Benevity เป็นบริษัท SaaS สำหรับองค์กรที่มุ่งเน้นการสร้างผลกระทบทางสังคม แพลตฟอร์ม Benevity Enterprise Impact Platform ช่วยให้องค์กรขนาดใหญ่จัดการการบริจาคของพนักงาน การสมทบเงินบริจาค การบริจาคผ่านระบบเงินเดือน งานอาสาสมัคร เงินสนับสนุน กลุ่มพนักงาน กิจกรรมท้าทาย และการรายงานผลกระทบได้ในระบบเดียว แพลตฟอร์มยังรองรับการจ่ายเงินไปยังผู้รับทั่วโลก การตรวจสอบสถานะองค์กรไม่แสวงหาผลกำไร การปฏิบัติตามข้อกำหนด ตลอดจนการควบคุมความเสี่ยง โดยมีระบบอัตโนมัติที่ขับเคลื่อนด้วย AI เพื่อช่วยลดความซับซ้อนในการบริหารและวัดผลโครงการ สำหรับผู้เชี่ยวชาญที่กำลังมองหาโอกาสในธุรกิจซอฟต์แวร์ B2B, SaaS หรือเทคโนโลยีเพื่อสร้างผลกระทบทางสังคม Benevity มอบโอกาสให้ได้ทำงานกับผลิตภัณฑ์ที่เชื่อมโยงโครงการในสถานที่ทำงานเข้ากับองค์กรการกุศลและผลลัพธ์ที่วัดได้ต่อชุมชน
นักวิทยาศาสตร์ข้อมูลและ AI อาวุโสที่ Benevity — ทำงานแบบไฮบริดในโตรอนโต
นักวิทยาศาสตร์ข้อมูลและ AI อาวุโสพัฒนาโมเดลแมชชีนเลิร์นนิง การวิเคราะห์ และต้นแบบ AI สำหรับแพลตฟอร์ม SaaS เพื่อสร้างผลกระทบต่อสังคมของ Benevity บทบาทนี้มุ่งเน้นโมเดลที่ใช้งานจริง ประสบการณ์ลูกค้า และระบบอัตโนมัติ
รายละเอียด
- สร้างโมเดลแมชชีนเลิร์นนิงและโมเดลทางสถิติสำหรับการแนะนำ การพยากรณ์ และการจัดประเภท
- สำรวจข้อมูล สร้างฟีเจอร์ และประมวลผลชุดข้อมูลล่วงหน้าสำหรับการฝึกและประเมินโมเดล
- ประเมินประสิทธิภาพของโมเดลด้วยเมตริกที่เหมาะสม และปรับปรุงแนวทางผ่านการทดลอง
- ทำงานร่วมกับนักวิเคราะห์ข้อมูลและผู้มีส่วนได้ส่วนเสียด้านผลิตภัณฑ์เพื่อทำความเข้าใจกรณีการใช้งานและกำหนดเกณฑ์ความสำเร็จ
- สร้างต้นแบบและเปรียบเทียบประสิทธิภาพวิธีการในด้าน NLP การเรียนรู้การแทนค่า และการพยากรณ์อนุกรมเวลา
- สร้างข้อมูลเชิงลึกที่นำไปใช้ได้จริงผ่านการวิเคราะห์ขั้นสูง การแบ่งกลุ่ม และการวิเคราะห์ทางสถิติ
- นำเสนอผลการค้นพบและผลลัพธ์ของโมเดลต่อทีมข้ามสายงาน
- สนับสนุนการทดสอบ A/B และกิจกรรมตรวจสอบความถูกต้องของโมเดล
- สร้างแดชบอร์ดและเครื่องมือติดตามสุขภาพของโมเดลหลังการใช้งาน รวมถึง KPI ทางธุรกิจ
- ทำงานร่วมกับทีมผลิตภัณฑ์และวิศวกรรม AI เพื่อปรับใช้โมเดลและเชื่อมต่อโมเดลกับบริการแบ็กเอนด์และ API
- สร้างไปป์ไลน์การฝึกและโน้ตบุ๊กที่ทำซ้ำได้ โดยใช้มาตรฐานด้านการจัดการเวอร์ชันและเอกสาร
- ช่วยพัฒนาองค์ประกอบโมเดลและฟีเจอร์สโตร์ที่นำกลับมาใช้ซ้ำได้
- ติดตามความก้าวหน้าในระบบนิเวศด้านข้อมูล แมชชีนเลิร์นนิง และ AI พร้อมประเมินเครื่องมือและเฟรมเวิร์กใหม่ ๆ
- เพิ่มประสิทธิภาพและความโปร่งใสของทีมผ่านเอกสารและเครื่องมือภายใน
คุณสมบัติ
- มีประสบการณ์ 4–6 ปีด้านวิทยาศาสตร์ข้อมูล วิศวกรรมแมชชีนเลิร์นนิง หรือ AI ประยุกต์ โดยควรมีประสบการณ์ในสภาพแวดล้อม SaaS หรือผลิตภัณฑ์เทคโนโลยี
- มีประสบการณ์พัฒนาโมเดลที่ให้บริการลูกค้าหรือสร้างผลกระทบทางธุรกิจ รวมถึงการให้คะแนน การปรับให้เหมาะกับบุคคล หรือการตรวจจับความผิดปกติ
- คุ้นเคยกับแนวทางการพัฒนาซอฟต์แวร์แบบร่วมมือ เช่น Git การตรวจสอบโค้ด และ CI/CD สำหรับแมชชีนเลิร์นนิง
- วุฒิปริญญาตรีหรือปริญญาโทด้านวิทยาศาสตร์ข้อมูล วิทยาการคอมพิวเตอร์ สถิติ วิศวกรรม หรือสาขาที่เกี่ยวข้อง
- เชี่ยวชาญ Python, SQL, Jupyter และ Git
- มีประสบการณ์กับ scikit-learn, XGBoost, LightGBM และ TensorFlow หรือ PyTorch ในระดับพื้นฐาน
- มีประสบการณ์กับ Pandas, NumPy, DBT, BigQuery, Snowflake หรือเครื่องมือข้อมูลเทียบเท่า
- มีประสบการณ์กับ MLflow และ Airflow
- มีประสบการณ์ใช้แพลตฟอร์มคลาวด์อย่างน้อยหนึ่งแพลตฟอร์ม ได้แก่ GCP/Vertex AI, AWS/SageMaker หรือ Azure ML
- เข้าใจอย่างดีเกี่ยวกับการประเมินโมเดล การฟิตเกิน ความเอนเอียง ความแปรปรวน การตรวจสอบไขว้ และการทดสอบ A/B
- มีประสบการณ์ประเมินความทนทาน ความสามารถในการตีความ และความครอบคลุมของโมเดลจะได้รับการพิจารณาเป็นพิเศษ
- มีประสบการณ์กับ Docker หรือ Kubernetes จะได้รับการพิจารณาเป็นพิเศษ
- ประสบการณ์กับฟีเจอร์สโตร์ เช่น Tecton หรือ Feast เป็นทางเลือกแต่จะเป็นประโยชน์
- มีความรู้ด้านดีปเลิร์นนิง กราฟแมชชีนเลิร์นนิง NLP หรือการเรียนรู้แบบเสริมกำลังจะเป็นข้อได้เปรียบอย่างมาก
- มีประสบการณ์จริงในการปรับใช้และติดตามโมเดลแมชชีนเลิร์นนิง รวมถึงการฝึกใหม่โดยอัตโนมัติ การบันทึกข้อมูล และการติดตามประสิทธิภาพ จะได้รับการให้คุณค่าอย่างสูง
- มีทักษะการสื่อสารที่ดี รวมถึงความสามารถในการอธิบายหัวข้อทางเทคนิคที่ซับซ้อนแก่ผู้ฟังทั้งสายเทคนิคและไม่ใช่สายเทคนิค
- ตระหนักถึงประเด็นด้านจริยธรรมในการเรียนรู้ของเครื่อง รวมถึงความเป็นธรรม ความเอนเอียง และความสามารถในการอธิบายของ AI
สวัสดิการ
- รูปแบบการทำงานแบบไฮบริดที่ยืดหยุ่น
- ไม่มีข้อกำหนดให้พนักงานที่อยู่ใกล้สำนักงานต้องเข้าออฟฟิศตามวันที่กำหนด
- โอกาสได้ทำงานในโครงการนวัตกรรม
- โอกาสเติบโตในสายอาชีพ
- เพื่อนร่วมงานที่พร้อมให้การสนับสนุน
- งานที่มุ่งสร้างผลกระทบเชิงบวก
- กลุ่มทรัพยากรสำหรับพนักงาน
- โอกาสที่เท่าเทียมกันสำหรับผู้สมัครและพนักงานทุกคน
- มีการจัดสิ่งอำนวยความสะดวกตลอดกระบวนการจ้างงานและการประเมินสำหรับผู้สมัครที่มีความพิการ