Database Engineer - Knowledge Graph Platform
⚲ Kraków
Do uzgodnienia
Wymagania
- min. 3 lata doświadczenia w Data Engineering, Database Engineering lub Platform Engineering
- praktyczne doświadczenie z graph databases i wdrożeniami produkcyjnymi
- znajomość technologii LPG (Neo4j, JanusGraph, FalkorDB lub podobne)
- znajomość RDF oraz standardów SPARQL, RDF, RDFS, OWL i SHACL
- doświadczenie w modelowaniu danych semantycznych i projektowaniu ontologii
- praktyczna znajomość GCP (GKE, Cloud Run, Pub/Sub, Dataflow, BigQuery, Cloud Storage)
- doświadczenie w integracji rozwiązań LLM, embeddings, vector search, RAG lub GraphRAG
- bardzo dobra znajomość angielskiego
Opis stanowiska
Budowa i rozwój platformy Knowledge Graph dla klienta z branży finansowej, wykorzystywanej w inicjatywach AI i Generative AI — modelowanie danych semantycznych, ontologie, integracja z LLM, RAG i GraphRAG. Uwaga: platforma jest na wczesnym etapie rozwoju, więc będziesz aktywnie kształtować jej architekturę i funkcjonalność, a modelowanie semantyczne wymaga głębokiego zrozumienia struktur danych i relacji. Dobra oferta dla inżyniera danych z doświadczeniem w graph databases i GCP, który chce pracować przy nowoczesnych rozwiązaniach AI.
🔍 Dekoder Ogłoszenia
🟡
doświadczonego Database Engineera
Poszukujemy kogoś, kto ma już praktyczne doświadczenie w pracy z bazami danych, a niekoniecznie kogoś, kto dopiero zaczyna swoją karierę.
🔴
budowę i rozwój platformy Knowledge Graph
Oznacza to, że projekt jest na wczesnym etapie rozwoju i będzie wymagał aktywnego kształtowania jego architektury i funkcjonalności.
🟢
inicjatyw związanych z AI i Generative AI
Praca będzie dotyczyć nowoczesnych technologii, co może oznaczać potrzebę szybkiego uczenia się i adaptacji do nowych narzędzi.
🔴
modelowanie danych semantycznych
Wymaga to głębokiego zrozumienia struktur danych i ich relacji, co jest bardziej złożone niż tradycyjne modelowanie relacyjne.
🟢
integrację platformy z nowoczesnymi rozwiązaniami LLM, RAG i GraphRAG
Będziesz pracować z najnowszymi technologiami AI, co może wymagać ciągłego doszkalania i eksperymentowania.