Benevity — корпоративна SaaS-компанія, що спеціалізується на соціальному впливі. Платформа Benevity Enterprise Impact Platform допомагає великим організаціям керувати благодійними внесками працівників, програмами подвоєння пожертв, пожертвами через зарплатні відомості, волонтерством, грантами, групами працівників, челенджами та звітністю про вплив в одній системі. Платформа також підтримує глобальні виплати, перевірку неприбуткових організацій, дотримання вимог і контроль ризиків, а автоматизація на основі ШІ покликана спростити адміністрування та оцінювання програм. Для фахівців, які розглядають кар’єру у сфері B2B-програмного забезпечення, SaaS або технологій соціального впливу, Benevity пропонує можливість працювати над продуктами, що поєднують корпоративні програми з благодійними організаціями та вимірюваними результатами для громад.
Старший фахівець із даних та ШІ у Benevity — гібридний формат у Торонто
Старший фахівець із даних та ШІ розробляє моделі машинного навчання, аналітичні рішення й прототипи ШІ для SaaS-платформи Benevity у сфері соціального впливу. Роль зосереджена на продуктивних моделях, клієнтському досвіді та автоматизації.
Опис
- Розробляти моделі машинного навчання та статистичні моделі для рекомендацій, прогнозування й класифікації
- Досліджувати дані, створювати ознаки та попередньо обробляти набори даних для навчання й оцінювання моделей
- Оцінювати ефективність моделей за допомогою відповідних метрик і вдосконалювати підходи завдяки експериментам
- Співпрацювати з аналітиками даних і стейкхолдерами продукту, щоб уточнювати варіанти використання та визначати критерії успіху
- Створювати прототипи й порівнювати методи в обробці природної мови, навчанні представлень і прогнозуванні часових рядів
- Отримувати практичні висновки за допомогою розширеної аналітики, сегментації та статистичного аналізу
- Презентувати результати досліджень і роботи моделей кросфункціональним командам
- Підтримувати A/B-тестування та валідацію моделей
- Створювати інформаційні панелі й інструменти моніторингу стану моделей після розгортання та ключових бізнес-показників
- Співпрацювати з командами продукту та інженерії ШІ для розгортання моделей і підключення їх до серверних служб та API
- Створювати відтворювані конвеєри навчання й ноутбуки з використанням стандартів версіонування та документування
- Допомагати розробляти повторно використовувані компоненти моделей і сховища ознак
- Відстежувати розвиток екосистем даних, машинного навчання та ШІ й оцінювати нові інструменти та фреймворки
- Підвищувати ефективність і прозорість команди за допомогою документації та внутрішніх інструментів
Вимоги
- 4–6 років досвіду в галузі аналізу даних, інженерії машинного навчання або прикладного ШІ, бажано в SaaS-середовищі чи технологічному продукті
- Досвід розроблення моделей для клієнтів або моделей, що впливають на бізнес, зокрема скорингу, персоналізації чи виявлення аномалій
- Знання практик спільної розробки програмного забезпечення, таких як Git, перевірка коду та CI/CD для машинного навчання
- Ступінь бакалавра або магістра з аналізу даних, комп’ютерних наук, статистики, інженерії чи спорідненої дисципліни
- Впевнене володіння Python, SQL, Jupyter і Git
- Досвід роботи зі scikit-learn, XGBoost, LightGBM і базовим TensorFlow або PyTorch
- Досвід роботи з Pandas, NumPy, DBT, BigQuery, Snowflake або подібними інструментами для роботи з даними
- Досвід роботи з MLflow та Airflow
- Досвід використання щонайменше однієї хмарної платформи: GCP/Vertex AI, AWS/SageMaker або Azure ML
- Глибоке розуміння оцінювання моделей, перенавчання, зміщення, дисперсії, крос-валідації та A/B-тестування
- Досвід оцінювання стійкості, інтерпретованості та інклюзивності моделей буде перевагою
- Досвід роботи з Docker або Kubernetes буде перевагою
- Досвід роботи зі сховищами ознак, такими як Tecton або Feast, необов’язковий, але бажаний
- Знання глибокого навчання, графового машинного навчання, обробки природної мови або навчання з підкріпленням буде значною перевагою
- Високо цінується практичний досвід розгортання й моніторингу моделей машинного навчання, зокрема автоматичного перенавчання, журналювання та відстеження продуктивності
- Сильні комунікативні навички, зокрема здатність пояснювати складні технічні теми технічній і нетехнічній аудиторії
- Розуміння етичних аспектів машинного навчання, зокрема справедливості, зміщення та пояснюваності ШІ
Переваги
- Гнучкий гібридний формат роботи
- Для працівників, які перебувають поблизу офісу, немає обов’язкової вимоги постійно працювати з офісу
- Можливість працювати над інноваційними проєктами
- Можливості професійного розвитку
- Підтримувальні колеги
- Робота, орієнтована на важливу мету
- Ресурсні групи працівників
- Рівні можливості для всіх кандидатів і працівників
- Адаптації протягом процесів найму та оцінювання для кандидатів з інвалідністю