Benevity — корпоративная SaaS-компания, специализирующаяся на социальных инициативах. Платформа Benevity Enterprise Impact Platform помогает крупным организациям управлять пожертвованиями сотрудников, программами софинансирования пожертвований, пожертвованиями через расчётную ведомость, волонтёрством, грантами, группами сотрудников, челленджами и отчётностью о воздействии в рамках одной системы. Платформа также поддерживает глобальные выплаты, проверку некоммерческих организаций, соблюдение требований и контроль рисков, а автоматизация на основе ИИ призвана упростить администрирование и оценку программ. Специалистам, которые рассматривают карьеру в B2B-программах, SaaS или технологиях социальных инициатив, Benevity предлагает возможность работать над продуктами, связывающими корпоративные программы с благотворительными организациями и измеримыми результатами для сообществ.
Старший специалист по данным и ИИ в Benevity — гибридный формат в Торонто
Старший специалист по данным и ИИ разрабатывает модели машинного обучения, аналитические решения и прототипы ИИ для SaaS-платформы Benevity в сфере социального воздействия. Роль ориентирована на рабочие модели, клиентский опыт и автоматизацию.
Описание
- Разрабатывать модели машинного обучения и статистические модели для рекомендаций, прогнозирования и классификации
- Исследовать данные, создавать признаки и предварительно обрабатывать наборы данных для обучения и оценки моделей
- Оценивать эффективность моделей с помощью подходящих метрик и совершенствовать подходы посредством экспериментов
- Взаимодействовать с аналитиками данных и заинтересованными сторонами со стороны продукта для уточнения вариантов использования и определения критериев успеха
- Создавать прототипы и сравнивать методы в области обработки естественного языка, обучения представлений и прогнозирования временных рядов
- Получать практические выводы с помощью расширенной аналитики, сегментации и статистического анализа
- Представлять результаты исследований и работы моделей кросс-функциональным командам
- Поддерживать A/B-тестирование и валидацию моделей
- Создавать панели мониторинга и инструменты для контроля состояния моделей после внедрения и ключевых бизнес-показателей
- Взаимодействовать с командами продукта и инженерии ИИ для внедрения моделей и их интеграции с серверными службами и API
- Создавать воспроизводимые конвейеры обучения и ноутбуки с использованием стандартов версионирования и документирования
- Помогать разрабатывать повторно используемые компоненты моделей и хранилища признаков
- Отслеживать изменения в экосистеме данных, машинного обучения и ИИ и оценивать новые инструменты и фреймворки
- Повышать эффективность и прозрачность команды с помощью документации и внутренних инструментов
Требования
- 4–6 лет опыта в области анализа данных, инженерии машинного обучения или прикладного ИИ, предпочтительно в SaaS-среде или технологическом продукте
- Опыт разработки моделей для клиентов или моделей, влияющих на бизнес, включая скоринг, персонализацию или выявление аномалий
- Знание практик совместной разработки программного обеспечения, таких как Git, проверка кода и CI/CD для машинного обучения
- Степень бакалавра или магистра в области анализа данных, компьютерных наук, статистики, инженерии или смежной дисциплины
- Уверенное владение Python, SQL, Jupyter и Git
- Опыт работы со scikit-learn, XGBoost, LightGBM и базовыми возможностями TensorFlow или PyTorch
- Опыт работы с Pandas, NumPy, DBT, BigQuery, Snowflake или сопоставимыми инструментами для работы с данными
- Опыт работы с MLflow и Airflow
- Опыт использования хотя бы одной облачной платформы: GCP/Vertex AI, AWS/SageMaker или Azure ML
- Глубокое понимание оценки моделей, переобучения, смещения, дисперсии, кросс-валидации и A/B-тестирования
- Опыт оценки устойчивости, интерпретируемости и инклюзивности моделей будет преимуществом
- Опыт работы с Docker или Kubernetes будет преимуществом
- Опыт работы с хранилищами признаков, такими как Tecton или Feast, желателен, но не обязателен
- Знания в области глубокого обучения, графового машинного обучения, обработки естественного языка или обучения с подкреплением будут существенным преимуществом
- Высоко ценится практический опыт внедрения и мониторинга моделей машинного обучения, включая автоматическое переобучение, журналирование и отслеживание эффективности
- Сильные коммуникативные навыки, включая способность объяснять сложные технические темы технической и нетехнической аудитории
- Понимание этических аспектов машинного обучения, включая справедливость, смещение и объяснимость ИИ
Преимущества
- Гибкий гибридный формат работы
- Для сотрудников, находящихся рядом с офисом, нет обязательного требования постоянно работать из офиса
- Возможность работать над инновационными проектами
- Возможности профессионального роста
- Поддерживающие коллеги
- Работа, ориентированная на значимую цель
- Группы ресурсов для сотрудников
- Равные возможности для всех кандидатов и сотрудников
- Адаптации на протяжении процесса найма и оценки для кандидатов с инвалидностью