Benevity یک شرکت SaaS سازمانی است که بر ایجاد تأثیر اجتماعی تمرکز دارد. پلتفرم Benevity Enterprise Impact Platform به سازمان‌های بزرگ کمک می‌کند کمک‌های مالی کارکنان، تطبیق کمک‌ها، کمک‌های مالی از طریق حقوق و دستمزد، فعالیت‌های داوطلبانه، کمک‌هزینه‌ها، گروه‌های کارکنان، چالش‌ها و گزارش‌دهی تأثیر را در یک سیستم مدیریت کنند. این پلتفرم همچنین از پرداخت‌های جهانی، بررسی دقیق سازمان‌های غیرانتفاعی، رعایت الزامات و کنترل‌های ریسک پشتیبانی می‌کند و از خودکارسازی مبتنی بر هوش مصنوعی برای ساده‌سازی مدیریت و سنجش برنامه‌ها بهره می‌برد. برای متخصصانی که به دنبال فعالیت در حوزه نرم‌افزار B2B، SaaS یا فناوری‌های تأثیر اجتماعی هستند، Benevity فرصت کار روی محصولاتی را فراهم می‌کند که برنامه‌های محل کار را به سازمان‌های خیریه و نتایج قابل‌اندازه‌گیری برای جامعه پیوند می‌دهند.
دانشمند ارشد داده و هوش مصنوعی در Benevity — ترکیبی تورنتو
دانشمند ارشد داده و هوش مصنوعی که برای پلتفرم SaaS دارای تأثیر اجتماعی Benevity مدل‌های یادگیری ماشین، تحلیل‌ها و نمونه‌های اولیه هوش مصنوعی توسعه می‌دهد. این نقش بر مدل‌های عملیاتی، تجربه مشتری و خودکارسازی تمرکز دارد.
کانادا$۱۰۹٬۴۰۰ – $۱۵۰٬۳۷۰ / سال
ترکیبیتمام‌وقتارشدزبان مورد نیاز: انگلیسیدانشمند پژوهشی هوش مصنوعیمهندس یادگیری ماشینتوضیحات
- ساخت مدل‌های یادگیری ماشین و آماری برای پیشنهاددهی، پیش‌بینی و طبقه‌بندی
- بررسی داده‌ها، مهندسی ویژگی‌ها و پیش‌پردازش مجموعه‌داده‌ها برای آموزش و ارزیابی مدل
- ارزیابی عملکرد مدل با معیارهای مناسب و بهبود روش‌ها از طریق آزمایش
- همکاری با تحلیلگران داده و ذی‌نفعان محصول برای شفاف‌سازی موارد استفاده و تعیین معیارهای موفقیت
- نمونه‌سازی و محک‌زنی روش‌ها در NLP، یادگیری بازنمایی و پیش‌بینی سری‌های زمانی
- تولید بینش‌های قابل اقدام از طریق تحلیل پیشرفته، بخش‌بندی و تحلیل آماری
- ارائه یافته‌ها و نتایج مدل به تیم‌های میان‌وظیفه‌ای
- پشتیبانی از فعالیت‌های آزمون A/B و اعتبارسنجی مدل
- ایجاد داشبوردها و ابزارهای پایش برای بررسی سلامت مدل پس از استقرار و شاخص‌های کلیدی عملکرد کسب‌وکار
- همکاری با تیم‌های محصول و مهندسی هوش مصنوعی برای استقرار مدل‌ها و اتصال آن‌ها به سرویس‌ها و APIهای بک‌اند
- ساخت پایپ‌لاین‌های آموزشی و نوت‌بوک‌های بازتولیدپذیر با استفاده از استانداردهای نسخه‌بندی و مستندسازی
- کمک به توسعه اجزای مدل قابل استفاده مجدد و فروشگاه‌های ویژگی
- پایش تحولات اکوسیستم داده، یادگیری ماشین و هوش مصنوعی و ارزیابی ابزارها و چارچوب‌های جدید
- بهبود بهره‌وری و شفافیت تیم از طریق مستندسازی و ابزارهای داخلی
شرایط لازم
- ۴ تا ۶ سال تجربه در علم داده، مهندسی یادگیری ماشین یا هوش مصنوعی کاربردی؛ ترجیحاً در محیط محصولات SaaS یا فناوری
- تجربه توسعه مدل‌های مشتری‌محور یا دارای اثر کسب‌وکاری، از جمله امتیازدهی، شخصی‌سازی یا تشخیص ناهنجاری
- آشنایی با روش‌های توسعه نرم‌افزار مشارکتی مانند Git، بازبینی کد و CI/CD برای یادگیری ماشین
- مدرک کارشناسی یا کارشناسی ارشد در علم داده، علوم کامپیوتر، آمار، مهندسی یا رشته مرتبط
- تسلط به Python، SQL، Jupyter و Git
- تجربه کار با scikit-learn، XGBoost، LightGBM و آشنایی پایه با TensorFlow یا PyTorch
- تجربه کار با Pandas، NumPy، DBT، BigQuery، Snowflake یا ابزارهای داده مشابه
- تجربه کار با MLflow و Airflow
- تجربه کار با دست‌کم یک پلتفرم ابری: GCP/Vertex AI، AWS/SageMaker یا Azure ML
- درک قوی از ارزیابی مدل، بیش‌برازش، سوگیری، واریانس، اعتبارسنجی متقاطع و آزمون A/B
- تجربه ارزیابی استحکام، تفسیرپذیری و فراگیری مدل مزیت محسوب می‌شود
- تجربه کار با Docker یا Kubernetes مزیت محسوب می‌شود
- تجربه کار با فروشگاه‌های ویژگی مانند Tecton یا Feast اختیاری اما مفید است
- آشنایی با یادگیری عمیق، یادگیری ماشین گرافی، NLP یا یادگیری تقویتی مزیت قابل توجهی است
- تجربه عملیاتی در استقرار و پایش مدل‌های یادگیری ماشین، از جمله بازآموزی خودکار، ثبت گزارش و پیگیری عملکرد، بسیار ارزشمند است
- مهارت‌های ارتباطی قوی، از جمله توانایی توضیح موضوعات پیچیده فنی برای مخاطبان فنی و غیرفنی
- آگاهی از ملاحظات اخلاقی در یادگیری ماشین، از جمله انصاف، سوگیری و توضیح‌پذیری هوش مصنوعی
مزایا
- ترتیبات کاری ترکیبی انعطاف‌پذیر
- برای کارکنانی که نزدیک دفتر زندگی می‌کنند، الزام ثابتی برای حضور در دفتر وجود ندارد
- فرصت کار روی پروژه‌های نوآورانه
- فرصت‌های رشد حرفه‌ای
- همکاران حمایتگر
- کار هدف‌محور
- گروه‌های منابع کارکنان
- فرصت برابر برای همه نامزدها و کارکنان
- فراهم‌کردن تسهیلات در سراسر فرایند استخدام و ارزیابی برای نامزدهای دارای معلولیت