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

¿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.