- Min. 5 lat komercyjnego doświadczenia w wytwarzaniu oprogramowania webowego, w tym min. 4 lata produkcyjnej pracy z Pythonem i Django – pełnych aplikacji z własnym modelem danych i migracjami, nie skryptów i integracji;
- Min. 2–3 lat produkcyjnej pracy z Reactem i TypeScriptem, w której samodzielnie budowałaś/eś i utrzymywałaś/eś interfejsy – frontend musi być realną kompetencją produkcyjną;
- Udokumentowanego doświadczenia w pracy z istniejącym, dojrzałym systemem: refactoringu, migracji i porządkowania długu technicznego – samo portfolio projektów greenfield nie wystarczy;
- Doświadczenia w podejmowaniu i komunikowaniu decyzji technicznych sięgających poza jeden komponent czy repozytorium;
- Zaawansowanej znajomości Djangoi Django REST Framework;
- Znajomości GraphQL po stronieserwera – projektowania i bezpiecznej ewolucji schematu (deprecacje, kompatybilność wsteczna), rozwiązywania problemu N+1, code generation i testowania kontraktów;
- Zaawansowanej pracy z PostgreSQL/PostGIS – czytania planów zapytań, projektowania indeksów zwykłych i przestrzennych oraz optymalizacji zapytań na geometriach i dużych zbiorach danych;
- Doświadczenia z przetwarzaniem asynchronicznym opartym o RabbitMQ (Pika; Celery lub inny broker traktujemy równoważnie) oraz praktycznej znajomości idempotencji, retry, timeoutów, DLQ i korelacji komunikatów;
- Umiejętności projektowania i wersjonowania kontraktów danych między repozytoriami i usługami – np. w oparciu o Pydantic/DTO i schematy GeoJSON;
- Umiejętności integrowania warstwy aplikacyjnej ze Snowflake oraz diagnozowania wydajności i poprawności przepływu danych między aplikacją a zespołem Data Science;
- Biegłości w React z TypeScriptem (hooki, zarządzanie stanem, kompozycja komponentów) oraz w konsumpcji APIGraphQL po stronie klienta – React Query, Apollo lub urql;
- Świadomości wydajności postronie przeglądarki: renderowania dużych GeoJSON-ów i warstw wektorowych, memoizacji, code splittingu, wirtualizacji oraz przenoszenia kosztownych obliczeń poza główny wątek;
- Praktycznej znajomości Dockera iCI/CD – GitHub Actions albo odpowiednika (Jenkins, GitLab CI);
- AWS na poziomie użytkowym: S3, uruchamiania kontenerów, zarządzania sekretami i podstaw IAM;
- Realnego doświadczenia z testami automatycznymi – jednostkowymi, integracyjnymi i E2E – oraz z obserwowalnością: logami, metrykami, alertami, monitoringiem błędów i podstawowymi SLI/SLO;
- Wdrożenia przynajmniej jednej produkcyjnej funkcji opartej o LLM albo bardzo dobrego rozumienia pełnego cyklutakiego wdrożenia: jawnych, walidowanych schematów wejścia i wyjścia orazodpornej integracji (timeouty, błędy, retry, fallbacki, cache, feature flags);
- Języka polskiego na poziomie biegłym (praca zespołowa, kontakt z klientami) oraz angielskiego min. B2 (dokumentacja, rynki CEE, komunikacja z partnerami).
Ponieważ docelowo obejmiesz rolę Tech Leada, poniższe traktujemy równiepoważnie jak stack techniczny:
- Samodzielność i sprawczość – bierzesz nieostro zdefiniowany problem, dopytujesz o kontekst biznesowy i dowozisz rozwiązanie bez mikrozarządzania;
- Komunikacja techniczna – umiesz wytłumaczyć decyzję architektoniczną osobie nietechnicznej i uzasadnić „dlaczego", nie tylko „jak";
- Myślenie produktowe – widzisz, że decyzja techniczna ma cenę: koszt, czas wejścia na rynek, doświadczenie klienta;
- Gotowość do mentoringu – chcesz rozwijać innych, nie tylko własny kod;
- Pragmatyzm – potrafisz wybrać rozwiązanie „wystarczająco dobre" tam, gdzie ma to sens, i wiesz, kiedy nie warto;
- Odpowiedzialność operacyjna – przy awarii porządkujesz diagnozę, komunikację i przywrócenie usługi, a powszystkim wracasz do wniosków, nie do szukania winnych;
- Świadomość bezpieczeństwa – IAM, sekrety, dane klientów i zależności zewnętrzne traktujesz jako element projektu produktu, a nie zadanie administratora.
Twoim dodatkowym atutem będzie:
- Doświadczenie w prowadzeniu zespołu – formalna rola tech leada, team leada lub architekta, albo nieformalne przejęcie odpowiedzialności za zespół czy obszar produktu;
- Praca z danymi przestrzennymipoza samą bazą – GeoJSON, układy współrzędnych (EPSG:4326 / 2180), indeksowanie H3, GeoPandas; to nasz codzienny kontekst i realnie skraca Twoje wdrożenie;
- Mapbox GL, Leaflet lub pokrewne biblioteki (deck.gl, MapLibre, OpenLayers) – warstwy wektorowe, niestandardowe style, duże zbiory punktów i optymalizacja GeoJSON-ów;
- Doświadczenie z produktem SaaSB2B – multi-tenancy, role i uprawnienia, limity, onboarding klientów;
- Funkcje AI po stronie hurtowni – Snowflake Cortex lub odpowiedniki; BigQuery i Databricks traktujemy jako doświadczenie równoważne;
- Bezpieczne wydawanie współdzielonych bibliotek i kontraktów używanych przez kilka repozytoriów – wersjonowanie, kompatybilność wsteczna, proces release'u;
- Znajomość konkretnych narzędzi znaszego stacku – Vite, TanStack React Query, GraphQL Code Generator, Storybook, Vitest, Behave, Cypress.
.jpg)
