Benevity er et SaaS-selskap for større virksomheter med fokus på sosial påvirkning. Benevity Enterprise Impact Platform hjelper store organisasjoner med å administrere ansattes gaver, gaveutløsende matching, lønnstrekk til veldedighet, frivillig arbeid, tilskudd, ansattgrupper, utfordringer og måling av effekt i ett system. Plattformen støtter også globale utbetalinger, kvalitetssikring av ideelle organisasjoner, etterlevelse og risikokontroller, med AI-drevet automatisering som er utviklet for å forenkle administrasjon og måling av programmer. For fagpersoner som utforsker roller innen B2B-programvare, SaaS eller teknologi for sosial påvirkning, gir Benevity muligheten til å jobbe med produkter som knytter arbeidsplassprogrammer sammen med veldedige organisasjoner og målbare resultater for lokalsamfunn.
Senior data- og AI-forsker hos Benevity – hybrid i Toronto
Senior data- og AI-forsker som utvikler maskinlæringsmodeller, analyser og AI-prototyper for Benevitys SaaS-plattform for sosial påvirkning. Rollen fokuserer på produksjonsmodeller, kundeopplevelse og automatisering.
Canada109 400 $ – 150 370 $ / år
HybridHeltidSeniorPåkrevd Språk: engelskAI-forskerMaskinlæringsingeniørBeskrivelse
- Bygg maskinlærings- og statistiske modeller for anbefalinger, prediksjoner og klassifisering
- Utforsk data, utvikle funksjoner og forhåndsbehandle datasett for modelltrening og evaluering
- Evaluer modellytelsen med passende målemetoder og forbedre tilnærminger gjennom eksperimentering
- Samarbeid med dataanalytikere og produktinteressenter for å avklare bruksområder og fastsette suksesskriterier
- Lag prototyper og sammenlign metoder innen NLP, representasjonslæring og tidsserieprognoser
- Utvikle handlingsrettet innsikt gjennom avansert analyse, segmentering og statistisk analyse
- Presenter funn og modellresultater for tverrfunksjonelle team
- Støtt A/B-testing og modellvalidering
- Lag dashbord og overvåkingsverktøy for modellenes tilstand etter produksjonssetting og for viktige forretnings-KPI-er
- Samarbeid med produkt- og AI-teknologiteam for å sette modeller i produksjon og koble dem til backendtjenester og API-er
- Bygg reproduserbare treningspipelines og notatbøker etter standarder for versjonskontroll og dokumentasjon
- Bidra til å utvikle gjenbrukbare modellkomponenter og feature stores
- Følg utviklingen innen data, maskinlæring og AI, og vurder nye verktøy og rammeverk
- Forbedre teamets effektivitet og åpenhet gjennom dokumentasjon og interne verktøy
Krav
- 4–6 års erfaring med datavitenskap, maskinlæringsteknikk eller anvendt AI, helst i et SaaS- eller teknologiproduktmiljø
- Erfaring med å utvikle kundeorienterte modeller eller modeller med forretningsmessig betydning, inkludert poengberegning, personalisering eller avviksdeteksjon
- Kjennskap til samarbeidende programvareutviklingspraksis som Git, kodegjennomgang og CI/CD for maskinlæring
- Bachelor- eller mastergrad i datavitenskap, informatikk, statistikk, ingeniørfag eller et beslektet fagområde
- Gode kunnskaper i Python, SQL, Jupyter og Git
- Erfaring med scikit-learn, XGBoost, LightGBM og grunnleggende TensorFlow eller PyTorch
- Erfaring med Pandas, NumPy, DBT, BigQuery, Snowflake eller sammenlignbare dataverktøy
- Erfaring med MLflow og Airflow
- Erfaring med minst én skyplattform: GCP/Vertex AI, AWS/SageMaker eller Azure ML
- Svært god forståelse av modelevaluering, overtilpasning, bias, varians, kryssvalidering og A/B-testing
- Erfaring med å vurdere modellers robusthet, tolkbarhet og inkludering er en fordel
- Erfaring med Docker eller Kubernetes er en fordel
- Erfaring med feature stores som Tecton eller Feast er valgfritt, men en fordel
- Kjennskap til dyp læring, grafmaskinlæring, NLP eller forsterkende læring er en sterk fordel
- Produksjonserfaring med å sette maskinlæringsmodeller i produksjon og overvåke dem, inkludert automatisk omskolering, logging og ytelsessporing, verdsettes høyt
- Gode kommunikasjonsevner, inkludert evnen til å forklare komplekse tekniske emner for tekniske og ikke-tekniske målgrupper
- Bevissthet om etiske hensyn innen maskinlæring, inkludert rettferdighet, bias og forklarbar AI
Fordeler
- Fleksible hybride arbeidsordninger
- Ingen fast plikt til å møte på kontoret for ansatte som bor i nærheten av et kontor
- Mulighet til å jobbe med innovative prosjekter
- Muligheter for faglig utvikling
- Støttende kolleger
- Meningsfylt arbeid med et tydelig formål
- Ressursgrupper for ansatte
- Like muligheter for alle kandidater og ansatte
- Tilrettelegging gjennom hele rekrutterings- og vurderingsprosessen for kandidater med funksjonsnedsettelser