Kinaxis розробляє програмне забезпечення для оркестрації ланцюгів постачання, яке допомагає організаціям планувати, керувати та оперативно реагувати на складні процеси. Платформа Maestro поєднує планування з використанням штучного інтелекту, розширену аналітику та видимість даних у реальному часі, щоб підтримувати більш обґрунтовані рішення в усьому ланцюзі постачання. Рішення компанії актуальні для таких сфер, як виробництво, охорона здоров’я та консалтинг, і зосереджені на підвищенні ефективності, прогнозуванні попиту та швидкій адаптації до перебоїв.
Стажер-дослідник у сфері ШІ та машинного навчання — Канада (гібридний формат)
Досліджуйте методи прогнозування часових рядів і генеративного ШІ для планування ланцюгів постачання в Kinaxis. Розвивайте практичні навички машинного навчання завдяки експериментам, прототипам і співпраці з дослідницькими та продуктовими командами.
Опис
- Проводити прикладні дослідження у сфері машинного навчання, прогнозування часових рядів і генеративного ШІ для планування ланцюгів постачання
- Аналізувати наукову літературу, визначати перспективні підходи та формулювати перевірювані запитання й гіпотези
- Проєктувати та проводити відтворювані експерименти з реальними й еталонними наборами даних
- Створювати й оцінювати моделі порівняно з надійними базовими рішеннями за допомогою кількісних і якісних показників
- Інтерпретувати результати, обмеження, стійкість і практичні компроміси
- Представляти результати досліджень технічній і нетехнічній аудиторіям
- Створювати дослідницькі прототипи та працювати з дослідниками, фахівцями з даних, інженерами й галузевими експертами для оцінювання потенціалу продукту
- Брати участь у розробленні продуктових концепцій, технічних звітів, демонстрацій, публікацій і патентних заявок, якщо це доречно
- Працювати з призначеним наставником протягом усієї стажування
Вимоги
- Наразі здобувати або нещодавно завершити магістерську чи докторську програму з комп’ютерних наук, машинного навчання, статистики, прикладної математики, дослідження операцій або суміжної дисципліни
- Мати право на стажування завдяки поточному навчанню на денній формі або завершенню навчання протягом 12 місяців до дати завершення стажування
- Мати ґрунтовні знання з машинного навчання, статистики та планування експериментів
- Мати практичний досвід досліджень у сфері ШІ та машинного навчання, здобутий під час навчання в магістратурі чи докторантурі, роботи над публікаціями, дисертацією, дослідницьких стажувань або значних проєктів
- Володіти Python і мати досвід роботи із сучасними фреймворками машинного навчання
- Уміти перетворювати відкриті проблеми на перевірювані гіпотези, ретельні експерименти та добре обґрунтовані висновки
- Досвід прогнозування часових рядів, імовірнісного прогнозування або роботи з фундаментальними моделями часових рядів, такими як PFN, буде перевагою
- Знання генеративного ШІ, зокрема великих мовних моделей, генерації з доповненням пошуком і агентів, буде перевагою
- Знання статистичного висновування, кількісного оцінювання невизначеності або причинно-наслідкового висновування буде перевагою
- Досвід оцінювання фундаментальних моделей за допомогою донавчання, адаптації, бенчмаркінгу або аналізу помилок буде перевагою
- Досвід комунікації результатів досліджень, підтверджений публікаціями, препринтами або технічними звітами, буде перевагою
- Необхідно перебувати у східному часовому поясі Канади; стажери в Оттаві або Торонто мають працювати з офісу щонайменше три дні на тиждень
Переваги
- Гнучка політика відпусток і додаткові вихідні Kinaxis для всієї компанії
- Гнучкий формат роботи
- Програми підтримки фізичного та психічного добробуту
- Регулярні віртуальні фітнес-заняття
- Можливості наставництва, навчання та професійного розвитку
- Програми відзначення досягнень і винагороди за рекомендації
- Хакатони