Kinaxis tworzy oprogramowanie do orkiestracji łańcuchów dostaw, które pomaga organizacjom planować, zarządzać złożonymi operacjami i reagować na nie. Platforma Maestro łączy planowanie wspierane przez sztuczną inteligencję, zaawansowaną analitykę oraz wgląd w dane w czasie rzeczywistym, umożliwiając podejmowanie bardziej świadomych decyzji w całym łańcuchu dostaw. Rozwiązania firmy znajdują zastosowanie między innymi w produkcji, ochronie zdrowia i konsultingu, wspierając zwiększanie efektywności, przewidywanie popytu oraz szybką adaptację w obliczu zakłóceń.
Stażysta badawczy ds. AI i uczenia maszynowego – Kanada (praca hybrydowa)
Badaj metody prognozowania szeregów czasowych i generatywnej AI na potrzeby planowania łańcucha dostaw w Kinaxis. Rozwijaj praktyczne umiejętności uczenia maszynowego dzięki eksperymentom, prototypom i współpracy z zespołami badawczymi oraz produktowymi.
Opis
- Prowadzić stosowane badania z zakresu uczenia maszynowego, prognozowania szeregów czasowych i generatywnej AI na potrzeby planowania łańcucha dostaw
- Przeglądać literaturę naukową, identyfikować obiecujące podejścia oraz formułować weryfikowalne pytania i hipotezy
- Projektować i przeprowadzać powtarzalne eksperymenty z rzeczywistymi i benchmarkowymi zbiorami danych
- Budować i oceniać modele w porównaniu z silnymi modelami bazowymi przy użyciu miar ilościowych i jakościowych
- Interpretować wyniki, ograniczenia, odporność i praktyczne kompromisy
- Prezentować wyniki badań odbiorcom technicznym i nietechnicznym
- Tworzyć prototypy badawcze oraz współpracować z badaczami, analitykami danych, inżynierami i ekspertami dziedzinowymi w celu oceny potencjału produktu
- Wnosić wkład w koncepcje produktów, raporty techniczne, demonstracje, publikacje i zgłoszenia patentowe, gdy jest to zasadne
- Współpracować z wyznaczonym mentorem przez cały okres stażu
Wymagania
- Obecnie studiować na studiach magisterskich lub doktoranckich albo niedawno ukończyć studia z informatyki, uczenia maszynowego, statystyki, matematyki stosowanej, badań operacyjnych lub pokrewnej dziedziny
- Kwalifikować się do stażu dzięki trwającej nauce w pełnym wymiarze godzin lub ukończeniu studiów w ciągu 12 miesięcy przed datą zakończenia stażu
- Mieć solidne podstawy uczenia maszynowego, statystyki i projektowania eksperymentów
- Mieć praktyczne doświadczenie badawcze w dziedzinie AI/ML zdobyte podczas studiów magisterskich lub doktoranckich, pracy nad publikacjami, rozprawą, staży badawczych lub znaczących projektów
- Biegle posługiwać się językiem Python i mieć doświadczenie z nowoczesnymi frameworkami uczenia maszynowego
- Umieć przekształcać otwarte problemy w weryfikowalne hipotezy, rygorystyczne eksperymenty i dobrze uzasadnione wnioski
- Doświadczenie w prognozowaniu szeregów czasowych, prognozowaniu probabilistycznym lub pracy z bazowymi modelami szeregów czasowych, takimi jak PFN, będzie dodatkowym atutem
- Znajomość generatywnej AI, w tym dużych modeli językowych, generowania wspomaganego wyszukiwaniem i agentów, będzie dodatkowym atutem
- Znajomość wnioskowania statystycznego, kwantyfikacji niepewności lub wnioskowania przyczynowego będzie dodatkowym atutem
- Doświadczenie w ocenie bazowych modeli za pomocą dostrajania, adaptacji, benchmarków lub analizy błędów będzie dodatkowym atutem
- Doświadczenie w komunikowaniu wyników badań, potwierdzone publikacjami, preprintami lub raportami technicznymi, będzie dodatkowym atutem
- Konieczne jest przebywanie we wschodniej strefie czasowej Kanady; stażyści w Ottawie lub Toronto muszą pracować z biura co najmniej trzy dni w tygodniu
Benefity
- Elastyczna polityka urlopowa i dodatkowe dni wolne Kinaxis dla całej firmy
- Elastyczne formy pracy
- Programy wspierające dobrostan fizyczny i psychiczny
- Regularne wirtualne zajęcia fitness
- Możliwości mentoringu, szkoleń i rozwoju kariery
- Programy uznawania osiągnięć i nagrody za polecenia
- Hackathony