Sobre Darwoft
Darwoft es una software factory que desarrolla soluciones de software a medida y brinda servicios de staff augmentation IT para clientes internacionales, principalmente en Estados Unidos y Latinoamérica.
Trabajamos con startups y compañías en crecimiento, construyendo productos digitales de alto impacto.
Nuestra cultura es people-first: priorizamos la calidad técnica, las relaciones de largo plazo y el trabajo participativo.
Combinamos excelencia técnica con cercanía humana.
Senior Data Engineer (AWS Serverless & Airflow) – Relación de Dependencia – Argentina
Información general
Ubicación:
Argentina
Tipo de contrato:
Relación de dependencia, full-time
Industria / Proyecto:
Plataforma de datos sobre AWS serverless para cliente internacional (industria a confirmar)
Sobre el rol
Buscamos un/a Senior Data Engineer para diseñar, construir y operar una plataforma de datos sobre AWS serverless, orquestada con Apache Airflow y gestionada íntegramente como código.
La posición combina ingeniería de datos, calidad y gobierno de datos.
El foco está en pipelines confiables, automatizados y desplegados mediante CI/CD, que permitan al negocio contar con datos consistentes, trazables y disponibles a tiempo, con un uso eficiente de los costos cloud.
Vas a tener autonomía técnica para tomar decisiones de arquitectura, elegir el servicio adecuado para cada caso y definir buenas prácticas sobre toda la plataforma.
Responsabilidades
Diseñar, construir y operar la plataforma de datos sobre el ecosistema serverless de AWS, eligiendo cada servicio según el caso de uso, el costo y la operabilidad.
Desarrollar DAGs de Airflow de punta a punta, con foco en idempotencia, reintentos, SLAs y manejo de fallos.
Configurar y operar entornos MWAA: dependencias, plugins, escalado de workers y despliegues blue/green.
Orquestar desde Airflow jobs de Glue, Lambda, ECS y Step Functions, e integrar dbt (vía Cosmos) y dlt.
Implementar ingesta multi-fuente con dlt y Python: APIs REST y GraphQL, Microsoft Graph, Cost Explorer, SharePoint, bases de datos y archivos.
Diseñar y mantener el data lake / lakehouse en S3 con Parquet y Apache Iceberg sobre Glue Catalog.
Modelar datos en Snowflake y dbt por capas, con tests y documentación.
Desarrollar procesamiento con Spark / PySpark garantizando escrituras idempotentes y particionado eficiente.
Aprovisionar la infraestructura como código con Terraform y/o AWS CDK / CloudFormation: entornos MWAA, Glue jobs, Lambdas, buckets S3, roles IAM y permisos de Lake Formation.
Construir y mantener pipelines de GitLab CI/CD con separación de entornos (dev / staging / prod) y despliegues controlados por rama.
Aplicar seguridad de mínimo privilegio, gobierno de datos con Lake Formation y manejo seguro de secretos.
Implementar observabilidad con CloudWatch (logs, métricas, alarmas) y testing de DAGs.
Optimizar costos de la arquitectura serverless aplicando prácticas de FinOps.
Requisitos
Must-Have
+3 años de experiencia como Data Engineer en entornos cloud productivos.
AWS serverless (excluyente, nivel avanzado):
Cómputo: Lambda (layers, concurrencia, timeouts, cold starts, empaquetado con contenedores), Fargate / ECS.
Procesamiento: Glue (jobs Spark y Python Shell, Data Catalog, crawlers), Athena (particionado, optimización de costos por escaneo), EMR Serverless.
Orquestación y eventos: Step Functions, EventBridge (reglas y schedulers), SQS, SNS.
Almacenamiento: S3 (diseño de data lake, lifecycle, eventos), DynamoDB (modelado por patrones de acceso, índices, streams).
Integración y APIs: API Gateway, AppSync.
Streaming: Kinesis Data Streams / Firehose, MSK Serverless.
Seguridad: IAM con mínimo privilegio, Lake Formation, Secrets Manager.
Observabilidad y costos: CloudWatch, FinOps y Cost Explorer.
Apache Airflow (excluyente, nivel avanzado):
Arquitectura interna (scheduler, executor, workers, triggerer, metadata DB), ciclo de vida de tareas, data intervals, catchup y backfills.
Operadores, hooks y sensores: providers de AWS, operadores custom y deferrable operators.
TaskFlow API, XComs, dynamic task mapping, task groups y assets.




MWAA en producción.
Testing de DAGs, parametrización por entorno, monitoreo y alertas.
CI/CD y control de versiones (excluyente):
Git avanzado: rebase, merge, cherry-pick, resolución de conflictos e historial limpio.
Estrategias de branching (GitFlow, trunk-based, feature branches) y versionado semántico.
GitLab: merge requests, code review, protección de ramas, aprobaciones y reglas de merge.
GitLab CI/CD: stages, jobs, runners, variables y secretos protegidos, artefactos, caché, ambientes y despliegues manuales o automáticos.
Infraestructura como código:
Terraform avanzado: módulos reutilizables, variables por entorno e import de recursos existentes.
AWS CDK y/o CloudFormation: stacks, parámetros, outputs, change sets y drift detection.
Buenas prácticas: separación de entornos, versionado, revisión del plan antes de aplicar.
Ingeniería de datos:
Snowflake: modelado, SQL avanzado y optimización de consultas.
dbt: modelado por capas, tests, documentación e integración con Cosmos.
Python para ingesta y automatización (boto3, APIs REST y GraphQL, procesamiento de archivos).
Spark / PySpark, incluyendo conocimiento de internals.
Parquet y Apache Iceberg sobre Glue Catalog.
Ingesta multi-fuente con dlt.
Agentes:
experiencia con Agent Core o conocimiento de arquitecturas de agentes.
Nice-to-Have
Docker y criterio para decidir dónde correr cargas (ECS vs. workers de Airflow).
Criterio para elegir entre Glue y EMR como motor de procesamiento.
Diseño de capas de proyección y consumo sobre DynamoDB para aplicaciones web.
FinOps de datos: pipelines de costos cloud y análisis de consumo.
Nociones de Kafka (MSK) y catalogación de topics.
¿Qué ofrecemos en Darwoft?
Contratación en relación de dependencia, con remuneración en ARS.
Modalidad de trabajo remota o Mixta.
Salarios competitivos.
Vacaciones y licencias según legislación vigente.
Días personales adicionales por año.
Acceso a plataformas de capacitación.
Tarjeta de beneficios y descuentos.
Welcome kit.
Programas de reintegros.
Clases de inglés.
Programa de referidos.
Regalo de cumpleaños.
Healthy Break.
Celebraciones, aniversarios y actividades de integración.
Ubicación
Ubicación:
Argentina
Modalidad:
100% remoto
Tipo de contratación:
Relación de dependencia (full-time)
Industria / Proyecto:
LegalTech / Inteligencia Legal y Regulatoria con IA
Zona horaria:
Argentina (ART / UTC-3)
Seniority:
Semi-Senior (3 a 5 años de experiencia)
En Darwoft desarrollamos software que genera impacto real.
Somos una compañía tecnológica latinoamericana que trabaja junto a empresas de diferentes partes del mundo, creando soluciones digitales innovadoras, escalables y de alto valor.
Nuestra cultura combina excelencia técnica, colaboración, aprendizaje continuo y una fuerte orientación a las personas.
La Inteligencia Artificial forma parte de nuestra manera de trabajar, innovar y resolver problemas.
Buscamos incorporar nuevas tecnologías para construir mejores productos y potenciar las capacidades de nuestros equipos.
Si te apasiona la tecnología, disfrutás resolver desafíos complejos y querés participar en proyectos donde tu trabajo tenga impacto, nos encantaría conocerte.
Sobre el rol
Estamos buscando un/a
Data Engineer Semi-Senior con experiencia práctica en Neo4j, Cypher y modelado de datos en grafos
para sumarse a un proyecto innovador de LegalTech enfocado en transformar la manera en que se organiza, conecta y consulta información legal, tributaria, contable y regulatoria.
Vas a participar en el desarrollo y evolución de un
Knowledge Graph
que permitirá relacionar grandes volúmenes de información,



identificar conexiones semánticas y potenciar soluciones de búsqueda inteligente basadas en Inteligencia Artificial.
Esta posición combina
Data Engineering, Graph Databases e Inteligencia Artificial
, con un fuerte enfoque en la construcción de soluciones productivas, escalables y mantenibles.
Trabajarás junto a equipos de Data Science, Backend e IA para transformar modelos conceptuales, taxonomías y ontologías en estructuras de grafos eficientes que alimenten arquitecturas de recuperación de información como RAG (Retrieval-Augmented Generation).
Buscamos una persona con una base sólida en ingeniería de datos, experiencia real trabajando con Neo4j y motivación por seguir desarrollándose en Knowledge Graphs, búsqueda semántica y GraphRAG.
¿Qué vas a hacer?
Modelado de grafos:
Diseñar, implementar y mantener modelos de datos en Neo4j, representando entidades, relaciones, jerarquías y estructuras complejas de información.
Ingeniería de datos:
Construir y optimizar pipelines ETL/ELT para ingesta, transformación, validación y actualización de datos estructurados y no estructurados.
Desarrollo con Cypher:
Crear y optimizar consultas complejas para recuperación de información, navegación de relaciones y procesamiento de datos en grafos.
Implementación de Knowledge Graphs:
Transformar taxonomías, ontologías y modelos conceptuales definidos por Data Science en estructuras productivas dentro de Neo4j.
Integración con IA y RAG:
Participar en la integración de Neo4j con embeddings, búsqueda vectorial y arquitecturas de recuperación semántica.
Optimización de performance:
Mejorar consultas, estrategias de indexación, consistencia de datos y escalabilidad de la base de grafos.
Integración con Backend:
Desarrollar integraciones mediante Python o Node.js para conectar los datos del grafo con aplicaciones, APIs y servicios internos.
Calidad de datos:
Implementar validaciones, controles automatizados y buenas prácticas para garantizar la integridad y confiabilidad de la información.
Trabajo interdisciplinario:
Colaborar con especialistas en Data Science, Inteligencia Artificial y desarrollo de software para evolucionar la arquitectura de datos.
¿Qué buscamos?
Experiencia:
Entre 3 y 5 años de experiencia profesional en Data Engineering, Data Platform Engineering o posiciones similares.
Neo4j:
Experiencia práctica diseñando, implementando y manteniendo soluciones basadas en bases de datos de grafos.
Cypher:
Buen dominio del lenguaje para desarrollar consultas complejas, recorrer relaciones y optimizar operaciones sobre grafos.
Modelado de datos:
Conocimiento de modelos Property Graph, nodos, relaciones, labels, propiedades y buenas prácticas de diseño.
ETL/ELT:
Experiencia desarrollando pipelines de ingesta, transformación e integración de datos.
Programación:
Manejo de Python o Node.js para procesamiento de datos, automatización o integración con servicios.
Optimización:
Conocimiento de índices, constraints, optimización de consultas y performance de bases de datos.
Arquitectura de datos:
Capacidad para transformar requerimientos funcionales y técnicos en modelos de datos escalables y mantenibles.
Fundamentos de IA:
Familiaridad con embeddings, búsqueda semántica, bases vectoriales o conceptos de RAG.
Autonomía y colaboración:
Capacidad analítica, resolución de problemas, documentación técnica y buena comunicación con equipos interdisciplinarios.
Será un plus
Experiencia con
Knowledge Graphs, GraphRAG o arquitecturas de recuperación híbrida
.
Conocimiento de
Neo4j APOC, Graph Data Science (GDS) o Neo4j Vector Index
.
Familiaridad con tecnologías semánticas como
RDF, OWL, SKOS o SHACL
.
Experiencia integrando Neo4j con
LangChain, LlamaIndex
u otros frameworks de IA.
Experiencia con
Neo4j AuraDB
, despliegues cloud o entornos contenerizados.
Conocimiento de
NLP, extracción de entidades, procesamiento documental o enriquecimiento semántico
.
Familiaridad con
Kafka, RabbitMQ
o herramientas de procesamiento distribuido.
Experiencia implementando pruebas automatizadas sobre grafos, valid
#J-*****-Ljbffr

📌 Senior Data Engineer: Ingestion & Cloud Connectors (Neuquén)
🏢 XKTalent Inc. - Rimutee
📍 Neuquén