A Kinaxis olyan ellátásilánc-koordinációs szoftvereket fejleszt, amelyek segítik a szervezeteket az összetett működés megtervezésében, irányításában és a változásokra való reagálásban. Maestro platformja mesterséges intelligenciával támogatott tervezést, fejlett elemzéseket és valós idejű adatátláthatóságot egyesít, hogy megalapozottabb döntéseket tegyen lehetővé az ellátási lánc egészében. A vállalat megoldásai többek között a gyártás, az egészségügy és a tanácsadás területén működő szervezetek számára relevánsak, és a hatékonyság javítására, a kereslet előrejelzésére, valamint a zavarok bekövetkezésekor történő gyors alkalmazkodásra összpontosítanak.
Mesterséges Intelligencia és Gépi Tanulási Kutatási Gyakornok – Kanada (Hibrid)
A Kinaxisnél idősorelemzési előrejelzési és generatív mesterségesintelligencia-módszereket kutathat az ellátásilánc-tervezés területén. Gyakorlati gépitanulási készségeket fejleszthet kísérleteken, prototípusokon, valamint kutatási és termékcsapatokkal való együttműködésen keresztül.
Leírás
- Alkalmazott gépi tanulási kutatás végzése az idősorelemzési előrejelzés és a generatív mesterséges intelligencia területén az ellátásilánc-tervezés támogatására
- A kutatási szakirodalom áttekintése, ígéretes megközelítések azonosítása, valamint tesztelhető kérdések és hipotézisek megfogalmazása
- Reprodukálható kísérletek tervezése és végrehajtása valós és benchmark-adatkészletekkel
- Modellek készítése és értékelése erős alapszintű modellekhez viszonyítva kvantitatív és kvalitatív mérőszámokkal
- Az eredmények, korlátok, robusztusság és gyakorlati kompromisszumok értelmezése
- A kutatási eredmények bemutatása technikai és nem technikai közönség számára egyaránt
- Kutatási prototípusok létrehozása, valamint együttműködés kutatókkal, adattudósokkal, mérnökökkel és szakterületi szakértőkkel a termékpotenciál értékelése érdekében
- Hozzájárulás termékkoncepciókhoz, műszaki jelentésekhez, bemutatókhoz, publikációkhoz és adott esetben szabadalmi bejelentésekhez
- Egy kijelölt mentorral való együttműködés a teljes gyakornoki időszak alatt
Követelmények
- Jelenleg számítástechnikai, gépi tanulási, statisztikai, alkalmazott matematikai, operációkutatási vagy kapcsolódó területen folytatott, illetve nemrégiben befejezett mester- vagy doktori tanulmányok
- Gyakornoki munkára való jogosultság jelenlegi nappali tagozatos jogviszony vagy a gyakornoki időszak befejezését követő 12 hónapon belüli végzés révén
- Erős elméleti alapok gépi tanulásból, statisztikából és kísérlettervezésből
- Gyakorlati MI-/gépi tanulási kutatási tapasztalat posztgraduális tanulmányokból, publikációkból, szakdolgozatból, kutatási gyakornoki munkából vagy jelentős projektekből
- Pythonban való jártasság és korszerű gépitanulási keretrendszerekkel szerzett tapasztalat
- Nyitott végű problémák tesztelhető hipotézisekké, szigorú kísérletekké és megfelelően alátámasztott következtetésekké alakításának képessége
- Az idősorelemzési előrejelzés, a valószínűségi előrejelzés vagy az olyan idősoros alapmodellek ismerete, mint a PFN-ek, előnyt jelent
- A generatív mesterséges intelligencia, ezen belül a nagy nyelvi modellek, a visszakereséssel támogatott generálás és az ügynökök ismerete előnyt jelent
- A statisztikai következtetés, a bizonytalanság számszerűsítése vagy az oksági következtetés ismerete előnyt jelent
- Alapmodellek finomhangolásával, adaptálásával, benchmarkolásával vagy hibaelemzésével szerzett tapasztalat előnyt jelent
- Publikációkkal, preprintekkel vagy műszaki jelentésekkel igazolt kutatási kommunikációs tapasztalat előnyt jelent
- Kanada keleti időzónájában kell tartózkodni; az Ottawában vagy Torontóban dolgozó gyakornokoknak hetente legalább három napot az irodában kell dolgozniuk
Juttatások
- Rugalmas szabadságolási szabályzat és a Kinaxis vállalati szintű szabadnapjai
- Rugalmas munkavégzési lehetőségek
- A fizikai és mentális jóllétet támogató programok
- Rendszeres virtuális fitneszórák
- Mentori támogatás, képzések és karrierfejlesztési lehetőségek
- Elismerési programok és ajánlási jutalmak
- Hackathonok