Usamos cookies técnicos e o registro de visitas anonimizado do Zorky. O Yandex Metrica (dados armazenados em servidores na Rússia) só funciona com o seu consentimento. Nunca vendemos dados. Mais sobre cookies e estatísticas.
O Zorky está em modo de teste — tudo é gratuito. As vagas e as páginas das empresas são abertas a todos; os links dos anúncios e sua seleção pessoal abrem após o cadastro. Cadastre-se →
← Todas as vagas

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

MiddleremoteWarszawa, PL →há 4 d
Análises de mercado
📊 Data Engineering: salários e demanda no mercado
Stack
PythonDuckDBParquetNeural Networkstime series analysisQuantitative Researchduckdbllmpython
Mostrar empresa e link
Grátis, depois de entrar.
Candidatar-se
Envie seu currículo: empregadores e recrutadores de vários países que procuram o seu perfil poderão falar com você diretamente.
Enviar seu currículo →
Descrição

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

Descrição completa, empresa e link para se candidatar: depois de entrar. Entrar
Os contatos do empregador (e-mail/telefone/telegram) ficam ocultos na prévia pública. Envie seu currículo para que os empregadores possam falar com você diretamente.
Denunciar esta vaga
Pergunta urgente? Escreva para @termdocs