Benevity est une entreprise de SaaS destinée aux entreprises et axée sur l’impact social. Sa plateforme Benevity Enterprise Impact aide les grandes organisations à gérer au sein d’un même système les dons des employés, l’abondement des dons, les dons prélevés sur salaire, le bénévolat, les subventions, les groupes d’employés, les défis et les rapports d’impact. La plateforme prend également en charge les décaissements internationaux, la vérification préalable des organisations à but non lucratif ainsi que les contrôles de conformité et des risques, grâce à une automatisation fondée sur l’IA conçue pour simplifier l’administration et la mesure des programmes. Pour les professionnels qui s’intéressent aux logiciels B2B, au SaaS ou aux technologies à impact social, Benevity offre l’occasion de travailler sur des produits qui relient les programmes en entreprise aux organisations caritatives et à des résultats mesurables pour les communautés.
Scientifique senior des données et de l’IA chez Benevity — Toronto hybride
Scientifique senior des données et de l’IA développant des modèles d’apprentissage automatique, des analyses et des prototypes d’IA pour la plateforme SaaS à impact social de Benevity. Le poste est axé sur les modèles en production, l’expérience client et l’automatisation.
Description
- Concevoir des modèles statistiques et d’apprentissage automatique pour les recommandations, les prédictions et la classification
- Explorer les données, concevoir des variables et prétraiter les jeux de données pour l’entraînement et l’évaluation des modèles
- Évaluer les performances des modèles à l’aide de métriques appropriées et affiner les approches par l’expérimentation
- Collaborer avec les analystes de données et les parties prenantes produit afin de clarifier les cas d’utilisation et de définir les critères de réussite
- Prototyper et comparer des méthodes de TAL, d’apprentissage des représentations et de prévision des séries temporelles
- Produire des informations exploitables grâce à des analyses avancées, à la segmentation et à l’analyse statistique
- Présenter les résultats et les performances des modèles à des équipes transversales
- Soutenir les tests A/B et les activités de validation des modèles
- Créer des tableaux de bord et des outils de surveillance de la santé des modèles après leur déploiement et des KPI métier
- Collaborer avec les équipes produit et d’ingénierie IA pour déployer les modèles et les connecter aux services backend et aux API
- Construire des pipelines d’entraînement et des notebooks reproductibles en appliquant des normes de versioning et de documentation
- Contribuer au développement de composants de modèles réutilisables et de feature stores
- Suivre les évolutions de l’écosystème des données, de l’apprentissage automatique et de l’IA, et évaluer les nouveaux outils et frameworks
- Améliorer l’efficacité et la transparence de l’équipe grâce à la documentation et aux outils internes
Exigences
- 4 à 6 ans d’expérience en science des données, en ingénierie de l’apprentissage automatique ou en IA appliquée, de préférence dans un environnement de produits SaaS ou technologiques
- Expérience dans le développement de modèles destinés aux clients ou ayant un impact métier, notamment pour le scoring, la personnalisation ou la détection d’anomalies
- Bonne connaissance des pratiques collaboratives de développement logiciel, telles que Git, la revue de code et la CI/CD pour l’apprentissage automatique
- Diplôme de licence ou de master en science des données, informatique, statistiques, ingénierie ou dans une discipline connexe
- Maîtrise de Python, SQL, Jupyter et Git
- Expérience avec scikit-learn, XGBoost, LightGBM et notions de base de TensorFlow ou PyTorch
- Expérience avec Pandas, NumPy, DBT, BigQuery, Snowflake ou des outils de données comparables
- Expérience avec MLflow et Airflow
- Expérience avec au moins une plateforme cloud : GCP/Vertex AI, AWS/SageMaker ou Azure ML
- Solide compréhension de l’évaluation des modèles, du surapprentissage, du biais, de la variance, de la validation croisée et des tests A/B
- Une expérience de l’évaluation de la robustesse, de l’interprétabilité et de l’inclusivité des modèles constitue un atout
- Une expérience de Docker ou Kubernetes constitue un atout
- Une expérience des feature stores tels que Tecton ou Feast est facultative, mais constitue un avantage
- Une expérience en apprentissage profond, apprentissage automatique sur graphes, TAL ou apprentissage par renforcement constitue un atout important
- Une expérience en production du déploiement et de la surveillance de modèles d’apprentissage automatique, notamment le réentraînement automatisé, la journalisation et le suivi des performances, est fortement valorisée
- Excellentes compétences en communication, notamment la capacité à expliquer des sujets techniques complexes à des publics techniques et non techniques
- Sensibilisation aux enjeux éthiques de l’apprentissage automatique, notamment l’équité, les biais et l’explicabilité de l’IA
Avantages
- Modalités de travail hybride flexibles
- Aucune obligation fixe de présence au bureau pour les employés situés à proximité d’un bureau
- Possibilités de travailler sur des projets innovants
- Possibilités d’évolution professionnelle
- Collègues bienveillants
- Travail porteur de sens
- Groupes de ressources pour les employés
- Égalité des chances pour toutes les personnes candidates et employées
- Aménagements tout au long du processus de recrutement et d’évaluation pour les candidates et candidats en situation de handicap