Senior Data Engineer Python Spark — Remoto - México, Colombia, Brasil — AI Media -

Descripción del puesto

Sobre la vacante

TeamStation AI está buscando un Senior Data Engineer – Python Spark Architect para unirse a su equipo. Este rol es para profesionales con 6+ años de experiencia en la construcción de sistemas de datos a gran escala. No se trata solo de mantener pipelines, sino de arquitectar el futuro de las plataformas de datos para una plataforma global de medios Out-of-Home (OOH).

Responsabilidades principales:

• Arquitectar y optimizar pipelines de datos escalables (batch y streaming)
• Trabajar directamente con Apache Spark y Databricks
• Garantizar calidad, confiabilidad y rendimiento de los datos
• Diseñar modelos de datos eficientes en Snowflake / AWS Redshift
• Construir soluciones cloud-native en AWS (Glue, EMR, S3, Kinesis)
• Colaborar con equipos globales de ingeniería y ciencia de datos

Modalidad: 100% remoto Ubicaciones elegibles: México, Colombia, Brasil Tipo de datos: Masivos, geospatiales, de comportamiento y transaccionales que alimentan modelos de AI/ML

¿Por qué deberías aplicar?

Esta es una oportunidad para arquitectar desde cero plataformas de datos que impactarán directamente cómo los científicos de datos y equipos de negocio toman decisiones a nivel mundial. Trabajarás con conjuntos de datos masivos y complejos que impulsan una plataforma de medios global, lo que te permitirá desarrollar habilidades de arquitectura de alto nivel y colaborar en un entorno internacional. Si buscas un rol donde tu trabajo tenga un impacto tangible en productos de AI y puedas crecer como líder técnico, esta posición es ideal.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Técnicas: Python avanzado, Apache Spark, Databricks, AWS (Glue, EMR, S3, Kinesis), Snowflake/Redshift, diseño de pipelines ETL/ELT, modelado de datos
• Soft skills: Pensamiento arquitectónico, colaboración global, comunicación efectiva, resolución de problemas complejos

Tips prácticos para este puesto

• Enfócate en demostrar experiencia con datos a gran escala en tu portafolio o entrevistas
• Prepara ejemplos concretos de cómo has optimizado pipelines para mejorar rendimiento
• Investiga sobre geospatial data y su aplicación en medios OOH para destacar
• Practica explicar conceptos técnicos a equipos no técnicos, clave para colaborar con ciencia de datos

Recursos recomendados

• Tools: Databricks documentation, AWS Big Data services, Snowflake best practices
• Librerías: PySpark, pandas, GeoPandas para datos geospatiales
• Influencers: Follow data engineering leaders on LinkedIn like Zhamak Dehghani (creator of Data Mesh)
• Cursos: Advanced Spark and Databricks on Coursera, AWS Data Engineering specialization

Preguntas frecuentes en entrevistas para este rol

• Pregunta 1: "Describe cómo diseñarías un pipeline de streaming para datos geospatiales en tiempo real." *Tip: Enfócate en escalabilidad, latencia baja y uso de servicios AWS como Kinesis.*
• Pregunta 2: "¿Cómo aseguras la calidad de datos en un entorno de big data?" *Tip: Menciona validaciones, monitoreo y herramientas como Great Expectations o Deequ.*
• Pregunta 3: "Explica una vez que optimizaste un job de Spark que era lento." *Tip: Detalla pasos como profiling, ajuste de particiones, o uso de broadcast joins.*

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Mid | $3,500 - $5,500 | | Senior | $5,500 - $8,500 |

*Nota: Varía según país, empresa, modalidad (remoto internacional paga más) y tecnologías específicas. Empresas de USA/EU pagando en LATAM suelen ofrecer 30-50% más. Para este rol con Python, Spark y AWS en AI, los rangos pueden estar en el extremo superior.*

Red flags a considerar

• Bandera roja 1: Si la empresa no tiene un plan claro de escalabilidad para los pipelines. *Pregunta en la entrevista: "¿Cómo manejan el crecimiento de datos a futuro?"*
• Bandera roja 2: Falta de colaboración estructurada con equipos de ciencia de datos. *Investiga antes: Busca reviews sobre cultura de equipo en plataformas como Glassdoor.*
• Bandera roja 3: Sobre carga de mantenimiento vs desarrollo de nuevas arquitecturas. *Señal de advertencia: Si el rol se describe principalmente como 'mantenimiento' en lugar de 'arquitectura'.*