Intern - Data Science

Мы в Yara International являемся частью глобальной сети, сотрудничая для рентабельного и ответственного решения некоторых ключевых проблем мира, включая дефицит ресурсов, продовольственную небезопасность и изменение окружающей среды. Как лидеры в создании природоположительного пищевого будущего, мы способствуем росту устойчивого сельского хозяйства через инновационные решения и цифровые инструменты, направленные на решение глобальных сельскохозяйственных проблем. С обширным присутствием в приблизительно 150 странах и преданной работой около 17 000 сотрудников, Yara находится на переднем крае трансформации производства пищи в Европе в сторону устойчивости и эффективности.

Yara Farming Solutions в Европе ищет динамичного и мотивированного стажера по направлению Data Science для присоединения к нашей команде на 6-месячную обязательную стажировку. Эта увлекательная роль предназначена для студентов, которые в настоящее время обучаются на программе бакалавриата или магистратуры по специальности Компьютерные науки, Аналитика данных или в смежных областях, и которые стремятся выполнить требования своей обязательной стажировки, активно внося вклад в критически важные проекты в нашей организации.

• Исследовать и внедрять передовые техники машинного обучения для обнаружения аномалий, включая одноклассовые машины опорных векторов (SVM), изоляционный лес и автоэнкодеры.
• Сотрудничать с нашей командой данных для уточнения и интеграции моделей машинного обучения в наш собственный комплекс обнаружения аномалий.
• Анализировать временные ряды данных с производственных активов для выявления аномалий, внося вклад в решения по предиктивному обслуживанию.
• Оптимизировать модели машинного обучения для эффективного применения в производственных условиях.
• Документировать находки и настойчиво сообщать о прогрессе команде и ключевым заинтересованным сторонам.

• Текущая зачисленность на программу бакалавра (минимум 4 семестр) или магистратуры по специальности Компьютерные науки, Аналитика данных или в смежных дисциплинах.
• Опыт в техниках машинного обучения, специфичных для обнаружения аномалий, таких как одноклассовый SVM, изоляционный лес и автоэнкодеры.
• Продвинутые навыки программиров