Marley B.

Data Engineer

Marley ist ein Dateningenieur mit mehr als sieben Jahren Berufserfahrung. Er verfügt über umfangreiche Erfahrungen mit Python, Apache Spark, SQL und Cloud-Technologien wie AWS und GCP.

Er ist ein mehrfach zertifizierter Google- und Databricks Data Engineer und hat in den letzten fünf Jahren mit diesen Tools gearbeitet. Er ist in der Regel für die Entwicklung von Datenpipelines, deren Bereitstellung und Wartung verantwortlich. Außerdem hat Marley Erfahrung in der Datenanalyse, dem maschinellen Lernen, der Verarbeitung natürlicher Sprache, dem Web Scraping und der Erstellung von Datenvisualisierungen.

Marley ist eine sehr kommunikative Person, die gerne mit dem größeren Datenteam zusammenarbeitet: BI, Datenwissenschaftler, PMs. Zuvor arbeitete Marley für Unternehmen wie McKinsey, Oracle und Capgemini.

Hauptkompetenz

  • Apache Spark
    Apache Spark 5 Jahre
  • ETL
    ETL 8 Jahre
  • Python
    Python 6 Jahre

Andere Fähigkeiten

  • CSV 5 Jahre
  • Apache Kafka
    Apache Kafka 3 Jahre
  • Informatica
    Informatica 3 Jahre
Marley

Marley B.

Portugal

Erste Schritte

Ausgewählte Erfahrung

Beschäftigung

  • Senior Data Engineer and Architect

    McKinsey & Company - 1 jahr 11 monate

    • Erstellung und Pflege von Datenpipelines, Extraktion von Daten aus verschiedenen ERP-Systemen mit Python, SnapLogic und anderen Tools.
    • Einspeisung von Daten in SQL Server und Snowflake zur Verarbeitung und Analyse.
    • Verantwortlich für das Center of Competency für SnapLogic, Überwachung von Best Practices und Standards.
    • Entwicklung und Pflege von Python-Skripten zur Unterstützung von Data-Engineering-Workflows.
    • Beaufsichtigte und leitete Junior Data Engineers und bot ihnen Anleitung und Unterstützung bei ihren Aufgaben und ihrer Entwicklung.
  • Data&Solution Architect

    Capgemini Engineering - 5 monate

    • Wir haben Lösungen für ein breites Spektrum von Kunden und Branchen entwickelt.
    • Verantwortlich für Architekturentscheidungen, einschließlich Tools, Arbeitsabläufe, Ressourcenzuweisung und Zeitplanung.
    • Entwicklung von Assets, Proof of Concepts (POCs) und Präsentationen zur Unterstützung von Kundenaufträgen und internen Initiativen.
  • Data Engineer&Analytics

    Capgemini Engineering - 4 monate

    • Arbeitete als Dateningenieur für Kunden in den Bereichen Energieversorgung, Fertigung und anderen Branchen.
    • War verantwortlich für den Entwurf und die Implementierung von ETL-Prozessen.
    • Erstellung von Datenvisualisierungen zur Unterstützung datengestützter Entscheidungsfindung für Kunden.
  • Data Engineer

    X-Testing - 4 jahre

    • Arbeitete als Dateningenieur für externe Kunden an verschiedenen Datenprojekten.
    • Extrahierte Daten und erstellte Einblicke, Berichte und APIs für Kundenteams.
    • Nutzung von Technologien wie Python, Spark und Cloud-Plattformen zur Bereitstellung effektiver Lösungen.
    • Ausgeprägte soziale Kompetenz, um mit den Beteiligten zusammenzuarbeiten und den Projekterfolg sicherzustellen.
  • Cloud Sales

    Oracle - 1 jahr 11 monate

    • War Teil der Oracle Converged Infrastructure Group und verantwortlich für die Infrastrukturangebote von Oracle, einschließlich technischer Systeme, die vor Ort, in der Cloud oder in hybriden Umgebungen eingesetzt werden.
    • Unterstützte die Bemühungen des Unternehmens, auf die Kundennachfrage nach Infrastructure as a Service (IaaS) und Platform as a Service (PaaS) zu reagieren.

Ausbildung

  • FortbildungSpecialization in Python Programming

    University of Michigan (US), Ann Arbor · 2021 - 2021

  • MSc.Applied Computing in Data Science

    Universidade de Brasília · 2017 - 2019

  • BSc.Computer Science

    Universidade Paulista · 2007 - 2012

Finden Sie Ihren nächsten Entwickler innerhalb von Tagen, nicht Monaten

In einem kurzen 25-minütigen Gespräch würden wir gerne:

  • Auf Ihren Bedarf bezüglich des Recruitments von Software-Entwicklern eingehen
  • Unseren Prozess vorstellen und somit wie wir Sie mit talentierten und geprüften Kandidaten aus unserem Netzwerk zusammenbringen können
  • Die nächsten Schritte besprechen, um den richtigen Kandidaten zu finden - oft in weniger als einer Woche

Unterhalten wir uns