Kinaxisは、組織が複雑な業務を計画・管理し、変化に対応できるよう支援するサプライチェーン・オーケストレーションソフトウェアを開発しています。同社のMaestroプラットフォームは、AIを活用した計画、高度な分析、リアルタイムのデータ可視化を組み合わせ、サプライチェーン全体でより適切な意思決定を支援します。同社のソリューションは、製造、ヘルスケア、コンサルティングなどの分野で活用されており、効率の向上、需要の予測、混乱発生時の迅速な適応に重点を置いています。
AI・機械学習研究インターン——カナダ（ハイブリッド）
Kinaxisでサプライチェーン計画に向けた時系列予測と生成AIの手法を研究します。 実験、プロトタイプ開発、研究チームやプロダクトチームとの協働を通じて、実践的な機械学習能力を磨きます。
仕事内容
- サプライチェーン計画に向けた時系列予測と生成AIの応用機械学習研究を行う
- 研究文献を調査し、有望なアプローチを特定して、検証可能な問いと仮説を定義する
- 実世界のデータセットやベンチマークデータセットを用いて、再現可能な実験を設計・実行する
- 定量的および定性的な指標を用い、強力なベースラインと比較してモデルを構築・評価する
- 研究結果、限界、頑健性、実用上のトレードオフを解釈する
- 技術系と非技術系の双方の聴衆に研究成果を発表する
- 研究プロトタイプを作成し、研究者、データサイエンティスト、エンジニア、ドメインエキスパートと協力して製品化の可能性を評価する
- 適切な場合には、製品コンセプト、技術レポート、デモ、論文、特許出願に貢献する
- インターン期間を通じて専任メンターと協働する
応募要件
- コンピュータサイエンス、機械学習、統計学、応用数学、オペレーションズリサーチ、または関連分野の修士課程もしくは博士課程に在籍中、または最近修了していること
- 現在フルタイムで在籍中、または配属終了日から12か月以内に卒業することで、インターンシップの資格を満たしていること
- 機械学習、統計学、実験計画に関する確かな基礎知識
- 大学院での研究、論文、学位論文、研究インターン、または大規模なプロジェクトを通じた実践的なAI・機械学習研究経験
- Pythonに習熟し、最新の機械学習フレームワークの使用経験があること
- 曖昧な問題を検証可能な仮説、厳密な実験、十分な根拠のある結論へと落とし込めること
- 時系列予測、確率的予測、またはPFNなどの時系列基盤モデルの経験があれば尚可
- 大規模言語モデル、検索拡張生成、エージェントを含む生成AIに関する知識があれば尚可
- 統計的推論、不確実性定量化、または因果推論の知識があれば尚可
- ファインチューニング、適応、ベンチマーク、エラー分析を通じた基盤モデル評価の経験があれば尚可
- 論文、プレプリント、技術レポートで示される研究コミュニケーション経験があれば尚可
- カナダ東部時間帯に居住していること。オタワまたはトロントのインターンは、週3日以上オフィス勤務が必要
福利厚生
- 柔軟な休暇制度と全社一斉のKinaxis休業日
- 柔軟な勤務形態
- 心身の健康を支援するプログラム
- 定期的なオンラインフィットネスクラス
- メンタリング、研修、キャリア開発の機会
- 表彰制度と紹介報奨
- ハッカソン