Benevity ijtimoiy ta’sirga yo‘naltirilgan korporativ SaaS kompaniyasidir. Uning Benevity Enterprise Impact Platform platformasi yirik tashkilotlarga xodimlar xayriyalari, xayriyalarni moslashtirish, ish haqi orqali xayriya qilish, ko‘ngillilik, grantlar, xodimlar guruhlari, chaqiriqlar va ta’sir ko‘rsatkichlari hisobotlarini yagona tizimda boshqarishga yordam beradi. Platforma, shuningdek, global mablag‘ ajratish, notijorat tashkilotlarini tekshirish, muvofiqlik va xavflarni nazorat qilishni qo‘llab-quvvatlaydi. Sun’iy intellekt asosidagi avtomatlashtirish dasturlarni boshqarish va natijalarni o‘lchashni soddalashtirish uchun ishlab chiqilgan. B2B dasturiy ta’minot, SaaS yoki ijtimoiy ta’sir texnologiyalari sohalarida ish izlayotgan mutaxassislar uchun Benevity ish joyidagi dasturlarni xayriya tashkilotlari va o‘lchanadigan jamiyat natijalari bilan bog‘laydigan mahsulotlar ustida ishlash imkonini beradi.
Benevity kompaniyasida katta ma’lumotlar va sun’iy intellekt olimi — Torontoda gibrid ish
Benevity’ning ijtimoiy ta’sirga yo‘naltirilgan SaaS platformasi uchun mashinaviy o‘rganish modellari, tahlillar va sun’iy intellekt prototiplarini ishlab chiqadi. Lavozim ishlab chiqarishdagi modellarga, mijoz tajribasiga va avtomatlashtirishga e’tibor qaratadi.
Tavsif
- Tavsiyalar, bashoratlar va tasniflash uchun mashinaviy o‘rganish hamda statistik modellarni ishlab chiqish
- Ma’lumotlarni o‘rganish, xususiyatlar yaratish va ma’lumotlar to‘plamlarini modelni o‘qitish hamda baholash uchun oldindan qayta ishlash
- Tegishli metrikalar yordamida model samaradorligini baholash va tajribalar orqali yondashuvlarni takomillashtirish
- Foydalanish holatlarini aniqlashtirish va muvaffaqiyat mezonlarini belgilash uchun ma’lumotlar tahlilchilari hamda mahsulot manfaatdor tomonlari bilan hamkorlik qilish
- NLP, reprezentatsion o‘rganish va vaqt qatorlarini prognozlash usullarining prototiplarini yaratish va taqqoslash
- Ilg‘or tahlil, segmentatsiya va statistik tahlil orqali amaliy xulosalar ishlab chiqish
- Natijalar va model xulosalarini turli funksiyalardagi jamoalarga taqdim etish
- A/B testlari va modelni validatsiya qilish faoliyatini qo‘llab-quvvatlash
- Joriy etilgandan keyin model holati va biznes KPI ko‘rsatkichlarini kuzatish uchun dashboardlar hamda monitoring vositalarini yaratish
- Modellarni joriy etish va ularni backend xizmatlari hamda API’lar bilan bog‘lash uchun mahsulot va sun’iy intellekt muhandisligi jamoalari bilan hamkorlik qilish
- Versiyalash va hujjatlashtirish standartlaridan foydalangan holda takrorlanadigan o‘qitish pipeline’lari hamda notebooklar yaratish
- Qayta foydalanish mumkin bo‘lgan model komponentlari va xususiyatlar omborlarini ishlab chiqishga yordam berish
- Ma’lumotlar, mashinaviy o‘rganish va sun’iy intellekt ekotizimidagi yangiliklarni kuzatish hamda yangi vositalar va frameworklarni baholash
- Hujjatlar va ichki vositalar orqali jamoa samaradorligi hamda shaffofligini oshirish
Talablar
- SaaS yoki texnologik mahsulot muhitida ma’lumotlar fani, mashinaviy o‘rganish muhandisligi yoki amaliy sun’iy intellekt sohasida 4–6 yillik tajriba
- Skoring, shaxsiylashtirish yoki anomaliyalarni aniqlashni o‘z ichiga olgan, mijozga yo‘naltirilgan yoki biznesga ta’sir qiluvchi modellarni ishlab chiqish tajribasi
- Mashinaviy o‘rganish uchun Git, kodni ko‘rib chiqish va CI/CD kabi hamkorlikdagi dasturiy ta’minot ishlab chiqish amaliyotlaridan xabardorlik
- Ma’lumotlar fani, kompyuter fanlari, statistika, muhandislik yoki turdosh yo‘nalishda bakalavr yoki magistr darajasi
- Python, SQL, Jupyter va Git bo‘yicha malaka
- scikit-learn, XGBoost, LightGBM hamda TensorFlow yoki PyTorch asoslari bilan ishlash tajribasi
- Pandas, NumPy, DBT, BigQuery, Snowflake yoki o‘xshash ma’lumotlar vositalari bilan ishlash tajribasi
- MLflow va Airflow bilan ishlash tajribasi
- Kamida bitta bulut platformasidan foydalanish tajribasi: GCP/Vertex AI, AWS/SageMaker yoki Azure ML
- Modelni baholash, ortiqcha moslash, og‘ish, dispersiya, kross-validatsiya va A/B testlari bo‘yicha kuchli tushuncha
- Model mustahkamligi, izohlanishi va inklyuzivligini baholash tajribasi afzallik beradi
- Docker yoki Kubernetes tajribasi afzallik beradi
- Tecton yoki Feast kabi xususiyatlar omborlari bilan tajriba majburiy emas, ammo foydali
- Chuqur o‘rganish, grafik mashinaviy o‘rganish, NLP yoki mustahkamlovchi o‘rganish bilan tanishlik katta afzallikdir
- Avtomatik qayta o‘qitish, loglash va samaradorlikni kuzatishni o‘z ichiga olgan holda, mashinaviy o‘rganish modellarini ishlab chiqarishga joriy etish va monitoring qilish tajribasi yuqori baholanadi
- Murakkab texnik mavzularni texnik va texnik bo‘lmagan auditoriyaga tushuntira olishni o‘z ichiga olgan kuchli muloqot ko‘nikmalari
- Adolatlilik, og‘ish va sun’iy intellektning izohlanishi kabi mashinaviy o‘rganishdagi axloqiy masalalardan xabardorlik
Imtiyozlar
- Moslashuvchan gibrid ish tartibi
- Ofis yaqinida joylashgan xodimlar uchun ofisga doimiy kelish talabi yo‘q
- Innovatsion loyihalarda ishlash imkoniyatlari
- Kasbiy rivojlanish imkoniyatlari
- Qo‘llab-quvvatlovchi hamkasblar
- Maqsadga yo‘naltirilgan ish
- Xodimlar resurs guruhlari
- Barcha nomzodlar va xodimlar uchun teng imkoniyat
- Nogironligi bo‘lgan nomzodlar uchun ishga qabul qilish va baholash jarayoni davomida moslashtirishlar