Data Engineer

Design og implementering af en prognoseplatform - Engie (fransk global energivirksomhed)

• Designede og implementerede en omfattende prognoseplatform, der var skræddersyet til den globale energisektor.
• Udviklet datapipelines ved hjælp af Python og PySpark, der sikrer effektiv og skalerbar databehandling.
• Orkestrerede job-workflows ved hjælp af Airflow og Databricks, optimering af opgavestyring og -udførelse.
• Implementeret datatekniske processer ved hjælp af Databricks' Delta Live Tables (DLT) til robust datastyring.
• Bygget og implementeret pipelines til behandling af datastrømme ved hjælp af DLT'er, hvilket muliggør databehandling i realtid.
• Udviklede Feature Store API'er til interaktion med komponenter og skabte genanvendelige skabeloner for at standardisere processer.
• Brugte MLflow til at opbygge, administrere og spore eksperimenter og maskinlæringsmodeller, hvilket sikrede streng eksperimentering.
• Administrerede livscyklussen for ML-modeller ved hjælp af MLOps-teknikker og implementerede genanvendelige skabeloner for at sikre konsistens og effektivitet.
• Oprettet dashboards til dataanalyse og visualisering, hvilket letter datadrevet beslutningstagning.
• Udviklet API'er ved hjælp af .NET/C# for at eksponere data og sikre problemfri integration og tilgængelighed på tværs af systemer.
• Anvendt værktøjer som Databricks, PySpark, Python, R, SQL, Glue, Athena, Kubernetes og Airflow til at levere en robust og skalerbar løsning.

• Udviklet generiske datapipelines til at omdanne rå kundedata til et format, der er kompatibelt med datamodellen i demosystemet til kampagneplanlægning;
• Skrev scripts til at generere meningsfulde forretningsdata og sikrede, at de var i overensstemmelse med applikationens behov;
• Samarbejde med videnskabsteamet for at forstå forretningskrav og bestemme de nødvendige datatransformationer for at forbedre dataanvendelsen;
• Designet og implementeret en generisk PySpark-kodebase, der effektivt transformerer data, så de passer til den krævede datamodel;
• Brugte værktøjer som PySpark, JupyterHub, Kubernetes og Azure Data Lake til at udføre og understøtte projektet.

• Ledte projekter med fokus på at integrere Large Language Models (LLM) og AI-teknologier og drev innovation inden for organisationen;
• Hjalp med at designe og implementere datamigrationsløsninger og sikrede sømløse overgange for forskellige kunder;
• Udviklet integrationer og klienter til vektordatabaser ved at udnytte forskellige open source AI-værktøjer til at forbedre mulighederne;
• Kommunikerede aktivt med kunder for at indsamle krav og sikre tilpasning til deres specifikke behov;
• Brugte værktøjer som Python, Google Cloud Platform (GCP) og Datastax til at levere robuste løsninger.

• Designet og implementeret datapipelines til både batch- og stream-behandling, optimeret dataflow og effektivitet;
• Udforsket og implementeret datapipelines ved hjælp af AWS Glue og PySpark for at sikre skalerbarhed og robusthed;
• Integreret Delta Lake i pipelines for at muliggøre deltabehandling og forbedre mulighederne for datahåndtering;
• Udviklet jobskabeloner ved hjælp af Jinja for at strømline oprettelsen og styringen af databehandlingsjobs;
• Opbygget og automatiseret datavalideringspipelines, der sikrer nøjagtigheden og pålideligheden af behandlede data;
• Implementeret og konfigureret Trino for at lette effektiv dataadgang og -forespørgsel på tværs af forskellige kilder;
• Forberedt omfattende dokumentation for hver komponent og hvert værktøj, der er udforsket, for at sikre vidensoverførsel og nem vedligeholdelse;
• Brugte værktøjer som Python, PySpark, Glue (Jobs, Crawlers, Catalogs), Athena, AWS, MWAA (Airflow), Kubernetes, Trino og Jinja til at nå projektets mål.

• Ledte teamet med at opbygge datapipelines til at understøtte en detailhandlers løsning til planlægning af kampagner;
• Deltog i møder med forretnings- og datavidenskabsteams for at forstå og identificere projektbehov;
• Samarbejdede med teamet om at oversætte forretningskrav til brugbare epics og stories;
• Designede og implementerede de identificerede forretningskrav og sikrede, at de var i overensstemmelse med projektets mål;
• Udviklet og udført enhedstests for at sikre implementeringernes funktionelle korrekthed;
• Oprettelse af en data loader-applikation ved hjælp af Scala Spark til at indlæse data fra Parquet-filer til Cosmos DB/Cassandra API;
• Implementeret en online forecaster API ved hjælp af Scala, Akka og Docker for at muliggøre prognoser for kampagner i realtid;
• Administrerede udrulningen af projektet på kundens Kubernetes-klynge og sørgede for problemfri drift og integration;
• Brugte værktøjer som Scala, Spark, Azure Databricks, Azure Data Lake og Kubernetes til at nå projektmålene.