Senior Data Modeller

• Długofalowa współpraca z międzynarodową, topową firmą consultingową realizującą projekty IT dla dużych i średnich organizacji z sektorów: automotive, finanse, bankowość oraz produkcja.
• Wsparcie projektu Causal Biology Tech Build, którego celem jest rozwój i integracja wiedzy na temat przyczynowych oraz mechanistycznych podstaw chorób, zwiększenie liczby wniosków dotyczących zależności przyczynowych pomiędzy genami a chorobami, udostępnienie naukowcom R&D zintegrowanych produktów danych zgodnych z zasadami FAIR.
• Prowadzenie strategii modelowania danych w obszarach harmonizacji danych, walidacji pipeline'ów, grafów wiedzy oraz produktów danych FAIR.
• Przekładanie niejednoznacznych wymagań naukowych na przejrzyste kanoniczne modele danych.
• Podejmowanie decyzji dotyczących ponownego wykorzystania, rozszerzania i mapowania ontologii wraz z dokumentowaniem uzasadnienia.
• Definiowanie trwałych identyfikatorów oraz spójnych pól provenance we wszystkich zasobach danych..
• Wczesna identyfikacja ryzyk związanych z modelowaniem danych, w tym: braków w metadanych, konfliktów pomiędzy ontologiami, problemów z jakością danych źródłowych, braków w lineage danych, ryzyk dotyczących kompatybilności z systemami downstream.

Wymagania kluczowe:

• Doświadczenie z LinkML lub podobnymi frameworkami do modelowania schematów danych.
• Tworzenie schematów w formacie YAML.
• Znajomość narzędzi do obsługi ontologii biomedycznych i kontrolowanych słowników.
• Znajomość zasobów ontologicznych: HGNC, Ensembl, UniProt, MONDO, HPO, EFO, UBERON, Cell Ontology, Gene Ontology, ChEBI, OBI, LOINC, UCUM, ECO, SEPIO, Relation Ontology.
• Technologie modelowania semantycznego: RDF, OWL, JSON-LD, SHACL, ShEx, SPARQL.
• Modelowanie grafów wiedzy.
• Narzędzia typu schema registry lub model registry, katalogi danych i rejestry metadanych.
• Zarządzanie słownikami danych, modelowanie lineage i provenance danych.
• Narzędzia do walidacji schematów i kontroli jakości danych.
• Podejścia do mapowania danych źródłowych do modelu kanonicznego.
• Bardzo dobre doświadczenie w konceptualnym, logicznym i kanonicznym modelowaniu danych dla złożonych domen biomedycznych lub naukowych.
• Umiejętność modelowania encji biomedycznych: geny, targety terapeutyczne, choroby, wskazania medyczne, fenotypy, mechanizmy biologiczne, biomarkery, tkanki, typy komórek, modalności testów i badań, dowody naukowe, pochodzenie danych, zależności przyczynowe.

Mile widziane:

• Dostępność ASAP; akceptowalny maksymalnie miesięczny okres wypowiedzenia.