Benevity je podniková SaaS společnost zaměřená na společenský dopad. Její platforma Benevity Enterprise Impact Platform pomáhá velkým organizacím spravovat zaměstnanecké dary, matching darů, dary prostřednictvím mzdového systému, dobrovolnictví, granty, zaměstnanecké skupiny, výzvy a reporting dopadu v jednom systému. Platforma podporuje také globální distribuci prostředků, prověřování neziskových organizací, dodržování předpisů a řízení rizik, přičemž automatizace využívající umělou inteligenci má zjednodušit administraci programů a měření jejich výsledků. Profesionálům, kteří zvažují kariéru v oblasti B2B softwaru, SaaS nebo technologií společenského dopadu, Benevity nabízí příležitost pracovat na produktech propojujících zaměstnanecké programy s charitativními organizacemi a měřitelnými výsledky pro komunity.
Seniorní specialista na data a AI ve společnosti Benevity — hybridní práce v Torontu
Seniorní specialista na data a AI vytváří modely strojového učení, analytická řešení a prototypy AI pro SaaS platformu Benevity zaměřenou na společenský dopad. Role se soustředí na produkční modely, zákaznickou zkušenost a automatizaci.
Popis
- Vytvářet modely strojového učení a statistické modely pro doporučování, predikce a klasifikaci
- Zkoumat data, vytvářet příznaky a předzpracovávat datové sady pro trénování a vyhodnocování modelů
- Vyhodnocovat výkonnost modelů pomocí vhodných metrik a zdokonalovat přístupy prostřednictvím experimentů
- Spolupracovat s datovými analytiky a produktovými stakeholdery na upřesňování případů použití a stanovování kritérií úspěchu
- Vytvářet prototypy a porovnávat metody v oblasti NLP, učení reprezentací a predikce časových řad
- Vytvářet využitelné poznatky pomocí pokročilé analytiky, segmentace a statistické analýzy
- Prezentovat zjištění a výsledky modelů mezifunkčním týmům
- Podporovat A/B testování a validaci modelů
- Vytvářet dashboardy a monitorovací nástroje pro sledování stavu modelů po nasazení a klíčových obchodních ukazatelů
- Spolupracovat s produktovými a AI inženýrskými týmy na nasazování modelů a jejich propojování s backendovými službami a API
- Vytvářet reprodukovatelné trénovací pipeline a notebooky s využitím standardů verzování a dokumentace
- Pomáhat vyvíjet opakovaně použitelné komponenty modelů a úložiště příznaků
- Sledovat vývoj v ekosystému dat, strojového učení a AI a posuzovat nové nástroje a frameworky
- Zvyšovat efektivitu a transparentnost týmu prostřednictvím dokumentace a interních nástrojů
Požadavky
- 4–6 let zkušeností v oblasti datové vědy, inženýrství strojového učení nebo aplikované AI, nejlépe v prostředí SaaS či technologického produktu
- Zkušenost s vývojem modelů pro zákazníky nebo modelů s obchodním dopadem, včetně scoringu, personalizace či detekce anomálií
- Znalost postupů týmového vývoje softwaru, jako jsou Git, code review a CI/CD pro strojové učení
- Bakalářské nebo magisterské vzdělání v oboru datové vědy, informatiky, statistiky, inženýrství nebo příbuzném oboru
- Pokročilá znalost Pythonu, SQL, Jupyteru a Gitu
- Zkušenost se scikit-learn, XGBoost, LightGBM a základní znalost TensorFlow nebo PyTorch
- Zkušenost s Pandas, NumPy, DBT, BigQuery, Snowflake nebo srovnatelnými datovými nástroji
- Zkušenost s MLflow a Airflow
- Zkušenost s používáním alespoň jedné cloudové platformy: GCP/Vertex AI, AWS/SageMaker nebo Azure ML
- Silné porozumění vyhodnocování modelů, přeučení, zkreslení, rozptylu, křížové validaci a A/B testování
- Zkušenost s posuzováním robustnosti, interpretovatelnosti a inkluzivity modelů je výhodou
- Zkušenost s Dockerem nebo Kubernetes je výhodou
- Zkušenost s úložišti příznaků, jako jsou Tecton nebo Feast, je volitelná, ale vítaná
- Znalost hlubokého učení, grafového strojového učení, NLP nebo posilovaného učení je významnou výhodou
- Vysoce ceněna je produkční zkušenost s nasazováním a monitorováním modelů strojového učení, včetně automatického přeučování, logování a sledování výkonnosti
- Silné komunikační dovednosti včetně schopnosti vysvětlovat složitá technická témata technickému i netechnickému publiku
- Povědomí o etických aspektech strojového učení včetně spravedlnosti, zkreslení a vysvětlitelnosti AI
Benefity
- Flexibilní hybridní způsob práce
- Zaměstnanci pracující v blízkosti kanceláře nemají povinnost pravidelně docházet do kanceláře
- Příležitosti pracovat na inovativních projektech
- Možnosti profesního růstu
- Podporující kolegové
- Práce zaměřená na smysluplný účel
- Zaměstnanecké skupiny
- Rovné příležitosti pro všechny kandidáty a zaměstnance
- Úpravy v průběhu náboru a hodnocení pro kandidáty se zdravotním postižením