Kinaxis razvija softver za orkestraciju opskrbnog lanca koji organizacijama pomaže planirati, upravljati složenim operacijama i reagirati na njih. Njihova platforma Maestro objedinjuje planiranje potpomognuto umjetnom inteligencijom, naprednu analitiku i vidljivost podataka u stvarnom vremenu kako bi podržala informiranije odluke duž cijelog opskrbnog lanca. Rješenja tvrtke relevantna su za organizacije u područjima poput proizvodnje, zdravstva i savjetovanja, s naglaskom na poboljšanje učinkovitosti, predviđanje potražnje i brzo prilagođavanje kada dođe do poremećaja.
Istraživački pripravnik za umjetnu inteligenciju i strojno učenje – Kanada (hibridno)
Istražujte metode predviđanja vremenskih nizova i generativne umjetne inteligencije za planiranje opskrbnog lanca u Kinaxisu. Razvijajte praktične sposobnosti strojnog učenja kroz eksperimente, prototipove i suradnju s istraživačkim i proizvodnim timovima.
Opis
- Provodi primijenjena istraživanja strojnog učenja u području predviđanja vremenskih nizova i generativne umjetne inteligencije za planiranje opskrbnog lanca
- Pregledavajte istraživačku literaturu, prepoznajte obećavajuće pristupe te definirajte provjerljiva pitanja i hipoteze
- Osmislite i provedite ponovljive eksperimente sa stvarnim i referentnim skupovima podataka
- Izrađujte i procjenjujte modele u odnosu na snažne osnovne modele koristeći kvantitativne i kvalitativne mjere
- Tumačite nalaze, ograničenja, robusnost i praktične kompromise
- Predstavljajte rezultate istraživanja tehničkoj i netehničkoj publici
- Izrađujte istraživačke prototipove i surađujte s istraživačima, podatkovnim znanstvenicima, inženjerima i stručnjacima za domenu kako biste procijenili potencijal proizvoda
- Doprinosite konceptima proizvoda, tehničkim izvješćima, demonstracijama, publikacijama i patentnim prijavama kada je prikladno
- Tijekom cijele prakse surađujte s dodijeljenim mentorom
Zahtjevi
- Trenutačno pohađate ili ste nedavno završili diplomski ili doktorski studij računalnih znanosti, strojnog učenja, statistike, primijenjene matematike, operacijskih istraživanja ili srodnog područja
- Imate pravo na praksu na temelju trenutačnog redovitog studija ili završetka studija unutar 12 mjeseci od datuma završetka prakse
- Imate čvrste temelje u strojnom učenju, statistici i eksperimentalnom dizajnu
- Imate praktično iskustvo u istraživanju AI/ML-a stečeno na poslijediplomskom studiju, kroz publikacije, završni rad, istraživačke prakse ili opsežne projekte
- Vladate Pythonom i imate iskustvo s modernim okvirima za strojno učenje
- Možete otvorene probleme pretvoriti u provjerljive hipoteze, rigorozne eksperimente i dobro potkrijepljene zaključke
- Iskustvo s predviđanjem vremenskih nizova, probabilističkim predviđanjem ili temeljnim modelima vremenskih nizova kao što su PFN-ovi predstavlja prednost
- Poznavanje generativne umjetne inteligencije, uključujući velike jezične modele, generiranje potpomognuto dohvatom i agente, predstavlja prednost
- Poznavanje statističkog zaključivanja, kvantifikacije nesigurnosti ili kauzalnog zaključivanja predstavlja prednost
- Iskustvo u procjeni temeljnih modela kroz fino ugađanje, prilagodbu, benchmarking ili analizu pogrešaka predstavlja prednost
- Iskustvo u komunikaciji istraživanja dokazano publikacijama, pretprintima ili tehničkim izvješćima predstavlja prednost
- Morate se nalaziti u istočnoj vremenskoj zoni Kanade; pripravnici u Ottawi ili Torontu moraju raditi iz ureda najmanje tri dana tjedno
Pogodnosti
- Fleksibilna politika godišnjih odmora i slobodni dani Kinaxisa za cijelu tvrtku
- Fleksibilni načini rada
- Programi koji podržavaju fizičku i mentalnu dobrobit
- Redoviti virtualni treninzi
- Mogućnosti mentorstva, obuke i razvoja karijere
- Programi nagrađivanja i nagrade za preporuke
- Hackathoni