Ontology Engineer-Knowledge Graph & Identity

Вознаграждение: 150 000 – 180 000 долларов США в год

Samba — компания, занимающаяся медиа-аналитикой. Мы знаем, что смотрит, читает и о чем думает мир — в реальном времени, в масштабе, на любом экране. Наши данные существуют с согласия более миллиарда человек, организованные в наиболее полную картину потребительского внимания, когда-либо созданную. Крупнейшие мировые бренды используют эту картину для принятия более обоснованных решений. Мы считаем, что это самый интересный набор данных на планете, потому что он наиболее релевантен культуре.

В качестве инженера по онтологиям в команде Knowledge Graph & Identity Samba TV вы будете создавать, поддерживать и расширять схемы графа знаний, конвейеры вывода и модели данных графа, которые лежат в основе продуктов Samba для измерения и анализа аудитории. Тесно сотрудничая со старшим онтологом и коллегами-специалистами по данным, вы будете внедрять онтологические структуры в продакшен, вносить вклад в конвейеры разрешения сущностей и обогащения данных, а также помогать обеспечивать точность, согласованность и готовность графа к продакшену. Это практическая техническая роль. Ожидается, что вы будете писать чистый Python и SPARQL, пригодные для продакшена, брать на себя ответственность за четко определенные рабочие процессы графа и углублять свои знания в семантическом моделировании под руководством старших членов команды. Эта роль подчиняется менеджеру по работе с данными, Knowledge Graph & Identity.

Что вы будете делать: Реализация и проверка онтологии Реализовывать и расширять схемы онтологий RDF/RDFS/OWL Samba в графовой базе данных — добавляя классы сущностей, свойства и ограничения согласованным, управляемым способом под руководством старшего онтолога. Создавать и поддерживать формы проверки SHACL для проверок согласованности графа после загрузки; выявлять и устранять нарушения качества данных и схемы. Поддерживать версионирование онтологий, документирование журналов изменений и проверку согласованности при обновлении схем. Писать эффективные, хорошо структурированные запросы SPARQL и обходы графа для поддержки последующих случаев использования в области науки о данных и продуктов. Конвейеры вывода событий в онтологию Вносить вклад в слой преобразования событий в онтологию и вывода — создавать конвейеры PySpark/Databricks, которые агрегируют необработанные события просмотра ТВ и веб-активности в долговечные атрибуты графа (предпочтения жанра, предпочтения бренда, предпочтения темы, сводки просмотра, сигналы жизненного цикла). Реализовывать логику вывода, указанную старшим онтологом и командой науки о данных; проверять результаты с помощью форм SHACL перед загрузкой в граф. Поддерживать инкрементное обновление и логику обновления, согласованную с периодичностью пакетного обновления графа. Технический вклад Писать Python, пригодный для продакшена — чистый, хорошо протестированный, документированный и повторно используемый товарищами по команде. Работать с PySpark и Databricks для обработки и преобразования больших объемов данных в рамках разработки конвейеров графа. Применять подходы на основе встраивания (семантическое сходство, векторный поиск) для задач сопоставления сущностей и согласования онтологий. Вносить вклад в командные инструменты, документацию и повторно используемые компоненты, которые повышают эффективность разработки графа знаний. Сотрудничество и рост Тесно сотрудничать с инжинирингом данных по проектированию конвейеров, качеству данных и инкрементным моделям приема, питающим материализованный субстрат графа. Участвовать в обзорах проектирования онтологий и междисциплинарных рабочих группах. Работать с командами продуктов и операций для понимания требований к случаям использования и их преобразования в обновления схемы графа. Активно развивать экспертизу в стандартах семантической паутины W3C, графовых базах данных, основанных на RDF, и разрешении сущностей под руководством старшего онтолога. Кто вы: Обязательные требования 2–4 года практического опыта в разработке графов знаний, семантическом моделировании данных, инженерии онтологий или тесно связанной области. Рабочие знания стандартов семантической паутины W3C: RDF, RDFS, OWL и SPARQL — с практическим опытом запросов или создания в как минимум одном триплсторе или графовой базе данных. Знакомство с SHACL или эквивалентными фреймворками ограничений и проверки для качества данных графа. Сильные навыки Python — чистый, читаемый, пригодный для продакшена код с тестированием и документацией. Твердое понимание основ моделирования данных — проектирование сущностно-реляционных отношений, таксономии, иерархии и способов представления сложных реальных отношений в структурированной форме. Знакомство с концепциями разрешения сущностей или сопоставления данных — понимание того, почему одна и та же реальная сущность появляется под разными идентификаторами в разных источниках данных. Требуется степень бакалавра в области компьютерных наук, информационных наук, математики или смежной области; степень магистра предпочтительна. Внимательность к деталям и проактивность в выявлении проблем с качеством данных и несоответствий схемы. Сильно предпочтительно Практический опыт работы с Amazon Neptune или Stardog — или эквивалентным триплстором на основе RDF; знание виртуализации данных (Neptune Orion или Stardog Virtual Graphs) будет плюсом. Рабочие знания PySpark и Databricks — особенно для крупномасштабной агрегации событий и конвейеров преобразования. Знакомство с моделями встраивания, векторным поиском или семантическим сходством — применяемым к сопоставлению сущностей, согласованию онтологий или обогащению графа знаний. Опыт работы с API LLM или подходами на основе RAG, применяемыми к извлечению информации, разрешению неоднозначности сущностей или сопоставлению схем. Знание предметной области в области медиа, развлечений или AdTech — метаданные контента, рекламные сущности, данные о просмотре ТВ или данные об аудитории/идентификации. Опыт работы с разрешением идентификаторов, вероятностным связыванием записей или подходами к графам устройств. Samba является работодателем, предоставляющим равные возможности. Мы ценим разнообразие и стремимся создавать инклюзивную среду для всех сотрудников. Мы стремимся расширять возможности для связи друг с другом, отражать сообщества, которым мы служим, и решать значимые проекты, которые оказывают реальное влияние.

Samba может собирать личную информацию непосредственно от вас, как от кандидата на вакансию, Samba также может получать личную информацию от третьих лиц, например, в связи с проверкой биографии, трудоустройства или рекомендаций, в соответствии с применимым законодательством. Для получения более подробной информации, пожалуйста, ознакомьтесь с Политикой конфиденциальности кандидатов Samba. Для жителей ЕС Samba Inc. является контролером данных.