Benevity ir uzņēmumu SaaS risinājumu uzņēmums, kas koncentrējas uz sociālo ietekmi. Tā Benevity Enterprise Impact Platform palīdz lielām organizācijām vienā sistēmā pārvaldīt darbinieku ziedošanu, ziedojumu saskaņošanu, ziedošanu, izmantojot algas sistēmu, brīvprātīgo darbu, dotācijas, darbinieku grupas, izaicinājumus un ietekmes pārskatus. Platforma atbalsta arī globālus izmaksu procesus, bezpeļņas organizāciju padziļinātu pārbaudi, atbilstību prasībām un risku kontroli. Mākslīgā intelekta vadītā automatizācija ir izstrādāta, lai vienkāršotu programmu administrēšanu un ietekmes mērīšanu. Speciālistiem, kurus interesē B2B programmatūra, SaaS vai sociālās ietekmes tehnoloģijas, Benevity piedāvā iespēju strādāt pie produktiem, kas savieno darbavietu programmas ar labdarības organizācijām un izmērāmiem kopienu rezultātiem.
Vecākais datu un mākslīgā intelekta zinātnieks uzņēmumā Benevity – Toronto, hibrīddarbs
Vecākais datu un mākslīgā intelekta zinātnieks izstrādās mašīnmācīšanās modeļus, analītikas risinājumus un MI prototipus Benevity sociālās ietekmes SaaS platformai. Loma koncentrējas uz ražošanas modeļiem, klientu pieredzi un automatizāciju.
Apraksts
- Izstrādā mašīnmācīšanās un statistiskos modeļus ieteikumiem, prognozēm un klasifikācijai
- Izpēti datus, veido pazīmes un priekšapstrādā datu kopas modeļu apmācībai un novērtēšanai
- Novērtē modeļu veiktspēju, izmantojot atbilstošus rādītājus, un pilnveido pieejas ar eksperimentu palīdzību
- Sadarbojies ar datu analītiķiem un produkta ieinteresētajām personām, lai precizētu lietošanas scenārijus un noteiktu panākumu kritērijus
- Veido prototipus un salīdzini metodes dabiskās valodas apstrādē, reprezentāciju apguvē un laikrindu prognozēšanā
- Radi praktiski izmantojamas atziņas, izmantojot uzlabotu analītiku, segmentēšanu un statistisko analīzi
- Prezentē secinājumus un modeļu rezultātus starpdisciplinārām komandām
- Atbalsti A/B testēšanu un modeļu validācijas darbības
- Veido informācijas paneļus un uzraudzības rīkus modeļu stāvoklim pēc ieviešanas un svarīgākajiem uzņēmējdarbības rādītājiem
- Sadarbojies ar produkta un MI inženierijas komandām, lai ieviestu modeļus un savienotu tos ar aizmugursistēmām un API
- Veido reproducējamus apmācības konveijerus un piezīmju grāmatas, ievērojot versiju kontroles un dokumentācijas standartus
- Palīdzi izstrādāt atkārtoti izmantojamus modeļu komponentus un pazīmju krātuves
- Seko datu, mašīnmācīšanās un MI ekosistēmas attīstībai un izvērtē jaunus rīkus un ietvarus
- Uzlabojiet komandas efektivitāti un pārskatāmību, izmantojot dokumentāciju un iekšējos rīkus
Prasības
- 4–6 gadu pieredze datu zinātnē, mašīnmācīšanās inženierijā vai lietišķajā MI, vēlams SaaS vai tehnoloģiju produktu vidē
- Pieredze klientiem paredzētu vai uzņēmējdarbībai nozīmīgu modeļu izstrādē, tostarp vērtēšanas, personalizācijas vai anomāliju noteikšanas modeļos
- Sadarbībā balstītas programmatūras izstrādes prakses, piemēram, Git, koda pārskatīšanas un mašīnmācīšanās CI/CD, pārzināšana
- Bakalaura vai maģistra grāds datu zinātnē, datorzinātnē, statistikā, inženierzinātnēs vai saistītā jomā
- Labas Python, SQL, Jupyter un Git prasmes
- Pieredze ar scikit-learn, XGBoost, LightGBM un TensorFlow vai PyTorch pamatiem
- Pieredze ar Pandas, NumPy, DBT, BigQuery, Snowflake vai līdzīgiem datu rīkiem
- Pieredze ar MLflow un Airflow
- Pieredze ar vismaz vienu mākoņplatformu: GCP/Vertex AI, AWS/SageMaker vai Azure ML
- Padziļināta izpratne par modeļu novērtēšanu, pārmācīšanos, aizspriedumiem, dispersiju, krustenisko validāciju un A/B testēšanu
- Pieredze modeļu robustuma, interpretējamības un iekļautības novērtēšanā būs priekšrocība
- Pieredze ar Docker vai Kubernetes būs priekšrocība
- Pieredze ar pazīmju krātuvēm, piemēram, Tecton vai Feast, nav obligāta, bet būs noderīga
- Pieredze dziļajā mācīšanās, grafu mašīnmācīšanās, dabiskās valodas apstrādes vai pastiprinātās mācīšanās jomā būs būtiska priekšrocība
- Ražošanas pieredze mašīnmācīšanās modeļu ieviešanā un uzraudzībā, tostarp automātiskā pārapmācībā, reģistrēšanā un veiktspējas uzskaitē, tiek augstu novērtēta
- Spēcīgas komunikācijas prasmes, tostarp spēja izskaidrot sarežģītus tehniskus tematus tehniskai un netehniskai auditorijai
- Izpratne par mašīnmācīšanās ētiskajiem aspektiem, tostarp taisnīgumu, aizspriedumiem un MI izskaidrojamību
Priekšrocības
- Elastīga hibrīddarba kārtība
- Darbiniekiem, kuri dzīvo biroja tuvumā, nav noteiktas prasības obligāti strādāt birojā
- Iespējas strādāt pie inovatīviem projektiem
- Profesionālās izaugsmes iespējas
- Atbalstoši kolēģi
- Uz mērķi vērsts darbs
- Darbinieku resursu grupas
- Vienlīdzīgas iespējas visiem kandidātiem un darbiniekiem
- Pielāgojumi kandidātiem ar invaliditāti visā darbā pieņemšanas un novērtēšanas procesā