Старший специалист по графовому интеллекту и knowledge graphs

Что предстоит делать

<p>Компания Deep Knowledge Group (<a href="https://www.dkv.global/" target="_blank">www.dkv.global</a>) ищет старшего специалиста по графовому интеллекту, графам знаний и сетевому анализу для преобразования больших наборов данных о сущностях в полезную аналитику взаимосвязей.</p><p>В наших аналитических платформах важный вопрос обычно не «какие сущности существуют», а: как они связаны, какие взаимосвязи имеют значение, где находятся кластеры, ключевые игроки, скрытые зависимости и формирующиеся экосистемы.</p><p>Мы поддерживаем наборы данных, охватывающие компании, инвесторов, технологии, отрасли, экспертов, институты, партнерства и географические экосистемы. Ваша задача — превратить эти взаимосвязи в масштабируемые аналитические системы и интерактивные продукты для аналитики.</p><p>Требования:</p><ol><li>Специалист по графовому интеллекту / графам знаний (Neo4j, Python)</li><li>Опыт работы от 5 лет</li><li>Английский язык — Upper-Intermediate</li><li>Навыки: Python, Neo4j, NetworkX, Knowledge Graphs, Graph Databases, Cypher, Network Analysis, Entity Resolution, D3.js</li></ol><p>Чем предстоит заниматься</p><ul><li>Проектирование графовых моделей данных для сложных многокомпонентных аналитических наборов данных.</li><li>Построение графов знаний, связывающих компании, инвесторов, технологии, людей, институты, проекты и географические объекты.</li><li>Создание пайплайнов для преобразования структурированных и полуструктурированных данных в формат, пригодный для графов.</li><li>Работа над нормализацией сущностей, определением взаимосвязей и проектированием схем графов.</li><li>Применение сетевого анализа: центральность, кластеризация, обнаружение сообществ, связность, картирование взаимосвязей.</li><li>Выявление закономерностей, которые не видны в обычных таблицах и дашбордах.</li><li>Создание интерактивных графовых интерфейсов, которые остаются читаемыми — многослойные представления, фильтры, детализация, контекст — вместо «клубков» связей.</li><li>Интеграция графовой аналитики в дашборды DKG и платформы экосистем.</li><li>Создание переиспользуемых графовых компонентов, применимых в разных отраслях.</li><li>Исследование возможностей графового машинного обучения и прогнозирования связей там, где это дает реальную практическую ценность.</li><li>Документирование схем, взаимосвязей и методологии.</li></ul><p>Что мы ожидаем</p><ul><li>Уверенный практический опыт в графовой аналитике, науке о сетях или графах знаний.</li><li>Уверенное владение Python.</li><li>NetworkX, igraph или аналогичные библиотеки для графового анализа.</li><li>Графовые базы данных: Neo4j, Memgraph, ArangoDB или аналогичные.</li><li>Глубокое понимание графовых схем — узлы, ребра, свойства, моделирование взаимосвязей.</li><li>Инструменты визуализации графов: D3.js, Sigma.js, Graphistry, Gephi или аналогичные.</li><li>Опыт очистки и структурирования сложных реальных данных.</li><li>Способность переводить аналитические задачи в правильную графовую структуру и алгоритм.</li><li>Умение объяснять результаты графового анализа на практическом стратегическом языке.</li><li>Английский язык, достаточный для ежедневной письменной и устной работы в международной команде.</li></ul><p>Будет преимуществом</p><ul><li>Графовое машинное обучение, эмбеддинги, прогнозирование связей; PyTorch Geometric, DGL или аналогичные инструменты.</li><li>Продукты для рыночной аналитики, инвестиционной аналитики, OSINT или картирования экосистем.</li><li>Разрешение сущностей (entity resolution), проектирование онтологий и таксономий.</li><li>Интеграция графов в продакшн-веб-приложения.</li><li>AI-ассистированные подходы к написанию кода и аналитическим процессам.</li><li>Опыт в инвестиционной аналитике, сфере AI, DeepTech или Life Sciences.</li></ul><p>Что делает эту роль особенной</p><p>Мы ищем не того, чей основной результат — визуально впечатляющие диаграммы сетей. Графовый интеллект здесь существует для того, чтобы выявлять взаимосвязи, которые улучшают реальный анализ и принятие решений: поиск ключевых компаний и инвесторов внутри экосистемы, картирование связей технология-компания-инвестор, обнаружение кластеров и формирующихся технологических концентраций, прослеживание взаимосвязей между проектами, организациями, рынками и возможностями.</p><p>Успех означает создание графовых систем, которые становятся переиспользуемой инфраструктурой для аналитических продуктов DKG — технически надежных, аналитически значимых и достаточно интуитивных, чтобы пользователи получали ценность, не изучая теорию графов.</p><p>Формат: полная занятость, полная удаленка, международная команда, передовые технологические домены.</p> <div> <a href="https://jobs.dou.ua/companies/deep-knowledge-ventures/vacancies/372418/#reply-btn-id">Відгукнутись на вакансію</a> </div>