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 — Υβριδική εργασία στον Καναδά
Ανώτερος επιστήμονας δεδομένων και τεχνητής νοημοσύνης που αναπτύσσει μοντέλα μηχανικής μάθησης, αναλύσεις και δυνατότητες τεχνητής νοημοσύνης σε περιβάλλον παραγωγής για την πλατφόρμα SaaS κοινωνικού αντικτύπου της Benevity. Ο ρόλος επικεντρώνεται στη βελτίωση της εμπειρίας των πελατών και στην παροχή μετρήσιμης επιχειρηματικής αξίας.
Περιγραφή
- Δημιουργία μοντέλων μηχανικής μάθησης και στατιστικών μοντέλων για συστάσεις, προβλέψεις και ταξινόμηση.
- Εκτέλεση διερεύνησης δεδομένων, μηχανικής χαρακτηριστικών και προεπεξεργασίας.
- Αξιολόγηση της απόδοσης των μοντέλων και βελτίωση λύσεων μέσω πειραματισμού.
- Συνεργασία με αναλυτές δεδομένων και ενδιαφερόμενα μέρη προϊόντος για τον καθορισμό περιπτώσεων χρήσης και δεικτών επιτυχίας.
- Δημιουργία πρωτοτύπων και σύγκριση μεθόδων στην επεξεργασία φυσικής γλώσσας, στη μάθηση αναπαραστάσεων και στην πρόβλεψη χρονοσειρών.
- Παραγωγή αξιοποιήσιμων insights με προηγμένες αναλύσεις, τμηματοποίηση και στατιστικές μεθόδους.
- Παρουσίαση ευρημάτων και αποτελεσμάτων μοντέλων σε διαλειτουργικές ομάδες.
- Υποστήριξη δοκιμών A/B και πρωτοβουλιών επικύρωσης μοντέλων.
- Δημιουργία dashboards και εργαλείων παρακολούθησης για την υγεία των μοντέλων και τους βασικούς επιχειρηματικούς δείκτες απόδοσης.
- Συνεργασία με τις ομάδες προϊόντος και μηχανικής τεχνητής νοημοσύνης για την ανάπτυξη μοντέλων σε περιβάλλον παραγωγής.
- Δημιουργία αναπαραγώγιμων pipelines εκπαίδευσης και notebooks.
- Ανάπτυξη επαναχρησιμοποιήσιμων στοιχείων μοντέλων και feature stores.
- Παρακολούθηση των εξελίξεων στο οικοσύστημα δεδομένων, μηχανικής μάθησης και τεχνητής νοημοσύνης.
- Υποστήριξη τεκμηρίωσης και εσωτερικών εργαλείων.
Απαιτήσεις
- 4–6 χρόνια εμπειρίας στην επιστήμη δεδομένων, στη μηχανική μάθηση ή στην εφαρμοσμένη τεχνητή νοημοσύνη.
- Προτιμάται εμπειρία σε περιβάλλον SaaS ή τεχνολογικού προϊόντος.
- Υπόβαθρο στην ανάπτυξη μοντέλων που εξυπηρετούν πελάτες ή παράγουν επιχειρηματικό αντίκτυπο.
- Πρακτική γνώση Git, ελέγχων κώδικα και πρακτικών CI/CD για μηχανική μάθηση.
- Πτυχίο ή μεταπτυχιακό στην επιστήμη δεδομένων, στην επιστήμη υπολογιστών, στη στατιστική, στη μηχανική ή σε συναφή κλάδο.
- Εξοικείωση με Python, SQL, Jupyter και Git.
- Εμπειρία με scikit-learn, XGBoost, LightGBM και βασική εξοικείωση με TensorFlow ή PyTorch.
- Εξοικείωση με Pandas, NumPy, DBT, BigQuery, Snowflake ή αντίστοιχα εργαλεία.
- Εμπειρία στη χρήση MLflow και Airflow.
- Εμπειρία σε τουλάχιστον ένα περιβάλλον 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.
- Σαφείς και αποτελεσματικές δεξιότητες επικοινωνίας.
- Κατανόηση των ηθικών ζητημάτων στη μηχανική μάθηση, συμπεριλαμβανομένης της δικαιοσύνης, της μεροληψίας και της επεξηγησιμότητας.
- Η εμπειρία ανάπτυξης και παρακολούθησης μοντέλων μηχανικής μάθησης σε περιβάλλον παραγωγής εκτιμάται ιδιαίτερα.
Παροχές
- Ευέλικτες υβριδικές ρυθμίσεις εργασίας χωρίς υποχρέωση σταθερής παρουσίας στο γραφείο.
- Ευκαιρίες συμβολής σε καινοτόμο έργο.
- Υποστήριξη επαγγελματικής ανάπτυξης.
- Συνεργάσιμοι και υποστηρικτικοί συνάδελφοι.
- Εργασία με σκοπό.
- Ομάδες πόρων εργαζομένων.
- Προσβάσιμες πρακτικές πρόσληψης και προσαρμογές για υποψηφίους με αναπηρίες.