Machine Learning Engineering Intern (Hybrid) - June 2024

Job expired!

Присоединяйтесь к нашей инновационной команде: стажировка инженера машинного обучения в Staples

О компании Staples

В компании Staples мы стремимся кардинально изменить принципы ведения бизнеса. Мы - это не просто компания, занимающаяся офисными принадлежностями; мы - центр инноваций и сотрудничества, целеустремленно ведущий прогресс и стремящийся к совершенству. Мы ищем новые таланты – такие, как вы, – чтобы объединяться и двигаться вперед.

Обзор возможностей для стажировки

Вы студент или недавно окончили учебу и хотите начать значимую карьеру? Исследуйте наши вакансии для стажировок, кооперативного обучения и начальных должностей. Получите практический опыт в команде Staples, Inc. и помогите нам улучшить наши операции и услуги. Обратите внимание: данная конкретная стажировка, требующая от вас быть студентом последнего курса, заканчивающим обучение в мае 2025 года, не подходит для статуса CPT/OPT.

Эта гибридная позиция позволяет гибкость с 3 днями в офисе и 2 днями удаленно, сочетая структурированное сотрудничество с автономией.

Кто вы

Мы ищем кандидатов, которые:

  • Командные игроки: Способны создавать партнерства и сотрудничать для достижения общих целей.
  • Ориентированные на клиента: Умеют выявлять потребности как внутренних, так и внешних клиентов и разрабатывать целевые решения.
  • Инклюзивные: Обязуются создавать и поддерживать разнообразную рабочую среду.
  • Инновационные: Постоянно ставят под сомнение устоявшийся порядок и с энтузиазмом внедряют новые идеи.
  • Саморазвивающиеся: Непрерывно стремятся к личностному и профессиональному росту как через формальные, так и через неформальные пути.

О команде инженеров машинного обучения в Staples

Наша команда инженеров машинного обучения находится на переднем крае создания интеллектуальных систем для решения различных бизнес-задач, от выполнения заказов и оптимизации цепочек поставок до персонализированных клиентских переживаний и многого другого. Разрабатывая, прототипируя и внедряя системы машинного обучения от начала до конца, мы используем большие данные для ул