Grupo Data
Nokia
Senior Software Developer
PythonJavaDockerKubernetesGo
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Wir suchen eine talentierte und ehrgeizige Person für diese Rolle. In dieser Position werden Sie maßgeblich zum Erfolg unseres Unternehmens beitragen, indem Sie die Architektur und Entwicklung von hochmodernen Cloud-nativen Anwendungen leiten.
Aufgaben
- Cloud-native Apps bereitstellen: Anwendungen über Docker und Kubernetes containerisieren und orchestrieren.
- Microservices entwerfen: Skalierbare, ereignisgesteuerte backend Microservices mit Python, Go oder Java entwickeln.
- Netzwerktopologien modellieren: Robuste Datenmodelle (YANG, OpenConfig) implementieren und komplexe Netzwerkstrukturen mithilfe von Graph- und Zeitreihendatenbanken verwalten.
- Datenarchitektur: Stark vernetzte Netzwerkdaten mithilfe von Graphdatenbanken (Neo4j) und Zeitreihen-Telemetriepipelines verwalten.
- API & Integration: Robuste gRPC/REST APIs erstellen, um den Netzwerkzustand zu erfassen und die Fähigkeiten der Simulations-Engine bereitzustellen.
- Intelligente Automatisierung: Die Integration von KI/ML-Modellen in die Datenpipeline für prädiktive Analysen unterstützen.
Qualifikationen
Sie bringen mit:
- Bachelor-Abschluss mit 8–12 Jahren Erfahrung in Cloud-nativer Lösungsarchitektur und -entwicklung.
- Umfangreiche Erfahrung mit Cloud-Plattformen, Cloud-nativer Lösungsarchitektur
- Praktische Erfahrung in der Containerisierung und Orchestrierung von Anwendungen über Docker und Kubernetes.
- Umfangreiche praktische Erfahrung mit Docker, Kubernetes und Event-Streaming (Kafka/RabbitMQ)
- Fundierte Kenntnisse der Best Practices im Software Engineering, einschließlich APIs, Automatisierungsplattformen, Versionskontrolle, Tests, CI/CD, Bereitstellung und verantwortungsvoller KI-Prinzipien in Bezug auf Governance, Sicherheit und Datenschutz.
Es wäre schön, wenn Sie auch hätten
- Solides Verständnis von optischen Netzwerken der Schicht 0/1, DWDM, ROADM-Architekturen und YANG-Datenmodellierung.
- Erfahrung in der Integration von Data Science/ML-Frameworks (TensorFlow, PyTorch) in Produktionssoftware-Pipelines.
