Benevity là một công ty SaaS dành cho doanh nghiệp, tập trung vào lĩnh vực tạo tác động xã hội. Nền tảng Benevity Enterprise Impact Platform giúp các tổ chức lớn quản lý hoạt động đóng góp của nhân viên, quyên góp đối ứng, quyên góp qua bảng lương, tình nguyện, tài trợ, nhóm nhân viên, thử thách và báo cáo tác động trên cùng một hệ thống. Nền tảng này cũng hỗ trợ giải ngân trên toàn cầu, thẩm định tổ chức phi lợi nhuận, tuân thủ và các biện pháp kiểm soát rủi ro, với khả năng tự động hóa dựa trên AI nhằm đơn giản hóa việc quản trị và đo lường chương trình. Đối với những chuyên gia đang tìm hiểu các cơ hội trong lĩnh vực phần mềm B2B, SaaS hoặc công nghệ tạo tác động xã hội, Benevity mang đến cơ hội phát triển các sản phẩm kết nối chương trình tại nơi làm việc với các tổ chức từ thiện và những kết quả cộng đồng có thể đo lường.
Chuyên gia Khoa học Dữ liệu và AI cấp cao tại Benevity — Làm việc kết hợp tại Toronto
Chuyên gia Khoa học Dữ liệu và AI cấp cao phát triển các mô hình học máy, phân tích và nguyên mẫu AI cho nền tảng SaaS tạo tác động xã hội của Benevity. Vai trò này tập trung vào các mô hình vận hành thực tế, trải nghiệm khách hàng và tự động hóa.
Canada109.400 $ – 150.370 $ / năm
Kết hợpToàn thời gianCao cấpNgôn Ngữ Bắt Buộc: Tiếng AnhKỹ sư học máyNhà khoa học nghiên cứu AIMô tả
- Xây dựng các mô hình học máy và thống kê cho hoạt động đề xuất, dự đoán và phân loại
- Khám phá dữ liệu, xây dựng đặc trưng và tiền xử lý tập dữ liệu để huấn luyện và đánh giá mô hình
- Đánh giá hiệu suất mô hình bằng các chỉ số phù hợp và cải tiến phương pháp thông qua thử nghiệm
- Phối hợp với các nhà phân tích dữ liệu và các bên liên quan về sản phẩm để làm rõ trường hợp sử dụng và xác định tiêu chí thành công
- Xây dựng nguyên mẫu và đánh giá chuẩn các phương pháp trong NLP, học biểu diễn và dự báo chuỗi thời gian
- Tạo ra các thông tin chi tiết có thể hành động thông qua phân tích nâng cao, phân khúc và phân tích thống kê
- Trình bày các phát hiện và kết quả mô hình cho các nhóm liên chức năng
- Hỗ trợ các hoạt động thử nghiệm A/B và xác thực mô hình
- Tạo bảng điều khiển và công cụ giám sát tình trạng mô hình sau khi triển khai cùng các KPI kinh doanh
- Phối hợp với các nhóm sản phẩm và kỹ thuật AI để triển khai mô hình, đồng thời kết nối chúng với các dịch vụ backend và API
- Xây dựng các quy trình huấn luyện và notebook có thể tái lập bằng cách sử dụng tiêu chuẩn về quản lý phiên bản và tài liệu
- Hỗ trợ phát triển các thành phần mô hình và kho đặc trưng có thể tái sử dụng
- Theo dõi các phát triển trong hệ sinh thái dữ liệu, học máy và AI, đồng thời đánh giá các công cụ và framework mới
- Nâng cao hiệu quả và tính minh bạch của nhóm thông qua tài liệu và công cụ nội bộ
Yêu cầu
- Có 4–6 năm kinh nghiệm về khoa học dữ liệu, kỹ thuật học máy hoặc AI ứng dụng, ưu tiên trong môi trường SaaS hoặc sản phẩm công nghệ
- Có kinh nghiệm phát triển các mô hình hướng đến khách hàng hoặc tạo tác động kinh doanh, bao gồm chấm điểm, cá nhân hóa hoặc phát hiện bất thường
- Quen thuộc với các phương pháp phát triển phần mềm cộng tác như Git, xem xét mã nguồn và CI/CD cho học máy
- Bằng cử nhân hoặc thạc sĩ về Khoa học Dữ liệu, Khoa học Máy tính, Thống kê, Kỹ thuật hoặc lĩnh vực liên quan
- Thành thạo Python, SQL, Jupyter và Git
- Có kinh nghiệm với scikit-learn, XGBoost, LightGBM và TensorFlow hoặc PyTorch ở mức cơ bản
- Có kinh nghiệm với Pandas, NumPy, DBT, BigQuery, Snowflake hoặc các công cụ dữ liệu tương đương
- Có kinh nghiệm với MLflow và Airflow
- Có kinh nghiệm sử dụng ít nhất một nền tảng đám mây: GCP/Vertex AI, AWS/SageMaker hoặc Azure ML
- Hiểu biết sâu về đánh giá mô hình, quá khớp, độ chệch, phương sai, xác thực chéo và thử nghiệm A/B
- Có kinh nghiệm đánh giá độ bền vững, khả năng diễn giải và tính bao trùm của mô hình là một lợi thế
- Có kinh nghiệm với Docker hoặc Kubernetes là một lợi thế
- Kinh nghiệm với các kho đặc trưng như Tecton hoặc Feast là tùy chọn nhưng có lợi
- Có kiến thức về học sâu, học máy trên đồ thị, NLP hoặc học tăng cường là một điểm cộng lớn
- Kinh nghiệm triển khai và giám sát mô hình học máy trong môi trường vận hành thực tế, bao gồm huấn luyện lại tự động, ghi nhật ký và theo dõi hiệu suất, được đánh giá cao
- Kỹ năng giao tiếp tốt, bao gồm khả năng giải thích các chủ đề kỹ thuật phức tạp cho cả đối tượng kỹ thuật và không chuyên kỹ thuật
- Nhận thức về các vấn đề đạo đức trong học máy, bao gồm tính công bằng, độ chệch và khả năng giải thích của AI
Phúc lợi
- Mô hình làm việc kết hợp linh hoạt
- Không yêu cầu cố định phải làm việc tại văn phòng đối với nhân viên ở gần văn phòng
- Cơ hội làm việc trong các dự án đổi mới
- Cơ hội phát triển chuyên môn
- Đồng nghiệp hỗ trợ lẫn nhau
- Công việc hướng đến mục tiêu tạo tác động tích cực
- Các nhóm nguồn lực dành cho nhân viên
- Cơ hội bình đẳng cho tất cả ứng viên và nhân viên
- Hỗ trợ trong suốt quy trình tuyển dụng và đánh giá dành cho ứng viên khuyết tật