Senior Knowledge Graph Platform Engineer — GCP & AI Integration
⚲ Krakow
27 720 - 33 600 PLN netto (B2B)
Wymagania
- min. 3 lata doświadczenia w inżynierii baz danych i platform danych z naciskiem na grafy
- ekspertyza w LPG stack: Cypher/Gremlin, Neo4j, FalkorDB, JanusGraph lub podobne
- praktyczne doświadczenie z RDF stack: SPARQL, GraphDB, Stardog, Blazegraph, Neptune RDF
- dogłębna znajomość standardów grafowych: RDF, RDFS, OWL, SHACL i zarządzania ontologią
- praktyczne doświadczenie z GCP (GKE, Cloud Run, Dataflow, BigQuery, Cloud Storage, IAM, monitoring)
- doświadczenie w integracji LLM z systemami enterprise (embeddings, vector/hybrid retrieval, GraphRAG)
- dobre umiejętności inżynierskie w Python, Java, Scala lub Node.js, w tym API, CI/CD i IaC
- prawo do pracy w Unii Europejskiej
Opis stanowiska
ITDS szuka Senior Knowledge Graph Platform Engineera do budowy i operowania zaawansowanymi capability Knowledge Graph w organizacji. Będziesz projektować modele grafowe (LPG i RDF), budować pipeline'y ingestii i implementować workflow AI-powered retrieval z użyciem LLM, RAG i GraphRAG. Uwaga: 'operational excellence' w opisie oznacza dbanie o stabilność i niezawodność systemów — może wiązać się z dyżurami i reagowaniem na incydenty.
🔍 Dekoder Ogłoszenia
🔴
Ignite the future of enterprise AI — build scalable, intelligent Knowledge Graph platforms with cutting-edge cloud and LLM integration!
To bardzo marketingowy slogan, który obiecuje pracę nad innowacyjnymi technologiami, ale nie precyzuje konkretnych zadań ani technologii.
🟡
leader in enterprise data solutions
Może oznaczać zarówno stabilną, dużą firmę z ugruntowaną pozycją, jak i firmę, która dopiero stara się zdobyć pozycję lidera, co może wiązać się z większym ryzykiem.
🔴
operational excellence
Często oznacza konieczność dbania o stabilność i niezawodność systemów, co może wiązać się z dyżurami i reagowaniem na incydenty.
🟡
Define engineering standards for performance tuning, query optimization, scalability, and cost control
Oznacza odpowiedzialność za optymalizację i efektywność kosztową, co może wymagać dogłębnej analizy i potencjalnie trudnych decyzji dotyczących zasobów.
🔴
Implement AI-powered retrieval and reasoning workflows using LLMs, RAG, and GraphRAG for real-world
Choć brzmi ekscytująco, 'real-world' jest bardzo ogólne i może oznaczać zarówno dopracowane, jak i wczesne, eksperymentalne zastosowania.