Benevity je SaaS tvrtka za poslovne korisnike usmjerena na društveni učinak. Njezina platforma Benevity Enterprise Impact Platform velikim organizacijama pomaže upravljati donacijama zaposlenika, usklađivanjem donacija, donacijama putem obračuna plaće, volontiranjem, bespovratnim sredstvima, grupama zaposlenika, izazovima i izvještavanjem o učinku u jednom sustavu. Platforma također podržava globalne isplate, dubinsku provjeru neprofitnih organizacija, usklađenost i kontrole rizika, uz automatizaciju pokretanu umjetnom inteligencijom koja pojednostavljuje administraciju programa i mjerenje rezultata. Profesionalcima koji razmatraju uloge u području B2B softvera, SaaS-a ili tehnologije za društveni učinak, Benevity pruža priliku za rad na proizvodima koji povezuju programe na radnom mjestu s dobrotvornim organizacijama i mjerljivim rezultatima za zajednicu.
Viši znanstvenik za podatke i umjetnu inteligenciju u Benevityju — hibridni rad u Torontu
Viši znanstvenik za podatke i umjetnu inteligenciju razvija modele strojnog učenja, analitička rješenja i prototipe umjetne inteligencije za Benevityjevu SaaS platformu usmjerenu na društveni učinak. Uloga je usmjerena na produkcijske modele, korisničko iskustvo i automatizaciju.
Opis
- Izrađivati modele strojnog učenja i statističke modele za preporuke, predviđanja i klasifikaciju
- Istraživati podatke, konstruirati značajke i pretprocesirati skupove podataka za treniranje i evaluaciju modela
- Procjenjivati izvedbu modela odgovarajućim metrikama i poboljšavati pristupe eksperimentiranjem
- Surađivati s podatkovnim analitičarima i dionicima proizvoda radi pojašnjenja slučajeva upotrebe i utvrđivanja kriterija uspjeha
- Izrađivati prototipe i uspoređivati metode u područjima NLP-a, učenja reprezentacija i predviđanja vremenskih nizova
- Stvarati primjenjive uvide naprednom analitikom, segmentacijom i statističkom analizom
- Predstavljati nalaze i rezultate modela međufunkcionalnim timovima
- Podržavati A/B testiranje i aktivnosti validacije modela
- Izrađivati nadzorne ploče i alate za praćenje stanja modela nakon uvođenja u produkciju i ključnih poslovnih pokazatelja
- Surađivati s proizvodnim timovima i timovima za AI inženjerstvo na uvođenju modela u produkciju te njihovom povezivanju s pozadinskim uslugama i API-jima
- Izrađivati reproducibilne cjevovode za treniranje i bilježnice uz primjenu standarda verzioniranja i dokumentiranja
- Pomagati u razvoju ponovno upotrebljivih komponenti modela i spremišta značajki
- Pratiti razvoj u ekosustavu podataka, strojnog učenja i umjetne inteligencije te procjenjivati nove alate i radne okvire
- Poboljšavati učinkovitost i transparentnost tima dokumentacijom i internim alatima
Zahtjevi
- 4–6 godina iskustva u podatkovnoj znanosti, inženjerstvu strojnog učenja ili primijenjenoj umjetnoj inteligenciji, po mogućnosti u SaaS okruženju ili tehnološkom proizvodu
- Iskustvo u razvoju modela usmjerenih na korisnike ili modela s poslovnim učinkom, uključujući bodovanje, personalizaciju ili otkrivanje anomalija
- Poznavanje praksi suradničkog razvoja softvera, kao što su Git, pregled koda i CI/CD za strojno učenje
- Završen preddiplomski ili diplomski studij podatkovne znanosti, računarstva, statistike, inženjerstva ili srodnog područja
- Napredno poznavanje Pythona, SQL-a, Jupytera i Gita
- Iskustvo sa scikit-learnom, XGBoostom, LightGBM-om te osnovno poznavanje TensorFlowa ili PyTorcha
- Iskustvo s alatima Pandas, NumPy, DBT, BigQuery, Snowflake ili usporedivim podatkovnim alatima
- Iskustvo s MLflowom i Airflowom
- Iskustvo s barem jednom platformom u oblaku: GCP/Vertex AI, AWS/SageMaker ili Azure ML
- Dobro razumijevanje evaluacije modela, prenaučenosti, pristranosti, varijance, unakrsne validacije i A/B testiranja
- Iskustvo u procjeni robusnosti, interpretabilnosti i uključivosti modela predstavlja prednost
- Iskustvo s Dockerom ili Kubernetesom predstavlja prednost
- Iskustvo sa spremištima značajki kao što su Tecton ili Feast nije obavezno, ali je korisno
- Poznavanje dubokog učenja, grafičkog strojnog učenja, NLP-a ili učenja potkrepljivanjem velika je prednost
- Vrlo se cijeni iskustvo u produkcijskom uvođenju i praćenju modela strojnog učenja, uključujući automatizirano ponovno treniranje, bilježenje i praćenje izvedbe
- Izvrsne komunikacijske vještine, uključujući sposobnost objašnjavanja složenih tehničkih tema tehničkoj i netehničkoj publici
- Svijest o etičkim pitanjima u strojnom učenju, uključujući pravednost, pristranost i objašnjivost umjetne inteligencije
Pogodnosti
- Fleksibilni hibridni modeli rada
- Zaposlenici koji se nalaze u blizini ureda nemaju obvezu dolaziti u ured prema unaprijed određenom rasporedu
- Prilike za rad na inovativnim projektima
- Prilike za profesionalni razvoj
- Podržavajući kolege
- Rad usmjeren na svrhu
- Grupe za zaposlenike
- Jednake prilike za sve kandidate i zaposlenike
- Prilagodbe tijekom procesa zapošljavanja i procjene za kandidate s invaliditetom