabajo colaborativo Requisitos ¿Qué requisitos buscamos en ti? 🛠️ Requisitos Mínimos Formación en Ingeniería Informática, Telecomunicaciones, Matemáticas, FP Superior o experiencia equivalente. Dominio en el desarrollo con Python y manejo fluido de consultas avanzadas en SQL. Experiencia demostrable trabajando con PySpark (Spark Core / Spark SQL). Manejo solvente del entorno Databricks (gestión de clústeres, notebooks y optimización en Delta Lake). Capacidad de autonomía técnica y resolución de problemas en pipelines de datos. Requisitos deseables (¡Suma puntos!): Experiencia o conocimientos en proveedores Cloud (AWS, Azure o GCP). Uso habitual de herramientas de control de versiones (Git) y flujos CI/CD. Familiaridad con orquestadores de datos (como Airflow) o buenas prácticas de Data Engineering.