A Benevity társadalmi hatásokra összpontosító vállalati SaaS-cég. Benevity Enterprise Impact Platform platformja egyetlen rendszerben segíti a nagy szervezeteket a munkavállalói adományozás, az adományok kiegészítése, a bérből történő adományozás, az önkéntesség, a támogatások, a munkavállalói csoportok, a kihívások és a hatásjelentések kezelésében. A platform emellett támogatja a globális pénzkifizetéseket, a nonprofit szervezetek átvilágítását, a megfelelést és a kockázatkezelést. A mesterséges intelligenciára épülő automatizálást a programok adminisztrációjának és mérésének egyszerűsítésére tervezték. A B2B-szoftverek, a SaaS vagy a társadalmi hatású technológiák területén lehetőségeket kereső szakemberek számára a Benevity olyan termékeken való munkát kínál, amelyek összekapcsolják a munkahelyi programokat a jótékonysági szervezetekkel és a mérhető közösségi eredményekkel.
Senior adat- és MI-kutató — hibrid munkavégzés Kanadában
Gépi tanulási modelleket, elemzési megoldásokat és éles környezetben használható MI-képességeket fejleszt a Benevity társadalmi hatásra összpontosító SaaS-platformjához. A munkakör célja az ügyfélélmény javítása és mérhető üzleti érték létrehozása.
Leírás
- Gépi tanulási és statisztikai modelleket készít ajánlásokhoz, előrejelzésekhez és osztályozáshoz.
- Adatfeltárást, jellemzőmérnökséget és előfeldolgozást végez.
- Értékeli a modellek teljesítményét, és kísérletezéssel finomítja a megoldásokat.
- Adatokat elemző kollégákkal és a termék érdekelt feleivel együttműködve alakítja ki a felhasználási eseteket és a sikermutatókat.
- Prototípusokat készít és módszereket hasonlít össze az NLP, a reprezentációtanulás és az idősoros előrejelzés területén.
- Fejlett elemzési, szegmentálási és statisztikai módszerekkel hasznosítható felismeréseket állít elő.
- Bemutatja az eredményeket és a modellek teljesítményét a különböző szakterületek csapatainak.
- Támogatja az A/B-tesztelési és modellvalidációs kezdeményezéseket.
- Irányítópultokat és felügyeleti eszközöket készít a modellek állapotának és az üzleti KPI-oknak a nyomon követésére.
- A modellek éles környezetbe juttatásához együttműködik a termék- és MI-mérnöki csapatokkal.
- Reprodukálható tanítási folyamatokat és jegyzetfüzeteket épít.
- Újrahasznosítható modellkomponenseket és jellemzőtárakat fejleszt.
- Figyelemmel kíséri az adat-, gépi tanulási és MI-ökoszisztéma fejlődését.
- Támogatja a dokumentációt és a belső eszközöket.
Követelmények
- 4–6 év tapasztalat adattudomány, gépi tanulási mérnökség vagy alkalmazott MI területén.
- SaaS- vagy technológiai termékkörnyezetben szerzett tapasztalat előnyt jelent.
- Ügyfeleket kiszolgáló vagy üzleti hatást elérő modellek fejlesztésében szerzett tapasztalat.
- A Git, a kódellenőrzés és a gépi tanuláshoz kapcsolódó CI/CD-gyakorlatok ismerete.
- Adattudomány, számítástechnika, statisztika, mérnöki tudományok vagy kapcsolódó területén szerzett alap- vagy mesterfokozat.
- Python, SQL, Jupyter és Git magabiztos használata.
- Tapasztalat a scikit-learn, XGBoost, LightGBM, valamint a TensorFlow vagy PyTorch alapjainak használatában.
- Pandas, NumPy, DBT, BigQuery, Snowflake vagy hasonló eszközök ismerete.
- MLflow és Airflow használatában szerzett tapasztalat.
- Legalább egy felhőkörnyezet ismerete: GCP/Vertex AI, AWS/SageMaker vagy Azure ML.
- A modellértékelés, a túlillesztés, a torzítás, a variancia, a keresztvalidáció és az A/B-tesztelés alapos ismerete.
- Egyértelmű és hatékony kommunikációs készség.
- A gépi tanulás etikai szempontjainak ismerete, beleértve a méltányosságot, a torzítást és a magyarázhatóságot.
- Az éles gépi tanulási modellek bevezetésében és monitorozásában szerzett tapasztalat kiemelt előnyt jelent.
Juttatások
- Rugalmas hibrid munkavégzés állandó irodai jelenléti kötelezettség nélkül.
- Lehetőség innovatív munkákhoz való hozzájárulásra.
- Szakmai fejlődést támogató környezet.
- Együttműködő és figyelmes kollégák.
- Célorientált munka.
- Munkavállalói erőforráscsoportok.
- Akadálymentes kiválasztási gyakorlatok és ésszerű alkalmazkodás a fogyatékossággal élő jelöltek számára.