資深資料與人工智慧科學家——加拿大混合辦公
資深資料與人工智慧科學家,負責為 Benevity 的社會影響力 SaaS 平台開發機器學習模型、分析方案與生產環境人工智慧能力。此職位專注於改善客戶體驗並創造可衡量的商業價值。
說明
- 建立用於推薦、預測與分類的機器學習及統計模型。
- 執行資料探索、特徵工程與前處理。
- 評估模型效能,並透過實驗持續改進解決方案。
- 與資料分析師及產品利害關係人合作,建立使用情境與成功衡量標準。
- 在自然語言處理、表徵學習與時間序列預測領域建立原型並比較方法。
- 運用進階分析、分群與統計方法,產出可執行的洞察。
- 向跨職能團隊呈現研究結果與模型成果。
- 支援 A/B 測試與模型驗證工作。
- 建立用於監控模型健康狀態與業務關鍵績效指標的儀表板及監控工具。
- 與產品及人工智慧工程團隊合作,將模型導入生產環境。
- 建立可重現的訓練流程與筆記本。
- 開發可重複使用的模型元件與特徵庫。
- 追蹤資料、機器學習與人工智慧生態系統的發展。
- 支援文件與內部工具建置。
職位要求
- 具備 4 至 6 年資料科學、機器學習工程或應用人工智慧領域的工作經驗。
- 具備 SaaS 或科技產品環境工作經驗者優先。
- 具備建構服務客戶或能產生商業影響之模型的經驗。
- 熟悉 Git、程式碼審查及機器學習的持續整合與持續交付實務。
- 具備資料科學、電腦科學、統計學、工程學或相關領域的學士或碩士學位。
- 熟悉 Python、SQL、Jupyter 與 Git。
- 具備使用 scikit-learn、XGBoost、LightGBM 以及基礎 TensorFlow 或 PyTorch 的經驗。
- 熟悉 Pandas、NumPy、DBT、BigQuery、Snowflake 或同類工具。
- 具備使用 MLflow 與 Airflow 的經驗。
- 至少使用過一種雲端環境:GCP/Vertex AI、AWS/SageMaker 或 Azure ML。
- 深入理解模型評估、過度擬合、偏差、變異、交叉驗證與 A/B 測試。
- 具備清晰有效的溝通能力。
- 了解機器學習中的倫理考量,包括公平性、偏差與可解釋性。
- 具備部署及監控機器學習模型的生產環境經驗者優先。
福利待遇
- 彈性的混合辦公安排,不要求固定到辦公室出勤。
- 有機會參與創新工作。
- 支援專業成長。
- 擁有重視合作與關懷彼此的同事。
- 以使命為導向的工作。
- 員工資源團體。
- 提供便利的招募流程,並為身心障礙候選人提供合理調整。
