Benevity to korporacyjna firma SaaS koncentrująca się na wpływie społecznym. Platforma Benevity Enterprise Impact Platform pomaga dużym organizacjom zarządzać darowiznami pracowników, dopasowywaniem darowizn, darowiznami z wynagrodzeń, wolontariatem, grantami, grupami pracowniczymi, wyzwaniami oraz raportowaniem wpływu w jednym systemie. Platforma obsługuje również globalne wypłaty środków, weryfikację organizacji non profit, zgodność z przepisami i mechanizmy kontroli ryzyka, a automatyzacja oparta na sztucznej inteligencji ma upraszczać administrację programami i pomiar ich rezultatów. Specjalistom rozważającym karierę w oprogramowaniu B2B, SaaS lub technologiach wspierających wpływ społeczny Benevity oferuje możliwość pracy nad produktami łączącymi programy pracownicze z organizacjami charytatywnymi i wymiernymi efektami dla społeczności.
Starszy specjalista ds. danych i AI w Benevity — praca hybrydowa w Toronto
Starszy specjalista ds. danych i AI tworzy modele uczenia maszynowego, rozwiązania analityczne i prototypy AI dla platformy SaaS Benevity wspierającej inicjatywy społeczne. Rola koncentruje się na modelach produkcyjnych, doświadczeniu klienta i automatyzacji.
Opis
- Tworzyć modele uczenia maszynowego i modele statystyczne na potrzeby rekomendacji, prognozowania i klasyfikacji
- Analizować dane, projektować cechy i wstępnie przetwarzać zbiory danych na potrzeby trenowania i oceny modeli
- Oceniać wydajność modeli za pomocą odpowiednich metryk i udoskonalać podejścia poprzez eksperymenty
- Współpracować z analitykami danych i interesariuszami produktu w celu doprecyzowania przypadków użycia i ustalenia kryteriów sukcesu
- Tworzyć prototypy i porównywać metody w zakresie NLP, uczenia reprezentacji i prognozowania szeregów czasowych
- Uzyskiwać praktyczne wnioski dzięki zaawansowanej analityce, segmentacji i analizie statystycznej
- Prezentować wyniki analiz i rezultaty modeli zespołom interdyscyplinarnym
- Wspierać testy A/B i działania związane z walidacją modeli
- Tworzyć pulpity nawigacyjne i narzędzia monitorujące stan modeli po wdrożeniu oraz kluczowe wskaźniki biznesowe
- Współpracować z zespołami produktu i inżynierii AI przy wdrażaniu modeli oraz łączeniu ich z usługami backendowymi i interfejsami API
- Tworzyć odtwarzalne potoki trenowania i notebooki zgodnie ze standardami wersjonowania i dokumentowania
- Pomagać w opracowywaniu wielokrotnego użytku komponentów modeli i magazynów cech
- Śledzić rozwój ekosystemu danych, uczenia maszynowego i AI oraz oceniać nowe narzędzia i frameworki
- Zwiększać efektywność i przejrzystość zespołu dzięki dokumentacji i narzędziom wewnętrznym
Wymagania
- 4–6 lat doświadczenia w dziedzinie data science, inżynierii uczenia maszynowego lub stosowanej AI, najlepiej w środowisku SaaS albo w firmie tworzącej produkty technologiczne
- Doświadczenie w tworzeniu modeli dla klientów lub modeli wpływających na biznes, w tym modeli scoringowych, personalizacji lub wykrywania anomalii
- Znajomość praktyk zespołowego tworzenia oprogramowania, takich jak Git, przeglądy kodu i CI/CD dla uczenia maszynowego
- Wykształcenie wyższe na poziomie licencjackim lub magisterskim w dziedzinie data science, informatyki, statystyki, inżynierii lub pokrewnej
- Biegłość w Pythonie, SQL, Jupyter i Git
- Doświadczenie ze scikit-learn, XGBoost, LightGBM oraz podstawowa znajomość TensorFlow lub PyTorch
- Doświadczenie z Pandas, NumPy, DBT, BigQuery, Snowflake lub porównywalnymi narzędziami danych
- Doświadczenie z MLflow i Airflow
- Doświadczenie w korzystaniu z co najmniej jednej platformy chmurowej: GCP/Vertex AI, AWS/SageMaker lub Azure ML
- Dobra znajomość oceny modeli, przeuczenia, obciążenia, wariancji, walidacji krzyżowej i testów A/B
- Doświadczenie w ocenie odporności, interpretowalności i inkluzywności modeli będzie dodatkowym atutem
- Doświadczenie z Dockerem lub Kubernetes będzie dodatkowym atutem
- Doświadczenie z magazynami cech, takimi jak Tecton lub Feast, jest opcjonalne, ale mile widziane
- Znajomość głębokiego uczenia, grafowego uczenia maszynowego, NLP lub uczenia ze wzmocnieniem będzie dużym atutem
- Dużym atutem jest praktyczne doświadczenie we wdrażaniu i monitorowaniu modeli uczenia maszynowego, w tym w automatycznym ponownym trenowaniu, rejestrowaniu danych i śledzeniu wydajności
- Bardzo dobre umiejętności komunikacyjne, w tym zdolność wyjaśniania złożonych zagadnień technicznych odbiorcom technicznym i nietechnicznym
- Świadomość etycznych aspektów uczenia maszynowego, w tym sprawiedliwości, obciążenia i wyjaśnialności AI
Benefity
- Elastyczny hybrydowy model pracy
- Pracownicy mieszkający w pobliżu biura nie mają obowiązku stałej obecności w biurze
- Możliwość pracy nad innowacyjnymi projektami
- Możliwości rozwoju zawodowego
- Wspierający współpracownicy
- Praca nastawiona na realizację ważnego celu
- Grupy zasobów pracowniczych
- Równe szanse dla wszystkich kandydatów i pracowników
- Dostosowania na każdym etapie rekrutacji i oceny dla kandydatów z niepełnosprawnościami