Kinaxis izstrādā piegādes ķēžu orkestrēšanas programmatūru, kas palīdz organizācijām plānot, pārvaldīt un reaģēt uz sarežģītiem procesiem. Uzņēmuma Maestro platforma apvieno ar mākslīgo intelektu papildinātu plānošanu, progresīvu analītiku un reāllaika datu pārskatāmību, lai atbalstītu pārdomātāku lēmumu pieņemšanu visā piegādes ķēdē. Uzņēmuma risinājumi ir nozīmīgi, piemēram, ražošanas, veselības aprūpes un konsultāciju organizācijām, palīdzot uzlabot efektivitāti, prognozēt pieprasījumu un ātri pielāgoties traucējumiem.
Mākslīgā intelekta un mašīnmācīšanās pētniecības praktikants – Kanāda (hibrīddarbs)
Uzņēmumā Kinaxis pētī laikrindu prognozēšanas un ģeneratīvā mākslīgā intelekta metodes piegādes ķēdes plānošanai. Attīsti praktiskas mašīnmācīšanās prasmes, veicot eksperimentus, veidojot prototipus un sadarbojoties ar pētniecības un produktu komandām.
Apraksts
- Veic lietišķus mašīnmācīšanās pētījumus laikrindu prognozēšanas un ģeneratīvā mākslīgā intelekta jomā piegādes ķēdes plānošanai
- Pārskati pētniecisko literatūru, identificē daudzsološas pieejas un formulē pārbaudāmus jautājumus un hipotēzes
- Izstrādā un veic reproducējamus eksperimentus ar reālās pasaules un etalona datu kopām
- Veido un novērtē modeļus, salīdzinot tos ar spēcīgiem sākotnējiem modeļiem un izmantojot kvantitatīvus un kvalitatīvus rādītājus
- Interpretē secinājumus, ierobežojumus, noturību un praktiskos kompromisus
- Prezentē pētījumu rezultātus gan tehniskai, gan netehniskai auditorijai
- Veido pētniecības prototipus un sadarbojies ar pētniekiem, datu zinātniekiem, inženieriem un jomas ekspertiem, lai novērtētu produkta potenciālu
- Pēc nepieciešamības sniedz ieguldījumu produktu koncepcijās, tehniskajos ziņojumos, demonstrācijās, publikācijās un patentu pieteikumos
- Visā prakses laikā strādā ar īpaši norīkotu mentoru
Prasības
- Pašlaik studē vai nesen esi pabeidzis maģistra vai doktora studijas datorzinātnē, mašīnmācīšanās, statistikā, lietišķajā matemātikā, operāciju pētniecībā vai saistītā jomā
- Esi tiesīgs piedalīties praksē, jo pašlaik studē pilna laika programmā vai absolvējis 12 mēnešu laikā pirms prakses beigu datuma
- Teicami pārzini mašīnmācīšanos, statistiku un eksperimentu izstrādi
- Praktiska mākslīgā intelekta un mašīnmācīšanās pētniecības pieredze, kas iegūta maģistra vai doktora studijās, publikācijās, diplomdarbā, pētniecības praksē vai nozīmīgos projektos
- Pārzini Python un tev ir pieredze ar mūsdienīgiem mašīnmācīšanās ietvariem
- Spēj atvērtus jautājumus pārvērst pārbaudāmās hipotēzēs, rūpīgos eksperimentos un labi pamatotos secinājumos
- Pieredze laikrindu prognozēšanā, varbūtiskajā prognozēšanā vai darbā ar laikrindu pamatmodeļiem, piemēram, PFN, ir priekšrocība
- Zināšanas par ģeneratīvo mākslīgo intelektu, tostarp lielajiem valodas modeļiem, izgūšanā papildinātu ģenerēšanu un aģentiem, ir priekšrocība
- Zināšanas statistiskajā secināšanā, nenoteiktības kvantificēšanā vai cēloņsakarību secināšanā ir priekšrocība
- Pieredze pamatmodeļu novērtēšanā, izmantojot precīzo apmācību, pielāgošanu, salīdzinošo novērtēšanu vai kļūdu analīzi, ir priekšrocība
- Pētniecības komunikācijas pieredze, ko apliecina publikācijas, pirmspublikācijas vai tehniskie ziņojumi, ir priekšrocība
- Tev jāatrodas Kanādas austrumu laika joslā; praktikantiem Otavā vai Toronto jāstrādā birojā vismaz trīs dienas nedēļā
Priekšrocības
- Elastīga atvaļinājumu politika un uzņēmuma mēroga Kinaxis brīvdienas
- Elastīgi darba organizēšanas nosacījumi
- Programmas fiziskās un garīgās labklājības atbalstam
- Regulāras virtuālās fitnesa nodarbības
- Mentorings, apmācības un karjeras attīstības iespējas
- Atzinības programmas un ieteikumu atlīdzības
- Hakatoni