Benevity is een enterprise-SaaS-bedrijf dat zich richt op maatschappelijke impact. Het Benevity Enterprise Impact Platform helpt grote organisaties om werknemersdonaties, donatieverdubbelingen, donaties via de salarisadministratie, vrijwilligerswerk, subsidies, werknemersgroepen, uitdagingen en impactrapportage in één systeem te beheren. Het platform ondersteunt daarnaast wereldwijde uitbetalingen, due diligence van non-profitorganisaties en compliance- en risicobeheersing. AI-gestuurde automatisering is ontworpen om het beheer en de meting van programma’s te vereenvoudigen. Voor professionals die geïnteresseerd zijn in B2B-software, SaaS of technologie voor maatschappelijke impact biedt Benevity de mogelijkheid om te werken aan producten die programma’s op de werkplek verbinden met liefdadigheidsorganisaties en meetbare resultaten voor gemeenschappen.
Senior data- en AI-wetenschapper bij Benevity – Toronto, hybride werkplek
Senior data- en AI-wetenschapper die machinelearningmodellen, analyses en AI-prototypes ontwikkelt voor Benevity’s SaaS-platform voor maatschappelijke impact. De functie richt zich op productiemodellen, de klantervaring en automatisering.
Canada$ 109.400 – $ 150.370 / jaar
HybrideVoltijdSeniorVereiste Taal: EngelsAI-onderzoekswetenschapperMachinelearning-ingenieurBeschrijving
- Machinelearning- en statistische modellen bouwen voor aanbevelingen, voorspellingen en classificatie
- Gegevens onderzoeken, kenmerken ontwikkelen en datasets voorbewerken voor het trainen en evalueren van modellen
- Modelprestaties evalueren met passende meetwaarden en benaderingen verfijnen door middel van experimenten
- Samenwerken met data-analisten en productstakeholders om use cases te verduidelijken en succescriteria vast te stellen
- Methoden voor NLP, representation learning en tijdreeksvoorspellingen prototypen en benchmarken
- Bruikbare inzichten opleveren door middel van geavanceerde analyses, segmentatie en statistische analyse
- Bevindingen en modelresultaten presenteren aan multidisciplinaire teams
- A/B-tests en modelvalidatieactiviteiten ondersteunen
- Dashboards en monitoringtools creëren voor de gezondheid van modellen en zakelijke KPI’s na implementatie
- Samenwerken met product- en AI-engineeringteams om modellen te implementeren en te koppelen aan backendservices en API’s
- Reproduceerbare trainingspipelines en notebooks bouwen volgens standaarden voor versiebeheer en documentatie
- Helpen bij de ontwikkeling van herbruikbare modelcomponenten en feature stores
- Ontwikkelingen binnen het data-, machinelearning- en AI-ecosysteem volgen en nieuwe tools en frameworks beoordelen
- De efficiëntie en transparantie van het team verbeteren door documentatie en interne tooling
Vereisten
- 4–6 jaar ervaring in data science, machinelearningengineering of toegepaste AI, bij voorkeur binnen een SaaS- of technologieproductomgeving
- Ervaring met het ontwikkelen van klantgerichte of bedrijfskritische modellen, waaronder scoring, personalisatie of anomaliedetectie
- Vertrouwdheid met samenwerkingsgerichte softwareontwikkelingspraktijken zoals Git, code reviews en CI/CD voor machine learning
- Bachelor- of masterdiploma in data science, computerwetenschappen, statistiek, engineering of een verwante studierichting
- Goede beheersing van Python, SQL, Jupyter en Git
- Ervaring met scikit-learn, XGBoost, LightGBM en basiskennis van TensorFlow of PyTorch
- Ervaring met Pandas, NumPy, DBT, BigQuery, Snowflake of vergelijkbare datatools
- Ervaring met MLflow en Airflow
- Ervaring met ten minste één cloudplatform: GCP/Vertex AI, AWS/SageMaker of Azure ML
- Sterk begrip van modelevaluatie, overfitting, bias, variantie, cross-validatie en A/B-testen
- Ervaring met het beoordelen van modelrobuustheid, interpreteerbaarheid en inclusiviteit is een pluspunt
- Ervaring met Docker of Kubernetes is een pluspunt
- Ervaring met feature stores zoals Tecton of Feast is optioneel maar waardevol
- Kennis van deep learning, graph machine learning, NLP of reinforcement learning is een sterke troef
- Ervaring met het implementeren en monitoren van machinelearningmodellen in productie, waaronder geautomatiseerde hertraining, logging en het volgen van prestaties, wordt sterk gewaardeerd
- Sterke communicatieve vaardigheden, waaronder het vermogen om complexe technische onderwerpen uit te leggen aan technische en niet-technische doelgroepen
- Bewustzijn van ethische aandachtspunten bij machine learning, waaronder eerlijkheid, bias en uitlegbaarheid van AI
Voordelen
- Flexibele hybride werkregelingen
- Geen vaste aanwezigheid op kantoor vereist voor medewerkers die in de buurt van een kantoor werken
- Mogelijkheden om aan innovatieve projecten te werken
- Mogelijkheden voor professionele groei
- Collega’s die ondersteuning bieden
- Werk met een maatschappelijke missie
- Medewerkersnetwerken
- Gelijke kansen voor alle kandidaten en medewerkers
- Aanpassingen gedurende het hele wervings- en beoordelingsproces voor kandidaten met een beperking