Η Benevity είναι μια εταιρεία επιχειρησιακού λογισμικού ως υπηρεσίας που επικεντρώνεται στον κοινωνικό αντίκτυπο. Η πλατφόρμα Benevity Enterprise Impact Platform βοηθά μεγάλους οργανισμούς να διαχειρίζονται δωρεές εργαζομένων, αντιστοίχιση δωρεών, δωρεές μέσω μισθοδοσίας, εθελοντισμό, επιχορηγήσεις, ομάδες εργαζομένων, προκλήσεις και αναφορές αντίκτυπου σε ένα ενιαίο σύστημα. Η πλατφόρμα υποστηρίζει επίσης παγκόσμιες εκταμιεύσεις, δέουσα επιμέλεια μη κερδοσκοπικών οργανισμών, συμμόρφωση και ελέγχους κινδύνου, καθώς και αυτοματοποίηση με τεχνητή νοημοσύνη που έχει σχεδιαστεί για να απλοποιεί τη διαχείριση και τη μέτρηση των προγραμμάτων. Για επαγγελματίες που εξετάζουν ρόλους σε λογισμικό B2B, SaaS ή τεχνολογία κοινωνικού αντίκτυπου, η Benevity προσφέρει την ευκαιρία να εργαστούν σε προϊόντα που συνδέουν προγράμματα στον χώρο εργασίας με φιλανθρωπικούς οργανισμούς και μετρήσιμα αποτελέσματα για την κοινότητα.
Ανώτερος Επιστήμονας Δεδομένων και Τεχνητής Νοημοσύνης στη Benevity — Υβριδική εργασία στο Τορόντο
Ανώτερος επιστήμονας δεδομένων και τεχνητής νοημοσύνης που αναπτύσσει μοντέλα μηχανικής μάθησης, αναλύσεις και πρωτότυπα AI για την πλατφόρμα SaaS κοινωνικού αντίκτυπου της Benevity. Ο ρόλος εστιάζει σε μοντέλα παραγωγής, εμπειρία πελάτη και αυτοματοποίηση.
Περιγραφή
- Ανάπτυξη μοντέλων μηχανικής μάθησης και στατιστικών μοντέλων για συστάσεις, προβλέψεις και ταξινόμηση
- Εξερεύνηση δεδομένων, μηχανική χαρακτηριστικών και προεπεξεργασία συνόλων δεδομένων για εκπαίδευση και αξιολόγηση μοντέλων
- Αξιολόγηση της απόδοσης μοντέλων με κατάλληλες μετρικές και βελτίωση προσεγγίσεων μέσω πειραματισμού
- Συνεργασία με αναλυτές δεδομένων και ενδιαφερόμενα μέρη προϊόντος για τη διευκρίνιση περιπτώσεων χρήσης και τον καθορισμό κριτηρίων επιτυχίας
- Δημιουργία πρωτοτύπων και συγκριτική αξιολόγηση μεθόδων στην επεξεργασία φυσικής γλώσσας, τη μάθηση αναπαραστάσεων και την πρόβλεψη χρονοσειρών
- Παραγωγή αξιοποιήσιμων συμπερασμάτων μέσω προηγμένων αναλύσεων, τμηματοποίησης και στατιστικής ανάλυσης
- Παρουσίαση ευρημάτων και αποτελεσμάτων μοντέλων σε διαλειτουργικές ομάδες
- Υποστήριξη δοκιμών A/B και δραστηριοτήτων επικύρωσης μοντέλων
- Δημιουργία πινάκων ελέγχου και εργαλείων παρακολούθησης για την υγεία των μοντέλων και τους βασικούς δείκτες απόδοσης της επιχείρησης μετά την ανάπτυξη
- Συνεργασία με τις ομάδες προϊόντος και μηχανικής AI για την ανάπτυξη μοντέλων και τη σύνδεσή τους με υπηρεσίες backend και API
- Δημιουργία αναπαραγώγιμων αγωγών εκπαίδευσης και notebooks με χρήση προτύπων εκδόσεων και τεκμηρίωσης
- Συμβολή στην ανάπτυξη επαναχρησιμοποιήσιμων στοιχείων μοντέλων και feature stores
- Παρακολούθηση εξελίξεων στο οικοσύστημα δεδομένων, μηχανικής μάθησης και AI και αξιολόγηση νέων εργαλείων και πλαισίων
- Βελτίωση της αποδοτικότητας και της διαφάνειας της ομάδας μέσω τεκμηρίωσης και εσωτερικών εργαλείων
Απαιτήσεις
- 4–6 χρόνια εμπειρίας στην επιστήμη δεδομένων, τη μηχανική μηχανικής μάθησης ή την εφαρμοσμένη AI, κατά προτίμηση σε περιβάλλον προϊόντος SaaS ή τεχνολογίας
- Εμπειρία στην ανάπτυξη μοντέλων για πελάτες ή με επιχειρηματικό αντίκτυπο, όπως βαθμολόγηση, εξατομίκευση ή ανίχνευση ανωμαλιών
- Εξοικείωση με συνεργατικές πρακτικές ανάπτυξης λογισμικού, όπως Git, αναθεώρηση κώδικα και CI/CD για μηχανική μάθηση
- Πτυχίο ή μεταπτυχιακό σε επιστήμη δεδομένων, πληροφορική, στατιστική, μηχανική ή συναφή κλάδο
- Άριστη γνώση Python, SQL, Jupyter και Git
- Εμπειρία με scikit-learn, XGBoost, LightGBM και βασική γνώση TensorFlow ή PyTorch
- Εμπειρία με Pandas, NumPy, DBT, BigQuery, Snowflake ή συγκρίσιμα εργαλεία δεδομένων
- Εμπειρία με MLflow και Airflow
- Εμπειρία χρήσης τουλάχιστον μίας πλατφόρμας cloud: GCP/Vertex AI, AWS/SageMaker ή Azure ML
- Ισχυρή κατανόηση της αξιολόγησης μοντέλων, της υπερπροσαρμογής, της μεροληψίας, της διακύμανσης, της διασταυρούμενης επικύρωσης και των δοκιμών A/B
- Η εμπειρία στην αξιολόγηση της ανθεκτικότητας, της ερμηνευσιμότητας και της συμπεριληπτικότητας μοντέλων αποτελεί πλεονέκτημα
- Η εμπειρία με Docker ή Kubernetes αποτελεί πλεονέκτημα
- Η εμπειρία με feature stores όπως Tecton ή Feast είναι προαιρετική αλλά χρήσιμη
- Η έκθεση σε βαθιά μάθηση, γραφική μηχανική μάθηση, NLP ή ενισχυτική μάθηση αποτελεί σημαντικό πλεονέκτημα
- Η εμπειρία παραγωγής στην ανάπτυξη και παρακολούθηση μοντέλων μηχανικής μάθησης, συμπεριλαμβανομένης της αυτοματοποιημένης επανεκπαίδευσης, της καταγραφής και της παρακολούθησης απόδοσης, εκτιμάται ιδιαίτερα
- Ισχυρές δεξιότητες επικοινωνίας, συμπεριλαμβανομένης της ικανότητας εξήγησης σύνθετων τεχνικών θεμάτων σε τεχνικό και μη τεχνικό κοινό
- Επίγνωση των ηθικών ζητημάτων στη μηχανική μάθηση, συμπεριλαμβανομένης της δικαιοσύνης, της μεροληψίας και της επεξηγησιμότητας της AI
Παροχές
- Ευέλικτες ρυθμίσεις υβριδικής εργασίας
- Δεν υπάρχει σταθερή απαίτηση παρουσίας στο γραφείο για εργαζομένους που βρίσκονται κοντά σε γραφείο
- Ευκαιρίες εργασίας σε καινοτόμα έργα
- Ευκαιρίες επαγγελματικής ανάπτυξης
- Υποστηρικτικοί συνάδελφοι
- Εργασία με σκοπό
- Ομάδες πόρων εργαζομένων
- Ίσες ευκαιρίες για όλους τους υποψηφίους και τους εργαζομένους
- Προσαρμογές καθ’ όλη τη διαδικασία πρόσληψης και αξιολόγησης για υποψηφίους με αναπηρία