Benevity on sosiaaliseen vaikuttavuuteen keskittyvä yritys-SaaS-yhtiö. Sen Benevity Enterprise Impact Platform auttaa suuria organisaatioita hallinnoimaan työntekijöiden lahjoituksia, lahjoitusten yhteensovittamista, palkkalaskennan kautta tehtäviä lahjoituksia, vapaaehtoistyötä, avustuksia, työntekijäryhmiä, haasteita ja vaikuttavuusraportointia yhdessä järjestelmässä. Alusta tukee myös maailmanlaajuisia varojen siirtoja, voittoa tavoittelemattomien järjestöjen asianmukaisen toiminnan arviointia, vaatimustenmukaisuutta ja riskienhallintaa. Tekoälypohjainen automaatio on suunniteltu helpottamaan ohjelmien hallinnointia ja vaikutusten mittaamista. B2B-ohjelmistoista, SaaS-ratkaisuista tai sosiaalisen vaikuttavuuden teknologiasta kiinnostuneille ammattilaisille Benevity tarjoaa mahdollisuuden työskennellä tuotteiden parissa, jotka yhdistävät työpaikkojen ohjelmat hyväntekeväisyysjärjestöihin ja mitattaviin yhteisövaikutuksiin.
Senior Data- ja tekoälytieteilijä Benevityllä – Toronto, hybridityö
Senior Data- ja tekoälytieteilijä kehittää koneoppimismalleja, analytiikkaa ja tekoälyprototyyppejä Benevityn yhteiskunnallista vaikuttavuutta edistävälle SaaS-alustalle. Tehtävässä keskitytään tuotantomalleihin, asiakaskokemukseen ja automaatioon.
Kanada109 400 CAD – 150 370 CAD / vuosi
HybridityöKokoaikainenSeniorVaadittu Kieli: englantiKoneoppimisinsinööriTekoälytutkijaKuvaus
- Rakenna koneoppimis- ja tilastollisia malleja suosituksia, ennusteita ja luokittelua varten
- Tutki dataa, suunnittele piirteitä ja esikäsittele aineistoja mallien koulutusta ja arviointia varten
- Arvioi mallien suorituskykyä sopivilla mittareilla ja kehitä lähestymistapoja kokeilujen avulla
- Tee yhteistyötä data-analyytikoiden ja tuotteen sidosryhmien kanssa käyttötapausten täsmentämiseksi ja onnistumiskriteerien määrittämiseksi
- Kehitä prototyyppejä ja vertaile menetelmiä luonnollisen kielen käsittelyssä, esitysten oppimisessa ja aikasarjaennustamisessa
- Tuota hyödynnettäviä oivalluksia edistyneen analytiikan, segmentoinnin ja tilastollisen analyysin avulla
- Esittele löydökset ja mallien tulokset monialaisille tiimeille
- Tue A/B-testausta ja mallien validointia
- Luo käyttöönoton jälkeiseen mallien toimintakuntoon ja liiketoiminnan keskeisiin suorituskykymittareihin liittyviä koontinäyttöjä ja valvontatyökaluja
- Tee yhteistyötä tuote- ja tekoälyinsinööritiimien kanssa mallien käyttöönotossa ja niiden yhdistämisessä taustajärjestelmiin ja rajapintoihin
- Rakenna toistettavia koulutusputkia ja muistikirjoja hyödyntäen versionhallinnan ja dokumentoinnin käytäntöjä
- Osallistu uudelleenkäytettävien mallikomponenttien ja piirrevarastojen kehittämiseen
- Seuraa data-, koneoppimis- ja tekoälyekosysteemin kehitystä sekä arvioi uusia työkaluja ja viitekehyksiä
- Paranna tiimin tehokkuutta ja läpinäkyvyyttä dokumentoinnin ja sisäisten työkalujen avulla
Vaatimukset
- 4–6 vuoden kokemus datatieteestä, koneoppimisen kehityksestä tai soveltavasta tekoälystä, mieluiten SaaS- tai teknologiatuoteympäristössä
- Kokemusta asiakaslähtöisten tai liiketoimintaan vaikuttavien mallien, kuten pisteytys-, personointi- tai poikkeamien tunnistusmallien, kehittämisestä
- Yhteistoiminnallisten ohjelmistokehityskäytäntöjen, kuten Gitin, koodikatselmointien ja koneoppimisen CI/CD:n, tuntemus
- Kandidaatin tai maisterin tutkinto datatieteestä, tietojenkäsittelytieteestä, tilastotieteestä, tekniikasta tai vastaavalta alalta
- Pythonin, SQL:n, Jupyterin ja Gitin hyvä hallinta
- Kokemusta scikit-learnista, XGBoostista, LightGBM:stä sekä TensorFlow’n tai PyTorchin perusteista
- Kokemusta Pandasista, NumPystä, DBT:stä, BigQuerystä, Snowflakesta tai vastaavista datatyökaluista
- Kokemusta MLflow’sta ja Airflow’sta
- Kokemusta vähintään yhdestä pilvialustasta: GCP/Vertex AI, AWS/SageMaker tai Azure ML
- Vahva ymmärrys mallien arvioinnista, ylisovittamisesta, harhasta, varianssista, ristiinvalidoinnista ja A/B-testauksesta
- Kokemus mallien vankkuuden, tulkittavuuden ja inklusiivisuuden arvioinnista katsotaan eduksi
- Docker- tai Kubernetes-kokemus katsotaan eduksi
- Piirrevarastojen, kuten Tectonin tai Feastsin, kokemus on valinnainen mutta hyödyllinen
- Syväoppimisen, graafikoneoppimisen, luonnollisen kielen käsittelyn tai vahvistusoppimisen tuntemus on merkittävä etu
- Tuotantokokemus koneoppimismallien käyttöönotosta ja valvonnasta, mukaan lukien automaattinen uudelleenkoulutus, lokitus ja suorituskyvyn seuranta, katsotaan erittäin arvokkaaksi
- Erinomaiset viestintätaidot, mukaan lukien kyky selittää monimutkaisia teknisiä aiheita teknisille ja ei-teknisille yleisöille
- Koneoppimisen eettisten näkökohtien, kuten oikeudenmukaisuuden, harhan ja tekoälyn selitettävyyden, tuntemus
Edut
- Joustavat hybridityöjärjestelyt
- Toimiston lähellä asuvilta työntekijöiltä ei edellytetä kiinteää toimistolla työskentelyä
- Mahdollisuus työskennellä innovatiivisten projektien parissa
- Mahdollisuuksia ammatilliseen kehittymiseen
- Kannustavat kollegat
- Merkityksellinen työ
- Henkilöstön yhteisöt
- Yhtäläiset mahdollisuudet kaikille hakijoille ja työntekijöille
- Kohtuulliset mukautukset koko rekrytointi- ja arviointiprosessin ajan vammaisille hakijoille