Senior Ontologist in Kielce

Samba jest firmą zajmującą się inteligencją medialną. Znamy to, co świat ogląda, czyta i myśli — w czasie rzeczywistym, na dużą skalę, na każdym ekranie. Nasze dane istnieją za zgodą ponad miliarda ludzi, zorganizowane w najbardziej kompletny obraz uwagi konsumentów, jaki kiedykolwiek stworzono. Największe marki na świecie wykorzystują ten obraz do podejmowania mądrzejszych decyzji. Uważamy, że to najciekawszy zasób danych na planecie, ponieważ jest najbardziej kulturowo istotny.

Jako Senior Ontologist w zespole Knowledge Graph & Identity w Samba TV, będziesz odpowiedzialny za projektowanie, rozwój i zarządzanie modelami danych semantycznych oraz ramami ontologicznymi, które stanowią fundament grafu wiedzy Samba. Jesteś autorytetem w dziedzinie reprezentacji i relacji podmiotów, które mają największe znaczenie dla naszego biznesu - i zapewniasz, że ta reprezentacja jest rygorystyczna, skalowalna i zgodna z normami branżowymi.

To rola techniczna, w której spędzisz większość czasu na projektowaniu ontologii, pisaniu SPARQL, budowaniu potoków grafu wiedzy oraz bliskiej współpracy z inżynierami danych i specjalistami ds. danych, aby wdrożyć swoje modele w produkcji. Wniesiesz wystarczającą wiedzę w zakresie ML i AI, aby wykorzystać podejścia oparte na osadzeniu i wzmacniane przez LLM, gdzie wzmacniają one graf, a także wnieść znaczący wkład w pracę nad rozwiązywaniem podmiotów i łączeniem tożsamości, która zależy od warstwy semantycznej, którą definiujesz.

Co będziesz robić:

• Projektowanie i zarządzanie ontologią
  • Właściciel end-to-end projektowania, rozwoju i wersjonowania rdzeniowych ontologii Samba TV w RDF/RDFS/OWL - definiowanie klas podmiotów, właściwości, hierarchii i ograniczeń, które dokładnie modelują domenę danych Samba na dużą skalę.
  • Tworzenie i utrzymywanie kształtów SHACL dla walidacji grafu po załadowaniu, sprawdzania spójności i egzekwowania jakości danych.
  • Definiowanie i dokumentowanie schematów atrybutów pochodnych - afinity gatunkowe, afinity marki, afinity tematyczne, sygnały cyklu życia i podsumowania oglądania - oraz posiadanie logicznych definicji, które regulują, jak surowe zdarzenia stają się trwałymi atrybutami grafu.
  • Ustanawianie standardów projektowania ontologii, procesów zarządzania zmianami i praktyk wersjonowania; ocena zgodności z normami W3C i odpowiednimi schematami branżowymi (Schema.org, EIDR, DDEX, W3C PROV).
  • Prowadzenie przeglądów projektów ontologii z interesariuszami produktu, inżynierii danych i nauki o danych - jasno przedstawiając kompromisy między ekspresyjnością, skalowalnością a wydajnością zapytań.
• Derivacja zdarzeń do ontologii
  • Definiowanie logiki agregacji i oceny, która przekształca surowe zdarzenia oglądania telewizji i aktywności w sieci w trwałe afinity, podsumowania i wywnioskowane sygnały, które znajdują się w grafie.
  • Współwłaściciel projektowania potoku derivacji z inżynierią danych - określanie logiki transformacji, pośrednich schematów i punktów kontrolnych walidacji dla potoków Databricks/Spark, które zasilają zmaterializowany substrat grafu.
  • Rozważanie, co należy umieścić w grafie, a co powinno pozostać wirtualizowane w jeziorze danych - równoważenie wydajności zapytań z kosztami przechowywania i odświeżania.
• Rozwój grafu wiedzy i integracja AI
  • Budowanie i utrzymywanie potoków grafu wiedzy o jakości produkcyjnej w Pythonie i SPARQL - dobrze przetestowanych, udokumentowanych i skalowalnych do wolumenów danych Samba.
  • Projektowanie i wdrażanie potoków rozwiązywania podmiotów i łączenia rekordów, które mapują rzeczywiste podmioty (tytuły treści, urządzenia, publiczności, reklamodawcy) do kanonicznych węzłów grafu wiedzy.
  • Opracowywanie procesów wzbogacania, które integrują źródła danych zewnętrznych (dostawcy metadanych, dostawcy tożsamości, źródła internetowe) w graf wiedzy Samba w sposób spójny i zarządzany.
  • Zastosowanie podejść opartych na osadzeniu i wzmacnianych przez LLM do mapowania ontologii, rozróżniania podmiotów i problemów podobieństwa semantycznego.
  • Wsparcie potoków osadzenia treści i semantycznego, które zasilają magazyn wektorów i stanowią podstawę rozwiązań AI opartych na GraphRAG.
• Współpraca międzyfunkcyjna i mentoring
  • Współpraca z zespołami inżynieryjnymi i platformowymi, aby zapewnić, że graf wiedzy jest zintegrowany, możliwy do zapytania i gotowy do produkcji na dużą skalę.
  • Współpraca z produktem w celu przetłumaczenia wymagań biznesowych na decyzje dotyczące modelu danych ontologicznych i grafowych.
  • Formalne mentorowanie inżynierów ontologii i młodszych naukowców danych w zakresie modelowania semantycznego, wzorców projektowych SHACL i najlepszych praktyk grafowych.
  • Prowadzenie wewnętrznych wykładów technicznych i warsztatów na temat ontologii, grafu wiedzy i tematów związanych z semantycznym webem.

Kim jesteś:

• Wymagania
  • 5–8 lat praktycznego doświadczenia w inżynierii ontologii, modelowaniu danych semantycznych lub rozwoju grafu wiedzy - z udokumentowanym doświadczeniem w produkcji ontologii na dużą skalę.
  • Głęboka wiedza w zakresie standardów semantycznych W3C: RDF, RDFS, OWL, SPARQL 1.1 i SHACL - z praktycznym doświadczeniem w budowaniu i walidacji schematów grafowych w produkcyjnym triplestore (Amazon Neptune, Stardog, GraphDB, Jena lub równoważne).
  • Silne umiejętności w Pythonie - produkcyjny, dobrze przetestowany kod; komfort w budowaniu potoków danych i przepływów pracy przetwarzania grafów.
  • Zrozumienie zasadnicze logik opisowych, wzorców projektowania ontologii oraz praktycznych kompromisów między ekspresyjnością OWL a skalowalnością triplestore.
  • Praktyczne doświadczenie z rozwiązywaniem podmiotów, łączeniem rekordów lub deduplikacją na dużą skalę - mapowanie nieuporządkowanych, wieloźródłowych danych rzeczywistych do czystych reprezentacji ontologicznych.
  • Wymagane wykształcenie wyższe w dziedzinie informatyki, nauki o informacji, lingwistyki obliczeniowej, matematyki lub pokrewnej dziedziny; preferowane magisterskie lub doktoranckie.
  • Silne umiejętności komunikacyjne - zdolność do obrony decyzji modelowania ontologii w przeglądach projektów i wyjaśnienia kompromisów osobom nietechnicznym.
• Preferowane
  • Praktyczne doświadczenie z Amazon Neptune lub Stardog - w tym wirtualizacja danych (Neptune Orion lub Stardog Virtual Graphs) nad źródłami jeziora danych.
  • Doświadczenie w projektowaniu logiki agregacji i derivacji, która przekształca surowe dane o zachowaniach w trwałe, rezydujące w grafie atrybuty pochodne.
  • Znajomość branżową w mediach, rozrywce lub technologii reklamowej - oglądanie telewizji (ACR/STB), modelowanie publiczności cyfrowej (grafy urządzeń, rozwiązywanie tożsamości) lub dane o ekspozycji reklamowej.
  • Znajomość branżowych schematów treści i tożsamości: EIDR, Schema.org VideoObject, DDEX lub równoważne.
  • Doświadczenie z modelami osadzenia, bazami danych wektorowych (Milvus, Pinecone, Weaviate) i architekturami GraphRAG (LangChain/LlamaIndex).
  • Znajomość podejść opartych na GNN do rozumowania grafu wiedzy lub rozwiązywania podmiotów będzie dodatkowym atutem.
  • Znajomość PySpark i Databricks do dużych transformacji potoków.

250,000 zł - 380,000 zł rocznie. Samba jest pracodawcą równych szans. Świętujemy różnorodność i zobowiązujemy się do tworzenia inkluzywnego środowiska dla wszystkich pracowników. Dążymy do umożliwienia połączenia ze sobą, odzwierciedlenia społeczności, którym służymy, oraz podejmowania znaczących projektów, które mają realny wpływ. Samba może zbierać dane osobowe bezpośrednio od Ciebie jako kandydata na stanowisko, Samba może również otrzymać dane osobowe od osób trzecich, na przykład w związku z kontrolą tła, zatrudnieniem lub sprawdzeniem referencji, zgodnie z obowiązującym prawem. Aby uzyskać więcej szczegółów, zapoznaj się z Polityką Prywatności Aplikanta Samba. Dla mieszkańców UE, Samba Inc. jest administratorem danych.