Używamy techniczne pliki cookie i zanonimizowany dziennik wizyt Zorky. Yandex Metrica (dane są przechowywane na serwerach w Rosji) działa tylko za Twoją zgodą. Nigdy nie sprzedajemy danych. Więcej o cookies i statystykach.
Zorky działa w trybie testowym — wszystko jest bezpłatne. Oferty i strony firm są dostępne dla wszystkich; linki do ogłoszeń i osobiste zestawienie ofert — po rejestracji. Zarejestruj się →
← Wszystkie oferty

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

MiddleremoteWarszawa, PL →4 dn. temu
Analityka rynku
📊 Data Engineering: wynagrodzenia i popyt na rynku
Stack
PythonDuckDBParquetNeural Networkstime series analysisQuantitative Researchduckdbllmpython
Pokaż firmę i link
Bezpłatnie, po zalogowaniu.
Aplikuj
Prześlij CV — pracodawcy i rekruterzy z różnych krajów, którzy szukają takiego profilu, będą mogli napisać do Ciebie bezpośrednio.
Wyślij CV →
Opis

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

Pełny opis, firma i link do aplikacji — po zalogowaniu. Zaloguj się
Kontakty pracodawcy (e-mail/telefon/Telegram) są ukryte w publicznym podglądzie. Wyślij CV — a pracodawcy będą mogli napisać do Ciebie sami.
Zgłoś tę ofertę
Pilne pytanie? Napisz @termdocs