Kinaxis vyvíjí software pro orchestraci dodavatelských řetězců, který organizacím pomáhá plánovat, řídit a reagovat na složité operace. Její platforma Maestro kombinuje plánování s využitím umělé inteligence, pokročilou analytiku a přehled o datech v reálném čase, aby podporovala informovanější rozhodování v celém dodavatelském řetězci. Řešení společnosti jsou relevantní pro oblasti, jako je výroba, zdravotnictví a poradenství, a zaměřují se na zvyšování efektivity, předvídání poptávky a rychlé přizpůsobení se narušením provozu.
Výzkumný stážista v oblasti AI a strojového učení – Kanada (hybridní práce)
Zkoumejte metody prognózování časových řad a generativní AI pro plánování dodavatelského řetězce ve společnosti Kinaxis. Rozvíjejte praktické dovednosti strojového učení prostřednictvím experimentů, prototypů a spolupráce s výzkumnými a produktovými týmy.
Popis
- Provádět aplikovaný výzkum v oblasti strojového učení, prognózování časových řad a generativní AI pro plánování dodavatelského řetězce
- Procházet odbornou literaturu, identifikovat slibné přístupy a formulovat ověřitelné otázky a hypotézy
- Navrhovat a provádět reprodukovatelné experimenty s reálnými a benchmarkovými datovými sadami
- Vytvářet a vyhodnocovat modely ve srovnání s kvalitními základními modely pomocí kvantitativních a kvalitativních měřítek
- Interpretovat zjištění, omezení, robustnost a praktické kompromisy
- Prezentovat výsledky výzkumu technickému i netechnickému publiku
- Vytvářet výzkumné prototypy a spolupracovat s výzkumníky, datovými vědci, inženýry a doménovými odborníky na vyhodnocování produktového potenciálu
- Přispívat ke konceptům produktů, technickým zprávám, demonstracím, publikacím a patentovým přihláškám, pokud je to vhodné
- Spolupracovat s přiděleným mentorem po celou dobu stáže
Požadavky
- V současnosti studovat nebo nedávno dokončit magisterské či doktorské studium informatiky, strojového učení, statistiky, aplikované matematiky, operačního výzkumu nebo příbuzného oboru
- Splňovat podmínky pro stáž díky současnému prezenčnímu studiu nebo absolvování studia do 12 měsíců před datem ukončení stáže
- Mít pevné základy ve strojovém učení, statistice a návrhu experimentů
- Mít praktické zkušenosti s výzkumem AI/ML získané během magisterského či doktorského studia, při tvorbě publikací nebo disertační práce, na výzkumných stážích či při významných projektech
- Ovládat Python a mít zkušenosti se současnými frameworky strojového učení
- Umět převádět otevřené problémy na ověřitelné hypotézy, rigorózní experimenty a dobře podložené závěry
- Zkušenosti s prognózováním časových řad, pravděpodobnostním prognózováním nebo modely časových řad, jako jsou PFN, jsou výhodou
- Znalost generativní AI včetně velkých jazykových modelů, generování s podporou vyhledávání a agentů je výhodou
- Znalost statistické inference, kvantifikace nejistoty nebo kauzální inference je výhodou
- Zkušenosti s vyhodnocováním základních modelů pomocí dolaďování, adaptace, benchmarkingu nebo analýzy chyb jsou výhodou
- Zkušenosti s komunikací výsledků výzkumu doložené publikacemi, preprinty nebo technickými zprávami jsou výhodou
- Je nutné pobývat ve východním časovém pásmu Kanady; stážisté v Ottawě nebo Torontu musí pracovat z kanceláře alespoň tři dny týdně
Benefity
- Flexibilní politika dovolené a dny volna Kinaxis pro celou společnost
- Flexibilní pracovní režimy
- Programy na podporu fyzické a duševní pohody
- Pravidelné virtuální lekce fitness
- Příležitosti k mentoringu, školení a kariérnímu rozvoji
- Programy oceňování a odměny za doporučení
- Hackathony