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 colaborativo. 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 contexto 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-18808-Ljbffr

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