Senior tudásgráf mérnök

Stack

Feladatok

• ▹Nagy sebességű GraphRAG betöltési pipeline-ok tervezése, megvalósítása és karbantartása, amelyek relációs adatokat (ERP, SQL), strukturálatlan ESG-jelentéseket és stream-eket alakítanak Labeled Property Graph-okká (Neo4j, Memgraph) és RDF Triple Store-okká
• ▹Automatizált entitásfelismerési (NER), entitáslinkelési és deduplikálási munkafolyamatok építése egységes gráf-csomópontok létrehozásához
• ▹Automatizált ETL/ELT pipeline-ok megvalósítása belső ellátásilánc-adatok és külső, nyílt forráskódú ontológiák/nyilvántartások (GLEIF, W3C SSN/SOSA, Copernicus, PROV-O) összekapcsolására
• ▹GraphRAG lekérdezési rétegek építése AI/ML mérnökökkel: optimalizált Cypher és SPARQL lekérdezések, NL2Query eszközök, hibrid vektor-gráf indexelés, Model Context Protocol (MCP) végpontok
• ▹SHACL sémák operacionalizálása automatizált adatminőségi tesztekként CI/CD pipeline-okban
• ▹Több lépéses lekérdezés-teljesítmény, gráf-particionálás és adatbázis-indexelési stratégiák optimalizálása milliárdos csomópont- és élszámú gráfokhoz

Elvárások

• ▹Diploma számítástudomány, matematika, mérnöki vagy kapcsolódó technikai területen
• ▹4+ év éles gráfadatbázis-építési és -lekérdezési tapasztalat (Neo4j, Memgraph, TigerGraph vagy GraphDB, Stardog, Virtuoso)
• ▹Erős felhőtechnológiai tapasztalat, elsősorban Azure ökoszisztémában (Azure Foundry, Azure Bicep, AzureML, Azure Cloud Storage)
• ▹Fejlett Python-ismeretek (RDFLib, NetworkX, PyGraphistry) skálázható, éles adatpipeline-ok építéséhez
• ▹Tapasztalat entitáskinyerési pipeline-ok építésében modern NLP-keretrendszerekkel (LangChain, LlamaIndex, spaCy) vagy LLM-alapú strukturált kinyeréssel
• ▹Gyakorlati tapasztalat modern adattranszformációs eszközökkel (dbt) és gráfadatbázisok vektortárolókkal (Qdrant, Pinecone, pgvector) való integrálásával
• ▹Szemantikus web szabványok (RDF, RDFS, OWL, SKOS, SHACL, RDF-star, SPARQL) és gráf sématervezési elvek szilárd ismerete

Előny

• ▹Tapasztalat ellátásilánc-, karbon-elszámolási (GHG Protocol) vagy életciklus-elemzési (LCA) adatstruktúrákkal
• ▹Közvetlen tapasztalat Model Context Protocol (MCP) szerverek építésében LLM-ügynökök számára
• ▹Tapasztalat nagy léptékű vállalati OBDA megközelítésekkel

Soft skillek

Amit kínálunk

• ▹Iroda- és IT-eszközök biztosítása
• ▹Rugalmas munkaidő
• ▹Wellness juttatás mentális és fizikai jóléthez
• ▹Professzionális mentálhigiénés támogatás elérhetősége
• ▹Ajánlói bónuszprogram
• ▹Fizetett önkéntes nap

A munkáltatóról

Az EcoVadis a vállalati fenntarthatósági minősítések vezető szolgáltatója, amely adatokat elemez és fenntarthatósági pontszámokat épít, hogy a cégek átlátható képet kapjanak környezeti, társadalmi és etikai kockázataikról.