Kinaxis는 조직이 복잡한 운영을 계획하고 관리하며 변화에 대응할 수 있도록 지원하는 공급망 오케스트레이션 소프트웨어를 개발합니다. Maestro 플랫폼은 AI 기반 계획, 고급 분석, 실시간 데이터 가시성을 결합해 공급망 전반에서 보다 현명한 의사결정을 지원합니다. 이 회사의 솔루션은 제조, 헬스케어, 컨설팅 등의 분야에서 활용되며, 효율성 향상과 수요 예측, 중단 상황 발생 시 신속한 대응에 중점을 둡니다.
AI 및 머신러닝 연구 인턴——캐나다(하이브리드)
Kinaxis에서 공급망 계획을 위한 시계열 예측 및 생성형 AI 방법을 연구합니다. 실험, 프로토타입 개발, 연구 및 제품 팀과의 협업을 통해 실무적인 머신러닝 역량을 키웁니다.
설명
- 공급망 계획을 위한 시계열 예측 및 생성형 AI 분야의 응용 머신러닝 연구를 수행합니다
- 연구 문헌을 검토하고 유망한 접근법을 식별하며 검증 가능한 질문과 가설을 정의합니다
- 실제 데이터셋과 벤치마크 데이터셋을 사용해 재현 가능한 실험을 설계하고 실행합니다
- 정량적 및 정성적 지표를 사용해 강력한 기준선과 비교하여 모델을 구축하고 평가합니다
- 연구 결과, 한계, 견고성 및 실무적 절충점을 해석합니다
- 기술 및 비기술 청중 모두에게 연구 결과를 발표합니다
- 연구 프로토타입을 만들고 연구원, 데이터 과학자, 엔지니어 및 도메인 전문가와 협력해 제품 잠재력을 평가합니다
- 적절한 경우 제품 개념, 기술 보고서, 시연, 출판물 및 특허 출원에 기여합니다
- 인턴십 기간 동안 전담 멘토와 함께 업무를 수행합니다
지원 자격
- 컴퓨터 과학, 머신러닝, 통계학, 응용수학, 운영연구 또는 관련 분야의 석사 또는 박사 과정을 현재 이수 중이거나 최근에 졸업한 사람
- 현재 전일제 등록 상태이거나 배치 종료일로부터 12개월 이내에 졸업하여 인턴십 자격을 충족하는 사람
- 머신러닝, 통계학 및 실험 설계에 대한 탄탄한 기초
- 대학원 과정, 출판물, 학위 논문, 연구 인턴십 또는 상당한 규모의 프로젝트를 통한 실무 AI·ML 연구 경험
- Python에 능숙하고 최신 머신러닝 프레임워크 사용 경험이 있는 사람
- 개방형 문제를 검증 가능한 가설, 엄격한 실험 및 충분한 근거가 있는 결론으로 전환할 수 있는 사람
- 시계열 예측, 확률적 예측 또는 PFN과 같은 시계열 파운데이션 모델 경험이 있으면 우대합니다
- 대규모 언어 모델, 검색 증강 생성 및 에이전트를 포함한 생성형 AI에 대한 지식이 있으면 우대합니다
- 통계적 추론, 불확실성 정량화 또는 인과 추론 지식이 있으면 우대합니다
- 미세 조정, 적응, 벤치마킹 또는 오류 분석을 통한 파운데이션 모델 평가 경험이 있으면 우대합니다
- 출판물, 프리프린트 또는 기술 보고서를 통해 입증된 연구 커뮤니케이션 경험이 있으면 우대합니다
- 캐나다 동부 시간대에 거주해야 합니다. 오타와 또는 토론토에서 근무하는 인턴은 주 3일 이상 사무실에서 근무해야 합니다
복리후생
- 유연한 휴가 정책 및 전사 Kinaxis 휴무일
- 유연한 근무 방식
- 신체 및 정신 건강을 지원하는 프로그램
- 정기적인 온라인 피트니스 수업
- 멘토링, 교육 및 경력 개발 기회
- 포상 프로그램 및 추천 보상
- 해커톤