Prime Intellect
Prime Intellect
Gumagawa ang Prime Intellect ng desentralisadong imprastraktura sa computing para sa pagbuo ng AI. Iniuugnay ng platform nito ang mga user sa mga pandaigdigang mapagkukunan ng computing at kapasidad ng GPU upang magsanay ng mga advanced na modelo ng wika at siyentipikong modelo sa mga distributed cluster. Nakatuon ang kumpanya sa pananaliksik tungkol sa desentralisadong pagsasanay at open-source na AI, at sa pagpapadali ng pagbuo ng modelo sa pamamagitan ng pinagsasaluhang mapagkukunan ng computing.

Siyentipiko sa Aplikadong Pananaliksik, Pananalaping Kuwantitatibo

Bumuo ng mga ahente, simulator ng merkado, pagsusuri, at paraang post-training para sa kuwantitatibong pananaliksik sa pananalapi. Bumubuo ang Prime Intellect ng bukas na frontier AI infrastructure para sa mga pangkat ng pananaliksik at developer.

Paglalarawan

  • Gumawa ng mga kapaligiran sa pananaliksik, pagsusuri, ahente, at paraang post-training para sa kuwantitatibong pananaliksik at sistematikong pagpapasya.
  • Isalin ang mga daloy ng trabaho sa pananaliksik tungo sa mga gawain, kapaligiran, pagsusuri, at senyal ng gantimpala.
  • Ihambing ang mga eksperimento sa post-training sa mga aktuwal na baseline at tukuyin kung ang mga pag-unlad ay nagmula sa modelo, datos, harness, inference, o imprastraktura.
  • Bumuo ng mga kapaligiran para sa kuwantitatibong pananaliksik upang bumuo at sumubok ng mga hipotesis, magsuri at mag-backtest ng datos na may takdang oras, at mag-diagnose ng mga resulta.
  • Magdisenyo ng mga gantimpala at pagsusuri na naghihiwalay sa mga pangmatagalang pag-unlad mula sa bias sa paggamit ng impormasyong hindi pa nalalaman noon, pagtagas ng datos, overfitting, paborableng palagay sa execution, nakatagong konsentrasyon, at tail risk.
  • Sanayin ang mga ahenteng may mahabang abot-tanaw na gumamit ng datos, pananaliksik, coding, simulation, at mga tool sa portfolio habang sinusubaybayan ang pinagmulan ng datos at sinusunod ang mga limitasyon sa panganib.
  • Imodelo ang makatotohanang mekanika ng merkado, gastos sa transaksyon, latency, kapasidad, at mga limitasyon sa operasyon sa mga kapaligiran sa pananaliksik.
  • Bumuo ng mga ahenteng nagsasagawa ng kuwantitatibong pananaliksik, gumagamit ng mga tool sa pagsusuri at execution, tumatasa ng ebidensya, at nakakabawi mula sa mga bigong hipotesis.
  • Gumawa ng mga verifier at pagsusuri upang sukatin ang matatag na pagganap sa labas ng sample sa iba't ibang asset, horizon, regime, at mahihirap na kondisyon.
  • Bumuo ng mga production loop na may monitoring, pangangasiwa ng tao, regression gate, at pagtukoy sa pinagmulan ng pagkabigo sa mga modelo, datos, simulation, at imprastraktura.
  • Direktang makipagtulungan sa mga customer, user, o kasosyo sa pananaliksik habang isinusulong ang makabuluhang adyenda sa pananaliksik.
  • Gawing magkakasamang pananaliksik, open-source system, at kakayahan ng produkto ang mga gawaing magagamit muli.

Mga Kinakailangan

  • Matibay na pundasyon sa reinforcement learning, mga ahente, o post-training system, at kakayahang maging bihasa sa kuwantitatibong pananaliksik.
  • Kapaki-pakinabang ngunit hindi kinakailangan ang karanasan sa sistematikong trading, microstructure ng merkado, pagmomodelo ng time series, econometrics, o simulation sa pananalapi.
  • Praktikal na karanasan sa pagbuo at pag-debug ng mga workflow para sa model training, post-training, ahente, pagsusuri, o kaugnay na eksperimento.
  • Mahusay na paghatol sa eksperimento, kabilang ang makabuluhang baseline, maingat na pagsisiyasat sa trace, malinaw na pagtukoy sa sanhi ng pagkabigo, at kahandaang magbago ng direksyon kapag nagbago ang ebidensya.
  • Mahusay na kasanayan sa Python.
  • Kakayahang bumuo ng mga artifact na kayang patakbuhin, siyasatin, at palawakin ng ibang mananaliksik at inhinyero.
  • Komportableng manguna sa mga problemang hindi pa malinaw at panatilihing may sapat na impormasyon ang mga katuwang at kasamahan sa koponan.
  • Mga publikasyon, open-source system, benchmark, o produktong nailunsad na nagpapakita ng natatanging gawain.

Mga Benepisyo

  • Mga insentibo sa equity.
  • Flexible na trabaho sa San Francisco, New York, London, o remote.
  • Sponsorship ng visa at tulong sa relokasyon.
  • Badyet para sa propesyonal na pag-unlad.
  • Mga off-site ng pangkat at pagdalo sa mga kumperensya.

Mga Kaugnay na Trabaho

Blake Willson Group, LLC

Senior na Accountant sa Pag-uulat Pinansyal – Pondo para sa Puhunang Paggawa ng DoD

Blake Willson Group, LLC

Sumusuporta sa accounting ng Pondo para sa Puhunang Paggawa ng DoD at sa pag-uulat pinansyal ng pederal na pamahalaan. Namamahala ng pangkalahatang ledger, lumulutas ng mga pagkakaiba, at nagpapatunay ng datos sa pag-uulat.

Buksan
VelocityEHS

Senior na Financial Analyst, FP&A

VelocityEHS

Pangunahan ang pagbabadyet, pagtataya, pag-uulat, at pagsusuri ng performance ng SaaS sa VelocityEHS. Magbigay ng mga pananaw sa pananalapi para sa mga pasya ng mga executive, Lupon, mamumuhunan, at estratehiya.

Buksan
Facet

Kasamang Tagaplano sa Pananalapi

Facet
201 – 500 Mga Empleyado

Sinusuportahan ang mga miyembro ng Facet sa pamamagitan ng komprehensibong pagpaplano sa pananalapi: sinusuri ang kanilang impormasyon, bumubuo ng mga estratehiya, at nagbibigay ng maingat na paggabay. Tinutulungan ang mga miyembro na gawing praktikal na hakbang ang kanilang mga layunin.

Buksan
GE Vernova

Senior na Pinuno ng Pananalapi sa mga Proyektong Portfolio sa GE Vernova (Remote, U.S.)

GE Vernova

Pangunahan ang pinansyal na pagganap ng mga portfolio ng proyekto sa Electrical Power Transmission ng GE Vernova sa U.S., na nakatuon sa kakayahang kumita, pagtataya, at cash. Gabayan ang mga pagsusuri sa portfolio at patatagin ang pamamahalang pinansyal sa mga komplikadong proyekto.

Buksan