Usamos cookies técnicas y el registro de visitas anonimizado de Zorky. Yandex Metrica (los datos se guardan en servidores en Rusia) solo se activa con tu consentimiento. Nunca vendemos datos. Más sobre cookies y estadísticas.
Zorky está en modo de prueba: todo es gratis. Los empleos y las páginas de empresas están abiertos a todos; los enlaces a las ofertas y tu selección personal se abren tras registrarte. Regístrate →
← Todos los empleos

AI / ML Quantitative Researcher (Mid / Senior) | Crypto Markets

MiddleremoteWarszawa, PL →hace 5 d
Análisis del mercado
📊 Data Engineering: salarios y demanda en el mercado
Stack
PythonDuckDBParquetNeural Networkstime series analysisQuantitative Researchduckdbllmpython
Mostrar empresa y enlace
Gratis, tras iniciar sesión.
Postular
Sube tu CV: empleadores y reclutadores de distintos países que buscan tu perfil podrán contactarte directamente.
Enviar tu CV →
Descripción

Nie szukamy kolejnej osoby od trenowania modeli ML. Szukamy kogoś, kto potrafi znaleźć sygnał tam, gdzie inni widzą tylko dane. Dla 7bulls szukamy Quantitative Researchera, który przejmie odpowiedzialność za research i eksperymenty prognostyczne na rynkach kryptowalut.

To rola dla osoby, która lubi stawiać hipotezy, testować je na danych, kwestionować własne wyniki i - co równie ważne - wiedzieć, kiedy powiedzieć „to nie działa, zmieniamy kierunek”. Nie będziesz zarządzać zespołem ani wdrażać cudzych pomysłów. Będziesz mieć realną autonomię w prowadzeniu badań i możliwość konsultowania wyników z doświadczonymi Quant Researcherami z rynków tradycyjnych, którzy współtworzyli systemy algorytmicznego tradingu działające na żywo.

Kogo szukamy? Otwieramy rekrutację zarówno na poziomie Mid, jak i Senior . Najważniejsze jest dla nas doświadczenie badawcze i umiejętność przekładania wyników eksperymentów na konkretne decyzje.

Szukamy osoby, która: Prowadziła eksperymenty prognostyczne od hipotezy do decyzji - i potrafi opowiedzieć o co najmniej dwóch, w tym jednym zakończonym negatywnym wynikiem. Rozumie walidację modeli na danych szeregów czasowych, data leakage, overfitting i znaczenie właściwego baseline'u. Patrzy na wyniki przez pryzmat realnych kosztów i użyteczności, a nie wyłącznie metryk modelu.

Potrafi zmienić źródło danych, target lub samo pytanie badawcze, kiedy dotychczasowe podejście nie przynosi rezultatów. Nie boi się kwestionować założeń i potrafi poprzeć swoje zdanie

Descripción completa, empresa y enlace para postular: después de iniciar sesión. Iniciar sesión
Los contactos del empleador (correo/teléfono/telegram) están ocultos en la vista previa pública. Envía tu CV para que los empleadores puedan contactarte directamente.
Denunciar esta oferta
¿Pregunta urgente? Escribe a @termdocs