Benevity — әлеуметтік әсерге бағытталған корпоративтік SaaS компаниясы. Оның Benevity Enterprise Impact Platform платформасы ірі ұйымдарға қызметкерлердің қайырымдылық көмегін, қайырымдылық жарналарды сәйкестендіруді, жалақыдан қайырымдылық жасауды, еріктілікті, гранттарды, қызметкерлер топтарын, челлендждерді және әсер туралы есепті бір жүйеде басқаруға көмектеседі. Платформа жаһандық төлемдерді, коммерциялық емес ұйымдарды тексеруді, сәйкестікті және тәуекелдерді бақылауды да қолдайды, ал жасанды интеллектке негізделген автоматтандыру бағдарламаларды басқару мен нәтижелерді өлшеуді жеңілдетуге арналған. B2B бағдарламалық жасақтама, SaaS немесе әлеуметтік әсер технологиялары салаларындағы жұмыс мүмкіндіктерін қарастыратын мамандар үшін Benevity жұмыс орнындағы бағдарламаларды қайырымдылық ұйымдарымен және өлшенетін қоғамдық нәтижелермен байланыстыратын өнімдермен жұмыс істеуге мүмкіндік береді.
Benevity компаниясындағы аға деректер және жасанды интеллект ғалымы — Торонтодағы гибридті жұмыс
Benevity компаниясының әлеуметтік әсерге бағытталған SaaS платформасы үшін машиналық оқыту модельдерін, талдауларды және жасанды интеллект прототиптерін әзірлейді. Бұл рөл өндірістік модельдерге, клиент тәжірибесіне және автоматтандыруға бағытталған.
Сипаттама
- Ұсынымдар, болжамдар және жіктеу үшін машиналық оқыту мен статистикалық модельдер әзірлеу
- Деректерді зерттеу, белгілерді құру және деректер жиынтықтарын модельдерді оқыту мен бағалауға дайындау
- Тиісті метрикалар арқылы модель өнімділігін бағалау және эксперименттер арқылы тәсілдерді жетілдіру
- Қолдану жағдайларын нақтылау және табыс критерийлерін белгілеу үшін деректер талдаушыларымен және өнім мүдделі тараптарымен бірлесіп жұмыс істеу
- NLP, репрезентацияларды оқыту және уақыттық қатарларды болжау әдістерінің прототиптерін жасап, салыстырмалы бағалау
- Кеңейтілген аналитика, сегментация және статистикалық талдау арқылы қолданбалы түсініктер ұсыну
- Нәтижелер мен модель қорытындыларын әртүрлі функциялардан тұратын командаларға таныстыру
- A/B тестілеу мен модельді валидациялау жұмыстарын қолдау
- Өндіріске енгізілгеннен кейін модельдің күйін және бизнес KPI көрсеткіштерін бақылауға арналған бақылау тақталары мен құралдар жасау
- Модельдерді өндіріске енгізу және оларды бэкенд қызметтері мен API интерфейстеріне қосу үшін өнім және жасанды интеллект инженериясы командаларымен бірлесіп жұмыс істеу
- Нұсқаларды басқару және құжаттама стандарттарын пайдаланып, қайталанатын оқыту пайплайндары мен ноутбуктер жасау
- Қайта пайдалануға болатын модель компоненттері мен белгілер қоймаларын әзірлеуге көмектесу
- Деректер, машиналық оқыту және жасанды интеллект экожүйесіндегі өзгерістерді бақылап, жаңа құралдар мен фреймворктерді бағалау
- Құжаттама және ішкі құралдар арқылы команданың тиімділігі мен ашықтығын арттыру
Талаптар
- SaaS немесе технологиялық өнім ортасында деректер ғылымы, машиналық оқыту инженериясы немесе қолданбалы жасанды интеллект саласында 4–6 жылдық тәжірибе
- Скоринг, жекелендіру немесе аномалияларды анықтауды қоса алғанда, клиентке бағытталған немесе бизнеске әсер ететін модельдерді әзірлеу тәжірибесі
- Машиналық оқытуға арналған Git, кодты тексеру және CI/CD сияқты бірлескен бағдарламалық жасақтама әзірлеу тәжірибелерімен таныстық
- Деректер ғылымы, компьютерлік ғылымдар, статистика, инженерия немесе жақын сала бойынша бакалавр не магистр дәрежесі
- Python, SQL, Jupyter және Git құралдарын жетік меңгеру
- scikit-learn, XGBoost, LightGBM және TensorFlow немесе PyTorch негіздерімен жұмыс тәжірибесі
- Pandas, NumPy, DBT, BigQuery, Snowflake немесе ұқсас деректер құралдарымен жұмыс тәжірибесі
- MLflow және Airflow тәжірибесі
- Кемінде бір бұлтты платформаны пайдалану тәжірибесі: GCP/Vertex AI, AWS/SageMaker немесе Azure ML
- Модельді бағалау, артық үйрету, біржақтылық, дисперсия, кросс-валидация және A/B тестілеу туралы терең түсінік
- Модель беріктігін, түсіндірмелілігін және инклюзивтілігін бағалау тәжірибесі артықшылық болады
- Docker немесе Kubernetes тәжірибесі артықшылық болады
- Tecton немесе Feast сияқты белгілер қоймаларымен тәжірибе міндетті емес, бірақ пайдалы
- Терең оқыту, графтық машиналық оқыту, NLP немесе нығайтпалы оқыту салаларымен таныстық үлкен артықшылық болады
- Автоматты қайта оқыту, журналдау және өнімділікті бақылауды қоса алғанда, машиналық оқыту модельдерін өндіріске енгізу және бақылау тәжірибесі жоғары бағаланады
- Күрделі техникалық тақырыптарды техникалық және техникалық емес аудиторияға түсіндіре алуын қоса алғанда, мықты коммуникациялық дағдылар
- Әділдік, біржақтылық және жасанды интеллекттің түсіндірмелілігін қоса алғанда, машиналық оқытудағы этикалық мәселелер туралы хабардарлық
Артықшылықтар
- Икемді гибридті жұмыс тәртібі
- Кеңсе маңында орналасқан қызметкерлер үшін кеңсеге тұрақты келу талабының болмауы
- Инновациялық жобаларда жұмыс істеу мүмкіндіктері
- Кәсіби өсу мүмкіндіктері
- Қолдау көрсететін әріптестер
- Мақсатқа бағытталған жұмыс
- Қызметкерлердің ресурстық топтары
- Барлық кандидаттар мен қызметкерлер үшін тең мүмкіндіктер
- Мүгедектігі бар кандидаттарға жұмысқа қабылдау және бағалау үдерісінің барлық кезеңінде жағдай жасау