Python programmer állások II. kerületben (it programozás, fejlesztés)

• Shaping AWS-based cloud architectures and technical decisions for SaaS, PaaS, web application, and enterprise cloud environments
• Design and implementation of Infrastructure as Code solutions using Terraform, AWS CloudFormation, or Pulumi

• részvétel a teljes egyetemi adatvagyon központosítását célzó, az egyetem által működtetett adattárház továbbfejlesztésében,
• adattisztítás módszertanának fejlesztése, adatmodellek létrehozása, adatkapcsolatok kialakítása, sématervezés,

• Use formal verification algorithms to formally prove the correctness of complicated logic problems
• Identify key behaviors for verification to write clear testplans for complex designs
• Implement testplans using innovative formal techniques
• Drive tools to realize their best performance

• Vállalati szintű adatfeldolgozó (ETL/ELT) folyamatok tervezése és megvalósítása
• Adatintegrációs megoldások fejlesztése heterogén rendszerek között
• Adatmodellek kialakítása, optimalizálása és dokumentálása
• Adatminőségi kontrollok és monitoring mechanizmusok implementálása

• Új funkciók és termékek manuális és automatizált tesztelése
• Python alapú automatizált tesztek fejlesztése és karbantartása
• Regressziós tesztek végrehajtása és folyamatos bővítése
• Tesztesetek készítése új funkciókhoz az ügyfélhibák alapján
• Exploratory és use case alapú tesztelés

• Design, development, and optimization of core ML models, especially in Computer Vision and Deep Learning
• Development of efficient, scalable training and inference pipelines
• Mentoring junior ML engineers, reviewing code and sharing best practices

• Design, develop, and maintain C-based applications in Linux/UNIX environments
• Work with system-level interfaces (POSIX APIs, processes, file systems, sockets)
• Develop and enhance Kerberos authentication systems and related tooling

• AI-Native Infrastructure: Modern, GPU-intenzív AI/ML keretrendszerek szoftveres alapjainak megtervezése és kiépítése.
• Deep Containerization: Komplex Docker image-ek faragása, kifejezetten GPU-kompatibilis, AI workload-specifikus erőforráskezelésre (NVIDIA-docker, CUDA optimalizáció).

• AI-eszközök bevezetésében, integrációjában és üzleti környezetbe történő beágyazásában való aktív közreműködés
• Üzleti igények feltérképezése, valamint AI use case-ek üzleti és technológiai megvalósíthatóságának értékelése

• collaborating on the design and development of ML‑based applications and their backend components
• helping to select the most applicable solutions for a given business problem
• writing clean, efficient and well‑documented code
• contributing to our MLOps processes

• Architect and lead the development of large-scale ML systems and model pipelines
• Introduce new ML systems such as traffic sign detection, building facade detection, and other computer vision-based solutions
• Define and drive the ML technical roadmap in alignment with company objectives

• Resource account igénylése és összekötése namespacekkel
• Resource accountba kerülő komponensek megvalósítása RDS, APIk, S3, MSK, cognito, SES, private link endpoint és endpoint service nonprod és prod környezeteken
• RICE API kapcsolatok kialakítása

• Managing day-to-day operations of Databricks data pipelines, including monitoring, troubleshooting, and performance tuning
• Maintaining Delta Lake data layers (bronze / silver / gold), ensuring data availability, consistency, and smooth pipeline execution

• Be able to manage small teams to deliver analytic functions in support of strategic and business development projects.
• Analyse and assess macroeconomic, energy market and other industry-specific developments by synthetizing available empirical evidence, related literature, and economic theory.

• Design and implement data fabric architecture across heterogeneous data sources and platforms
• Develop scalable ETL/ELT pipelines for batch and real-time data integration
• Integrate structured and unstructured data from databases, APIs, SaaS applications, data lakes, and enterprise systems

• The CloudOps Engineer is responsible for availability for cloud platforms
• Respond, troubleshoot and resolve production alarms
• Communicate and troubleshoot operational issues supporting a complex environment
• Respond to cloud service outages and manage incident tickets

• Creation and preparation of 3D assets, environments, and scene layouts for Omniverse and OpenUSD workflows
• Assembly of digital-twin scenes for industrial, facility, product, or enterprise visualization use cases

Working on the design, development, and production of advanced digital solutions, ensuring seamless integration with existing infrastructure and adherence to enterprise architecture standards and robust delivery lifecycle processes. This includes leveraging expertise in various digital technologies...

• Design and build learner models including knowledge tracing and longitudinal approaches
• Shape the data foundation for learner modeling by defining relevant signals and building datasets
• Translate mastery and progression definitions into model targets and evaluation criteria

• Ownership of data models and storage architecture behind AI systems across relational, graph, and retrieval-oriented data
• Building and operating APIs, backend services, and pipelines to keep data current and accessible