In sintesi
- Mansioni: Sviluppa e gestisci scraper per portali di appalti nazionali, trasformando dati disordinati in record puliti.
- Azienda: Azienda innovativa nel settore tech con una cultura collaborativa.
- Benefit: Stipendio competitivo, equity, lavoro remoto e opportunità di sviluppo professionale.
- Altre informazioni: Nessun micromanagement, solo fiducia e libertà di innovare.
- Perché questo lavoro: Possiedi il tuo progetto e fai la differenza in un ambiente dinamico.
- Qualifiche: Esperienza in Python, scraping e SQL; spirito costruttivo e curiosità per l'AI.
La retribuzione prevista è compresa tra 35000 - 45000 € per anno.
La tua missione è portare un tender dal portale sorgente in Cato: scraping, parsing, merging, arricchimento. Inizierai possedendo un numero limitato di fonti end-to-end - lo scraper, il lavoro dietro di esso e i dati che ne derivano - e ne assumerai di più man mano che procedi. Non ti verranno assegnati ticket: sarai responsabile delle fonti.
Cosa farai realmente:
- Costruire e mantenere scraper per portali di tender nazionali, dove leggere la sorgente nella sua lingua originale fa parte del lavoro.
- Mantenere attivi gli scraper: i portali cambiano il loro HTML, spostano gli endpoint, rompono la paginazione, ti limitano. Scoprirai i problemi prima del cliente.
- Trasformare fonti disordinate in record puliti: HTML rotto, XML incoerente, API che mentono sul proprio schema.
- Scrivere e mantenere flussi di orchestrazione: retry, backfill, alerting e una risposta chiara a "L'esecuzione di oggi è andata a buon fine?".
- Lavorare su merge e dedup: lo stesso tender arriva tre volte, in tre forme, e solo una versione può raggiungere il cliente.
- Implementare passaggi di arricchimento AI: estrazione batch LLM dei requisiti, embeddings, OCR sugli allegati.
- Proteggere la qualità dei dati con test e controlli che falliscono rumorosamente prima che un cliente trovi il problema.
Profilo ideale:
- Python che regge: tipizzato, testato e leggibile sei mesi dopo.
- Hai fatto scraping di qualcosa di reale: parsing HTML e XML, paginazione, sessioni, limiti di velocità - e sai perché uno scraper che funzionava ieri è rotto stamattina.
- SQL con cui ti senti a tuo agio: join, aggregazioni, funzioni finestra. Leggerai dal database ogni giorno; ottimizzarlo e gestirlo non è il tuo lavoro.
- Costruttore per default: vedi un processo manuale e il tuo primo istinto è automatizzarlo.
- Comodo con fonti disordinate: HTML rotto, XML incoerente, PDF che erano scansioni di scansioni.
- Chiudi il tuo ciclo: controlli che ciò che hai spedito sia effettivamente andato a buon fine, prima che qualcun altro debba chiedere.
Esperienza:
- 1-2 anni di scrittura in Python in produzione: scraper, script ETL, automazione - qualsiasi cosa che dovesse funzionare senza supervisione e essere corretta quando non lo era.
- Esposizione a un orchestratore (Prefect, Airflow, Dagster) è un vantaggio, non un requisito: imparerai il nostro correttamente.
- Esposizione all'estrazione basata su LLM è benvenuta; la curiosità al riguardo è obbligatoria.
Cosa non troverai qui:
- Nessun micromanagement: ci fidiamo di te per possedere la tua parte dello stack.
- Nessuna mentalità "standard" 9-5: ci interessano i risultati e stiamo cercando persone disposte a fare un passo in più.
- Nessuna scusa del tipo "abbiamo sempre fatto così": siamo qui per interrompere, non per seguire vecchi schemi.
Il nostro Tech Stack:
- Dati & Infra: Python, PostgreSQL, Prefect, AWS
- AI: estrazione batch LLM, embeddings, OCR
Compenso: RAL €35,000 - €45,000 + equity, a seconda del profilo.
Hiring Manager: Lorenzo Rossetto
Junior data engineer - Italia datore di lavoro: Cato
Lavorare come Junior Data Engineer in Italia significa entrare a far parte di un ambiente innovativo e dinamico, dove la tua crescita professionale è una priorità. Offriamo un'ottima cultura del lavoro, priva di micromanagement, che valorizza l'autonomia e l'iniziativa personale, permettendoti di affrontare sfide reali e contribuire attivamente al nostro successo. Inoltre, il nostro pacchetto retributivo competitivo, che include equity, insieme a opportunità di apprendimento continuo nel campo dell'AI e dell'automazione, rende questa posizione particolarmente attraente per chi cerca un impiego significativo e gratificante.
Consigli degli esperti StudySmarter🤫
Ecco come pensiamo che potresti ottenere Junior data engineer - Italia
✨Sfrutta i Meetups di Data Science
Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.
✨Progetti Open Source per Farsi Notare
Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!
✨Unisciti a Comunità Online
Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.
✨Candidati Direttamente su Cato
Non dimenticare di candidarti direttamente sul sito di Cato! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.
Pensiamo che ti servano queste competenze per eccellere come Junior data engineer - Italia
Alcuni consigli per la tua candidatura 🫡
Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!
Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di Cato. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!
Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!
Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di Cato. Mostra loro come pensi e come apprendi!
Come prepararti a un colloquio di lavoro presso Cato
✨Brilla con il tuo Portafoglio
Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!
✨Preparati a Domande Tecniche
Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.
✨Mostra la tua Curiosità
Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.
✨Comunica Chiaramente i Tuoi Risultati
Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.
