نحن نوظف: مهندس رسم بياني معرفي (Knowledge Graph) | أخصائي بيانات دلالية
نوع التوظيف: دوام كامل
المستوى الوظيفي: من متوسط إلى خبير
نحن نبحث عن مهندس رسم بياني معرفي | أخصائي بيانات دلالية يتمتع بمهارات تقنية وتحليلية لتصميم وتطوير وصيانة الرسوم البيانية المعرفية، ونماذج البيانات الدلالية، والأنطولوجيات (علم الوجود)، وحلول تكامل البيانات الذكية. يجمع هذا الدور بين هندسة الرسوم البيانية المعرفية، والتقنيات الدلالية، وهندسة البيانات، ونمذجة المعلومات لربط مجموعات البيانات المعقدة، وتحسين اكتشاف البيانات، وتمكين التحليلات المتقدمة، وتمثيل المعرفة، والتطبيقات القائمة على الذكاء الاصطناعي.
المسؤوليات الرئيسية
• تصميم وتطوير وصيانة الرسوم البيانية المعرفية للمؤسسات وحلول البيانات الدلالية.
• بناء نماذج بيانات قائمة على الرسم البياني تمثل الكيانات والعلاقات والمفاهيم وقواعد العمل.
• تطوير وصيانة الأنطولوجيات، والتصنيفات، والمفردات، والمخططات الدلالية.
• ترجمة متطلبات العمل إلى تمثيلات معرفية منظمة ونماذج بيانات قابلة لإعادة الاستخدام.
• دمج البيانات من قواعد البيانات العلائقية، ومستودعات المستندات، وواجهات برمجة التطبيقات (APIs)، ومخازن البيانات، والمصادر الخارجية.
• تصميم علاقات الكيانات وهياكل الرسم البياني التي تدعم الاستعلام الفعال واكتشاف المعرفة.
• تطوير خطوط أنابيب استيعاب البيانات، وتحويلها، وتطبيعها، وإثرائها لمنصات الرسم البياني المعرفي.
• تنفيذ عمليات حل الكيانات، وربط الكيانات، وإزالة التكرار، واستخراج العلاقات.
• تعيين مجموعات البيانات غير المتجانسة إلى نماذج دلالية مشتركة ومفردات موحدة.
• تطوير وتحسين استعلامات الرسم البياني باستخدام تقنيات مثل SPARQL أو Cypher أو لغات استعلام مكافئة.
• العمل باستخدام RDF وRDF Schema وOWL وJSON-LD ومعايير الويب الدلالي الأخرى حيثما ينطبق ذلك.
• بناء وصيانة الرسوم البيانية المعرفية باستخدام منصات مثل Neo4j أو GraphDB أو Stardog أو Amazon Neptune أو تقنيات مكافئة.
• إنشاء علاقات دلالية عبر بيانات الأعمال، والبيانات الوصفية التقنية، والمستندات، والمعرفة الخاصة بالمجال.
• تحسين قابلية التشغيل البيني للبيانات من خلال إنشاء تعريفات ومُعرفات ومخططات ونماذج علاقات متسقة.
• التعاون مع مهندسي البيانات، ومهندسي معمارية البيانات، وعلماء البيانات، وخبراء المجال لتحديد المتطلبات الدلالية.
• تطوير قواعد التحقق من صحة البيانات وفحوصات الجودة للحفاظ على دقة الرسم البياني واتساقه واكتماله وسلامته.
• التحقيق في التناقضات، والعلاقات المفقودة، والكيانات المكررة، ومشكلات النمذجة داخل مجموعات بيانات الرسم البياني.
• تحسين تخزين الرسم البياني، والفهرسة، وأداء الاستعلام، وكفاءة المعالجة.
• دعم تطوير البحث الدلالي، وأنظمة التوصية، وتطبيقات الإجابة على الأسئلة، وأدوات اكتشاف المعرفة.
• دمج الرسوم البيانية المعرفية مع نماذج تعلم الآلة، وخطوط أنابيب معالجة اللغات الطبيعية، وتطبيقات الذكاء الاصطناعي.
• دعم حلول التوليد المعزز بالاسترجاع (RAG) من خلال ربط المعرفة المنظمة بنماذج اللغة الكبيرة حيثما كان ذلك مناسباً.
• تطوير واجهات برمجة التطبيقات (APIs) والخدمات التي تعرض بيانات الرسم البياني والعلاقات الدلالية للتطبيقات النهائية.
• الاحتفاظ بوثائق للأنطولوجيات، وتعيينات البيانات، ومخططات الرسم البياني، وتعريفات الأعمال، وقرارات النمذجة.
• إنشاء معايير نمذجة دلالية قابلة لإعادة الاستخدام وأفضل الممارسات عبر المشاريع.
• دعم نشر الرسم البياني المعرفي ومراقبته وصيانته والتحكم في إصداراته.
• إجراء تقييمات تقنية لقواعد بيانات الرسم البياني، والتقنيات الدلالية، وأطر تمثيل المعرفة.
• إجراء تحليل الأثر عند تغيير الأنطولوجيات أو المخططات أو البيانات المصدرية التي تؤثر على الأنظمة النهائية.
• دعم حوكمة البيانات، وإدارة البيانات الوصفية، والنسب (Lineage)، ومبادرات معمارية معلومات المؤسسة.
• البحث في التقنيات الناشئة في تحليلات الرسم البياني، والذكاء الاصطناعي الدلالي، والبيانات المترابطة، وتمثيل المعرفة.
• التوصية بتحسينات على معمارية الرسم البياني، وسير عمل تكامل البيانات، وممارسات النمذجة الدلالية.
• المشاركة في مراجعات التصميم التقني، وتخطيط المشاريع، والاختبار، وأنشطة التحسين المستمر.
✅ المتطلبات
• درجة البكالوريوس أو الماجستير في علوم الكمبيوتر، أو نظم المعلومات، أو هندسة البيانات، أو الذكاء الاصطناعي، أو هندسة المعرفة، أو مجال ذي صلة.
• خبرة مثبتة في هندسة الرسم البياني المعرفي، أو نمذجة البيانات الدلالية، أو قواعد بيانات الرسم البياني، أو التخصصات ذات الصلة.
• فهم قوي لنظرية الرسم البياني، ونمذجة البيانات، وعلاقات الكيانات، وتمثيل المعرفة.
• خبرة عملية في تقنيات قواعد بيانات الرسم البياني مثل Neo4j، أو Amazon Neptune، أو GraphDB، أو Stardog، أو منصات مكافئة.
• إجادة لغات استعلام الرسم البياني مثل Cypher أو SPARQL أو Gremlin.
• الإلمام بمعايير الويب الدلالي، بما في ذلك RDF وRDFS وOWL وJSON-LD ومبادئ البيانات المترابطة.
• خبرة في تصميم الأنطولوجيات، والتصنيفات، والمفردات الخاضعة للرقابة، أو النماذج الدلالية الخاصة بالمجال.
• فهم قوي لقواعد البيانات العلائقية، وSQL، وهياكل البيانات، ومفاهيم تكامل البيانات.
• خبرة في بناء خطوط أنابيب استيعاب البيانات، وتحويلها، وإثرائها.
• إجادة لغة Python أو لغة برمجة أخرى ذات صلة لمعالجة البيانات والأتمتة.
• معرفة بواجهات برمجة تطبيقات REST، وتنسيقات تسلسل البيانات، وتقنيات تكامل التطبيقات.
• تعد الخبرة في حل الكيانات، وربط السجلات، واستخراج العلاقات، أو ملء الرسم البياني المعرفي ميزة إضافية.
• الإلمام بمعالجة اللغات الطبيعية وتقنيات استخراج المعلومات مفيد.
• يفضل فهم تطبيقات الرسم البياني المعرفي في البحث، والتحليلات، وأنظمة التوصية، والذكاء الاصطناعي.
• تعد الخبرة في دمج الرسوم البيانية المعرفية مع نماذج اللغة الكبيرة أو معماريات RAG ميزة إضافية.
• المعرفة بالمنصات السحابية وخدمات الرسم البياني مفيدة.
• فهم حوكمة البيانات، وإدارة البيانات الوصفية، وجودة البيانات، ومبادئ معمارية المعلومات.
• مهارات تحليلية وحل المشكلات قوية.
• القدرة على ترجمة مفاهيم الأعمال المعقدة إلى نماذج دلالية منظمة.
• اهتمام ممتاز بالتفاصيل والتزام بدقة البيانات واتساقها.
• مهارات قوية في التوثيق التقني والتواصل.
• القدرة على التعاون مع المهندسين، والمعماريين، والمحللين، والباحثين، وأصحاب المصلحة في الأعمال.
• القدرة على إدارة أولويات تقنية متعددة وتسليم المشاريع ضمن الجداول الزمنية المتفق عليها.
• الإلمام بـ Git، والاختبار الآلي، وCI/CD، وأفضل ممارسات تطوير البرمجيات ميزة إضافية.
• الشهادات ذات الصلة أو التدريب المتخصص في قواعد بيانات الرسم البياني، أو التقنيات الدلالية، أو هندسة البيانات، أو تمثيل المعرفة مفيد.
ما نقدمه
• راتب تنافسي ومزايا موظفين شاملة.
• فرصة للعمل مع تقنيات الرسم البياني المعرفي والبيانات الدلالية المتقدمة.
• التعرض للذكاء الاصطناعي، وتمثيل المعرفة، وتحليلات الرسم البياني، وأنظمة المعلومات الذكية.
• التطوير المهني في هندسة البيانات، والنمذجة الدلالية، ومعمارية الرسم البياني.
• التدريب والدعم للشهادات التقنية ذات الصلة.
• فرص للعمل على مشاريع تكامل بيانات المؤسسات وإدارة المعرفة.
• التعاون مع مهندسي بيانات ذوي خبرة، ومعماريين، ومتخصصي ذكاء اصطناعي، وخبراء مجال.
• فرص للمساهمة في البحث الدلالي، والتطبيقات المدعومة بالذكاء الاصطناعي، ومبادرات اكتشاف المعرفة.
• الوصول إلى قواعد بيانات الرسم البياني الحديثة، والمنصات السحابية، وأدوات هندسة البيانات.
• التقدير للحلول المبتكرة والتحسينات في قابلية التشغيل البيني للبيانات واكتشاف المعرفة.
- • التطور الوظيفي نحو مهندس رسم بياني معرفي أول، أو معماري بيانات دلالية، أو قائد هندسة المعرفة، أو معماري بيانات الرسم البياني، أو رئيس هندسة المعرفة.
We’re Hiring: Knowledge Graph Engineer | Semantic Data Specialist
Employment Type: Full-Time
Level: Mid-Level to Senior
We are seeking a technically skilled and analytical Knowledge Graph Engineer | Semantic Data Specialist to design, develop, and maintain knowledge graphs, semantic data models, ontologies, and intelligent data integration solutions. This role combines knowledge graph engineering, semantic technologies, data architecture, and information modeling to connect complex datasets, improve data discoverability, and enable advanced analytics, knowledge representation, and AI-driven applications.
Key Responsibilities
• Design, develop, and maintain enterprise knowledge graphs and semantic data solutions.
• Build graph-based data models that represent entities, relationships, concepts, and business rules.
• Develop and maintain ontologies, taxonomies, vocabularies, and semantic schemas.
• Translate business requirements into structured knowledge representations and reusable data models.
• Integrate data from relational databases, document repositories, APIs, data warehouses, and external sources.
• Design entity relationships and graph structures that support efficient querying and knowledge discovery.
• Develop data ingestion, transformation, normalization, and enrichment pipelines for knowledge graph platforms.
• Implement entity resolution, entity linking, deduplication, and relationship extraction processes.
• Map heterogeneous datasets to shared semantic models and standardized vocabularies.
• Develop and optimize graph queries using technologies such as SPARQL, Cypher, or equivalent query languages.
• Work with RDF, RDF Schema, OWL, JSON-LD, and other semantic web standards where applicable.
• Build and maintain knowledge graphs using platforms such as Neo4j, GraphDB, Stardog, Amazon Neptune, or equivalent technologies.
• Establish semantic relationships across business data, technical metadata, documents, and domain-specific knowledge.
• Improve data interoperability by establishing consistent definitions, identifiers, schemas, and relationship models.
• Collaborate with data engineers, data architects, data scientists, and domain experts to define semantic requirements.
• Develop data validation rules and quality checks to maintain graph accuracy, consistency, completeness, and integrity.
• Investigate inconsistencies, missing relationships, duplicate entities, and modeling issues within graph datasets.
• Optimize graph storage, indexing, query performance, and processing efficiency.
• Support the development of semantic search, recommendation systems, question-answering applications, and knowledge discovery tools.
• Integrate knowledge graphs with machine learning models, natural language processing pipelines, and AI applications.
• Support retrieval-augmented generation (RAG) solutions by connecting structured knowledge with large language models where appropriate.
• Develop APIs and services that expose graph data and semantic relationships to downstream applications.
• Maintain documentation for ontologies, data mappings, graph schemas, business definitions, and modeling decisions.
• Establish reusable semantic modeling standards and best practices across projects.
• Support knowledge graph deployment, monitoring, maintenance, and version control.
• Conduct technical evaluations of graph databases, semantic technologies, and knowledge representation frameworks.
• Perform impact analysis when changes to ontologies, schemas, or source data affect downstream systems.
• Support data governance, metadata management, lineage, and enterprise information architecture initiatives.
• Research emerging technologies in graph analytics, semantic AI, linked data, and knowledge representation.
• Recommend improvements to graph architecture, data integration workflows, and semantic modeling practices.
• Participate in technical design reviews, project planning, testing, and continuous improvement activities.
✅ Requirements
• Bachelor’s or Master’s degree in Computer Science, Information Systems, Data Engineering, Artificial Intelligence, Knowledge Engineering, or a related field.
• Proven experience in knowledge graph engineering, semantic data modeling, graph databases, or related disciplines.
• Strong understanding of graph theory, data modeling, entity relationships, and knowledge representation.
• Hands-on experience with graph database technologies such as Neo4j, Amazon Neptune, GraphDB, Stardog, or equivalent platforms.
• Proficiency in graph query languages such as Cypher, SPARQL, or Gremlin.
• Familiarity with semantic web standards, including RDF, RDFS, OWL, JSON-LD, and linked data principles.
• Experience designing ontologies, taxonomies, controlled vocabularies, or domain-specific semantic models.
• Strong understanding of relational databases, SQL, data structures, and data integration concepts.
• Experience building data ingestion, transformation, and enrichment pipelines.
• Proficiency in Python or another relevant programming language for data processing and automation.
• Knowledge of REST APIs, data serialization formats, and application integration techniques.
• Experience with entity resolution, record linkage, relationship extraction, or knowledge graph population is advantageous.
• Familiarity with natural language processing and information extraction techniques is beneficial.
• Understanding of knowledge graph applications in search, analytics, recommendation systems, and AI is preferred.
• Experience integrating knowledge graphs with large language models or RAG architectures is advantageous.
• Knowledge of cloud platforms and graph services is beneficial.
• Understanding of data governance, metadata management, data quality, and information architecture principles.
• Strong analytical and problem-solving skills.
• Ability to translate complex business concepts into structured semantic models.
• Excellent attention to detail and commitment to data accuracy and consistency.
• Strong technical documentation and communication skills.
• Ability to collaborate with engineers, architects, analysts, researchers, and business stakeholders.
• Ability to manage multiple technical priorities and deliver projects within agreed timelines.
• Familiarity with Git, automated testing, CI/CD, and software development best practices is advantageous.
• Relevant certifications or specialized training in graph databases, semantic technologies, data engineering, or knowledge representation are beneficial.
What We Offer
• Competitive salary and comprehensive employee benefits.
• Opportunity to work with advanced knowledge graph and semantic data technologies.
• Exposure to AI, knowledge representation, graph analytics, and intelligent information systems.
• Professional development in data engineering, semantic modeling, and graph architecture.
• Training and support for relevant technical certifications.
• Opportunities to work on enterprise data integration and knowledge management projects.
• Collaboration with experienced data engineers, architects, AI specialists, and domain experts.
• Opportunities to contribute to semantic search, AI-powered applications, and knowledge discovery initiatives.
• Access to modern graph databases, cloud platforms, and data engineering tools.
• Recognition for innovative solutions and improvements in data interoperability and knowledge discovery.
- • Career progression toward Senior Knowledge Graph Engineer, Semantic Data Architect, Knowledge Engineering Lead, Graph Data Architect, or Head of Knowledge Engineering.