Vývoj datové pipeline pro AI-driven analýzu HoReCa dat – Datový inženýr

Předmětem zakázky je návrh a implementace datové pipeline a cloudové infrastruktury pro platformu sloužící k automatizovanému sběru, transformaci a ukládání dat z webových zdrojů napojených na aktivní HoReCa podniky v Evropě. Konkrétní rozsah plnění zahrnuje: - Návrh a implementace škálovatelné datové pipeline (Apache Airflow / PySpark nebo ekvivalentní technologie). - Integrace s cloudovými platformami a databázovými řešeními (GCP, Azure, MongoDB nebo ekvivalentní). - Implementace scrapingové infrastruktury pro sběr dat z HoReCa webových zdrojů. - Transformace získaných dat do tabulkového formátu a párování do globálního číselníku. - Základní dokumentace implementované infrastruktury. Odhadovaný rozsah prací: cca 300–375 hodin / 6–8 týdnů.