Benevity е SaaS компания за корпоративни клиенти, насочена към социалното въздействие. Нейната платформа Benevity Enterprise Impact Platform помага на големи организации да управляват даренията от служители, съпоставянето на дарения, даренията чрез ведомост за заплати, доброволчеството, грантовете, групите на служителите, предизвикателствата и отчитането на въздействието в една система. Платформата поддържа също глобални плащания, проверка на нестопански организации, спазване на изискванията и контрол на риска, като автоматизацията, базирана на изкуствен интелект, е предназначена да улеснява администрирането на програмите и измерването на резултатите. За професионалисти, които търсят възможности в областта на B2B софтуера, SaaS или технологиите за социално въздействие, Benevity предлага възможност за работа по продукти, които свързват програмите на работното място с благотворителни организации и измерими резултати за общностите.
Старши специалист по данни и изкуствен интелект в Benevity — хибридна работа в Торонто
Старши специалистът по данни и изкуствен интелект разработва модели за машинно обучение, аналитични решения и прототипи на AI за SaaS платформата на Benevity със социално въздействие. Ролята е насочена към продукционни модели, клиентското изживяване и автоматизацията.
Канада109 400 CAD – 150 370 CAD / година
ХибридноПълен работен денСтаршиЗадължителен Език: английскиИнженер по машинно обучениеНаучен изследовател в областта на ИИОписание
- Разработване на модели за машинно обучение и статистически модели за препоръки, прогнози и класификация
- Проучване на данни, конструиране на характеристики и предварителна обработка на набори от данни за обучение и оценяване на модели
- Оценяване на ефективността на моделите с подходящи метрики и усъвършенстване на подходите чрез експерименти
- Партниране с анализатори на данни и заинтересовани страни от продуктовия екип за изясняване на случаите на употреба и определяне на критерии за успех
- Създаване на прототипи и сравняване на методи в областите NLP, обучение на представяния и прогнозиране на времеви редове
- Извличане на приложими изводи чрез усъвършенствана аналитика, сегментиране и статистически анализ
- Представяне на резултатите и резултатите от моделите пред междуфункционални екипи
- Подпомагане на A/B тестове и дейности по валидиране на модели
- Създаване на табла и инструменти за наблюдение на състоянието на моделите след внедряване и на ключови бизнес показатели
- Партниране с продуктовите екипи и екипите по AI инженеринг за внедряване на модели и свързването им с бекенд услуги и API
- Изграждане на възпроизводими конвейери за обучение и бележници със стандарти за версиониране и документация
- Подпомагане на разработването на многократно използваеми компоненти на модели и хранилища на характеристики
- Проследяване на развитието в екосистемата на данните, машинното обучение и AI и оценяване на нови инструменти и рамки
- Подобряване на ефективността и прозрачността на екипа чрез документация и вътрешни инструменти
Изисквания
- 4–6 години опит в областта на науката за данните, инженерството на машинното обучение или приложния AI, за предпочитане в SaaS среда или технологичен продукт
- Опит в разработването на модели, ориентирани към клиенти или оказващи влияние върху бизнеса, включително оценяване, персонализация или откриване на аномалии
- Познаване на практиките за съвместна разработка на софтуер, като Git, преглед на код и CI/CD за машинно обучение
- Бакалавърска или магистърска степен по наука за данните, компютърни науки, статистика, инженерство или сходна дисциплина
- Отлично владеене на Python, SQL, Jupyter и Git
- Опит със scikit-learn, XGBoost, LightGBM и основни познания по TensorFlow или PyTorch
- Опит с Pandas, NumPy, DBT, BigQuery, Snowflake или сравними инструменти за данни
- Опит с MLflow и Airflow
- Опит с поне една облачна платформа: GCP/Vertex AI, AWS/SageMaker или Azure ML
- Задълбочено разбиране на оценяването на модели, преобучаването, отклоненията, вариацията, кръстосаната валидация и A/B тестването
- Опитът в оценяване на устойчивостта, интерпретируемостта и приобщаването на модели е предимство
- Опитът с Docker или Kubernetes е предимство
- Опитът с хранилища на характеристики като Tecton или Feast не е задължителен, но е полезен
- Познанията в областта на дълбокото обучение, графовото машинно обучение, NLP или обучението с подсилване са значително предимство
- Високо се оценява производственият опит с внедряване и наблюдение на модели за машинно обучение, включително автоматично повторно обучение, регистриране и проследяване на ефективността
- Отлични комуникационни умения, включително способност за обясняване на сложни технически теми на техническа и нетехническа аудитория
- Познаване на етичните аспекти на машинното обучение, включително справедливост, отклонения и обяснимост на AI
Придобивки
- Гъвкави хибридни условия на работа
- За служителите, които се намират близо до офис, няма изискване за фиксирано присъствие в офиса
- Възможности за работа по иновативни проекти
- Възможности за професионално развитие
- Подкрепящи колеги
- Работа с кауза
- Групи за служители
- Равни възможности за всички кандидати и служители
- Осигуряване на необходимите адаптации по време на процеса на кандидатстване и оценяване за кандидати с увреждания