Semantic Data Architect (Ontology Engineer) (Remote)

Obszar: Life Science / Healthcare

Lokalizacja: 100% zdalnie

Start: ASAP (akceptujemy kandydatury z max 3msc OW)

Stawka (ustalana indywidualnie): 190 - 215 PLN netto + VAT / h

Zaangażowanie: B2B (outsourcing z 1dea), full-time, długofalowo

Proces rekrutacyjny (100% zdalnie):

• Krótka rozmowa telefoniczna informacyjno-zapoznawcza z rekruterem 1dea (~10 min)
• Weryfikacja techniczno-projektowa z Klientem (~1 - 1,5 h)
• (Jeśli OK) Rozmowa zapoznawcza z przedstawicielem projektu u Klienta końcowego (~ 30 min)
• Decyzja o podjęciu współpracy

• Projektowanie, rozwój i utrzymanie stabilnych ontologii, modeli semantycznych oraz kontrolowanych słowników (controlled vocabularies)
• Definiowanie i wdrażanie mapowań pomiędzy surowymi danymi źródłowymi a konceptami w strukturach ontologicznych
• Bliska współpraca z ekspertami domenowymi
• Ewaluacja oraz integracja zewnętrznych, istniejących już ontologii tam, gdzie jest to uzasadnione projektowo
• Aktywny udział w procesach zarządzania (governance)
• Wspieranie integracji modeli semantycznych z grafami wiedzy, platformami zarządzania metadanymi oraz produktami danych
• Zapewnianie spójności semantycznej, interoperacyjności oraz reużywalności modeli danych pomiędzy różnymi domenami

• 3+ letnie komercyjne doświadczenie w inżynierii ontologii, modelowaniu semantycznym lub reprezentacji wiedzy
• Biegła znajomość standardów sieci semantycznej: RDF/RDFS, OWL, SPARQL, SHACL
• Doświadczenie w przekładaniu wymagań biznesowych i domenowych na zaawansowane modele semantyczne lub modele informacji
• Głębokie zrozumienie zagadnień z zakresu zarządzania metadanymi, kontrolowanych słowników oraz interoperacyjności danych
• Umiejętność pracy z wieloma zróżnicowanymi źródłami danych oraz swoboda w komunikacji zarówno z partnerami technicznymi, jak i biznesowymi
• Angielski --> B2+

Mile widziane:

• Doświadczenie w branży Life Sciences (biologia, chemia, pharma R&D)
• Znajomość wzorców projektowych w inżynierii ontologii (ontology design patterns) oraz umiejętność trafnej oceny kompromisów architektonicznych
• Zrozumienie i praktyczna znajomość zasad FAIR data principles (Findable, Accessible, Interoperable, Reusable)
• Doświadczenie w środowiskach CMC (Chemistry, Manufacturing, and Controls), systemach automatycznego przechwytywania danych naukowych lub systemach klasy ELN (Electronic Lab Notebook)
• Znajomość narzędzi Jira, Confluence oraz doświadczenie w pracy w zwinnych metodykach dostarczania projektów (Agile/Scrum)