Vývoj datové pipeline pro AI-driven analýzu HoReCa dat – Část 2: Datový inženýr

Předmět plnění:
- 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
- návrh a implementace škálovatelné datové pipeline pro automatizovaný sběr a transformaci dat (preferovaně Apache Airflow / PySpark nebo ekvivalentní technologie)
- integrace s cloudovými platformami a databázovými řešeními (GCP, Azure, MongoDB nebo ekvivalentní) dle technické architektury platformy
- implementace scrapingové infrastruktury pro sběr dat z webových zdrojů HoReCa podniků (Apify, Oxylabs nebo vlastní řešení)
- transformace získaných dat (text, HTML, obrázky) do tabulkového formátu a jejich párování do globálního číselníku
- základní dokumentace implementované infrastruktury a doporučení pro její další rozvoj
- výstupem zakázky jsou funkční softwarové komponenty (kód, konfigurace, skripty) odevzdané do repozitáře zadavatele

Hodnotící kritéria:
- celková nabídková cena (bez DPH, paušální cena za celé plnění) - 60%
- technické zkušenosti a reference - 25%
- navržený přístup / metodologie řešení - 15%

Lokalita:
- Praha

Termín:
- po dobu 6-8 týdnů

Přílohy: