Benevity je podjetje SaaS za poslovne uporabnike, osredotočeno na družbeni učinek. Njegova platforma Benevity Enterprise Impact Platform velikim organizacijam pomaga upravljati darovanja zaposlenih, podvajanje donacij, darovanja prek obračuna plač, prostovoljstvo, nepovratna sredstva, skupine zaposlenih, izzive in poročanje o učinku v enem sistemu. Platforma podpira tudi globalna izplačila, skrbni pregled neprofitnih organizacij, skladnost in nadzor tveganj, avtomatizacija, ki jo poganja umetna inteligenca, pa je zasnovana za poenostavitev upravljanja programov in merjenja rezultatov. Za strokovnjake, ki jih zanimajo vloge na področju B2B programske opreme, SaaS-a ali tehnologij z družbenim učinkom, Benevity ponuja priložnost za delo na izdelkih, ki povezujejo programe na delovnem mestu z dobrodelnimi organizacijami in merljivimi rezultati za skupnosti.
Višji podatkovni inženir in znanstvenik za umetno inteligenco pri Benevity — hibridno delo v Torontu
Višji podatkovni inženir in znanstvenik za umetno inteligenco razvija modele strojnega učenja, analitiko in prototipe umetne inteligence za Benevityjovo družbeno usmerjeno platformo SaaS. Vloga je osredotočena na produkcijske modele, uporabniško izkušnjo in avtomatizacijo.
Opis
- Izdelava modelov strojnega učenja in statističnih modelov za priporočila, napovedi in razvrščanje
- Raziskovanje podatkov, načrtovanje značilk in predobdelava podatkovnih zbirk za učenje in vrednotenje modelov
- Vrednotenje delovanja modelov z ustreznimi metrikami ter izboljševanje pristopov z eksperimentiranjem
- Sodelovanje s podatkovnimi analitiki in deležniki na področju izdelkov pri razjasnjevanju primerov uporabe in določanju meril uspeha
- Izdelava prototipov in primerjava metod na področjih NLP, učenja predstavitev in napovedovanja časovnih vrst
- Ustvarjanje uporabnih vpogledov z napredno analitiko, segmentacijo in statistično analizo
- Predstavljanje ugotovitev in rezultatov modelov medfunkcijskim ekipam
- Podpora A/B-testiranju in dejavnostim preverjanja modelov
- Izdelava nadzornih plošč in orodij za spremljanje stanja modelov po uvedbi v produkcijo ter ključnih poslovnih kazalnikov
- Sodelovanje z ekipami za izdelke in inženiring umetne inteligence pri uvajanju modelov ter njihovem povezovanju z zalednimi storitvami in API-ji
- Izdelava ponovljivih cevovodov za učenje in zvezkov ob uporabi standardov za različice in dokumentacijo
- Pomoč pri razvoju ponovno uporabnih komponent modelov in shramb značilk
- Spremljanje razvoja v ekosistemu podatkov, strojnega učenja in umetne inteligence ter ocenjevanje novih orodij in ogrodij
- Izboljševanje učinkovitosti in preglednosti ekipe z dokumentacijo in internimi orodji
Zahteve
- 4–6 let izkušenj na področju podatkovne znanosti, inženiringa strojnega učenja ali uporabne umetne inteligence, po možnosti v okolju SaaS ali pri tehnološkem izdelku
- Izkušnje z razvojem modelov, usmerjenih v stranke ali z vplivom na poslovanje, vključno z ocenjevanjem, personalizacijo ali odkrivanjem anomalij
- Poznavanje praks sodelovalnega razvoja programske opreme, kot so Git, pregled kode in CI/CD za strojno učenje
- Diploma dodiplomskega ali magistrskega študija podatkovne znanosti, računalništva, statistike, inženiringa ali sorodne discipline
- Odlično znanje Pythona, SQL, Jupyterja in Gita
- Izkušnje s knjižnicami scikit-learn, XGBoost in LightGBM ter osnovno znanje TensorFlowa ali PyTorcha
- Izkušnje z orodji Pandas, NumPy, DBT, BigQuery, Snowflake ali primerljivimi podatkovnimi orodji
- Izkušnje z MLflowom in Airflowom
- Izkušnje z uporabo vsaj ene oblačne platforme: GCP/Vertex AI, AWS/SageMaker ali Azure ML
- Dobro razumevanje vrednotenja modelov, prenaučenosti, pristranskosti, variance, navzkrižnega preverjanja in A/B-testiranja
- Izkušnje z ocenjevanjem robustnosti, razložljivosti in vključujočosti modelov so prednost
- Izkušnje z Dockerjem ali Kubernetesom so prednost
- Izkušnje s shrambami značilk, kot sta Tecton ali Feast, niso obvezne, vendar so koristne
- Poznavanje globokega učenja, grafovskega strojnega učenja, NLP ali spodbujevanega učenja je velika prednost
- Zelo cenjene so produkcijske izkušnje z uvajanjem in spremljanjem modelov strojnega učenja, vključno z avtomatiziranim ponovnim učenjem, beleženjem in sledenjem delovanja
- Odlične komunikacijske sposobnosti, vključno z zmožnostjo razlage zapletenih tehničnih tem tehničnemu in netehničnemu občinstvu
- Poznavanje etičnih vidikov strojnega učenja, vključno s pravičnostjo, pristranskostjo in razložljivostjo umetne inteligence
Ugodnosti
- Prilagodljive možnosti hibridnega dela
- Za zaposlene, ki živijo v bližini pisarne, ni določene obvezne prisotnosti v pisarni
- Priložnosti za delo na inovativnih projektih
- Priložnosti za poklicni razvoj
- Podporni sodelavci
- Delo z namenom
- Skupine zaposlenih
- Enake priložnosti za vse kandidate in zaposlene
- Prilagoditve v celotnem postopku zaposlovanja in ocenjevanja za kandidate z invalidnostmi