Kinaxis نرم‌افزار هماهنگ‌سازی زنجیره تأمین توسعه می‌دهد که به سازمان‌ها کمک می‌کند عملیات پیچیده را برنامه‌ریزی و مدیریت کنند و به آن‌ها پاسخ دهند. پلتفرم Maestro این شرکت برنامه‌ریزی مبتنی بر هوش مصنوعی، تحلیل‌های پیشرفته و مشاهده‌پذیری داده‌ها در زمان واقعی را ترکیب می‌کند تا تصمیم‌گیری آگاهانه‌تر در سراسر زنجیره تأمین امکان‌پذیر شود. راهکارهای این شرکت برای سازمان‌های فعال در حوزه‌هایی مانند تولید، مراقبت‌های بهداشتی و مشاوره کاربرد دارند و بر افزایش بهره‌وری، پیش‌بینی تقاضا و سازگاری سریع هنگام وقوع اختلال تمرکز می‌کنند.
کارآموز پژوهشی هوش مصنوعی و یادگیری ماشین – کانادا (ترکیبی)
در Kinaxis درباره روش‌های پیش‌بینی سری‌های زمانی و هوش مصنوعی مولد برای برنامه‌ریزی زنجیره تأمین پژوهش کنید. با انجام آزمایش‌ها، ساخت نمونه‌های اولیه و همکاری با تیم‌های پژوهش و محصول، توانمندی‌های عملی یادگیری ماشین را توسعه دهید.
توضیحات
- پژوهش کاربردی یادگیری ماشین را در زمینه پیش‌بینی سری‌های زمانی و هوش مصنوعی مولد برای برنامه‌ریزی زنجیره تأمین انجام دهید
- ادبیات پژوهشی را بررسی کنید، رویکردهای امیدبخش را شناسایی کنید و پرسش‌ها و فرضیه‌های قابل‌آزمون تعریف کنید
- آزمایش‌های تکرارپذیر را با مجموعه‌داده‌های واقعی و معیار طراحی و اجرا کنید
- مدل‌ها را در برابر خط‌مبناهای قدرتمند با استفاده از سنجه‌های کمی و کیفی بسازید و ارزیابی کنید
- یافته‌ها، محدودیت‌ها، استحکام و موازنه‌های عملی را تفسیر کنید
- نتایج پژوهش را برای مخاطبان فنی و غیرفنی ارائه دهید
- نمونه‌های اولیه پژوهشی بسازید و برای ارزیابی ظرفیت محصول با پژوهشگران، دانشمندان داده، مهندسان و متخصصان حوزه همکاری کنید
- در صورت مناسب بودن، در ایده‌های محصول، گزارش‌های فنی، نمایش‌ها، انتشارات و درخواست‌های ثبت اختراع مشارکت کنید
- در طول دوره کارآموزی با یک مربی اختصاصی همکاری کنید
شرایط لازم
- در حال تحصیل یا به‌تازگی فارغ‌التحصیل مقطع کارشناسی ارشد یا دکترا در علوم کامپیوتر، یادگیری ماشین، آمار، ریاضیات کاربردی، پژوهش عملیاتی یا رشته‌ای مرتبط باشید
- از طریق اشتغال به تحصیل تمام‌وقت یا فارغ‌التحصیلی طی ۱۲ ماه پیش از تاریخ پایان دوره، واجد شرایط کارآموزی باشید
- در یادگیری ماشین، آمار و طراحی آزمایش پایه‌ای قوی داشته باشید
- از طریق تحصیلات تکمیلی، انتشارات، پایان‌نامه، کارآموزی پژوهشی یا پروژه‌های قابل‌توجه، تجربه عملی پژوهش AI/ML داشته باشید
- در Python مهارت داشته باشید و با چارچوب‌های معاصر یادگیری ماشین تجربه کسب کرده باشید
- بتوانید مسائل باز را به فرضیه‌های قابل‌آزمون، آزمایش‌های دقیق و نتایج مستند تبدیل کنید
- تجربه در پیش‌بینی سری‌های زمانی، پیش‌بینی احتمالی یا مدل‌های پایه سری زمانی مانند PFN مزیت محسوب می‌شود
- آشنایی با هوش مصنوعی مولد، از جمله مدل‌های زبانی بزرگ، تولید تقویت‌شده با بازیابی و عامل‌ها مزیت محسوب می‌شود
- دانش استنباط آماری، کمی‌سازی عدم‌قطعیت یا استنباط علّی مزیت محسوب می‌شود
- تجربه ارزیابی مدل‌های پایه از طریق ریزتنظیم، سازگار‌سازی، معیارسنجی یا تحلیل خطا مزیت محسوب می‌شود
- تجربه ارتباطات پژوهشی که از طریق انتشارات، پیش‌چاپ‌ها یا گزارش‌های فنی نشان داده شده باشد مزیت محسوب می‌شود
- باید در منطقه زمانی شرقی کانادا مستقر باشید؛ کارآموزان مستقر در اتاوا یا تورنتو باید دست‌کم سه روز در هفته از دفتر کار کنند
مزایا
- سیاست مرخصی انعطاف‌پذیر و تعطیلات سراسری Kinaxis Days
- ترتیبات کاری انعطاف‌پذیر
- برنامه‌های پشتیبان سلامت جسمی و روانی
- کلاس‌های منظم تناسب اندام مجازی
- فرصت‌های مربیگری، آموزش و توسعه شغلی
- برنامه‌های قدردانی و پاداش‌های معرفی
- هکاتون‌ها