Prime Intellect
Prime Intellect
Prime Intellect bygger desentralisert datainfrastruktur for AI-utvikling. Plattformen kobler brukere sammen med globale dataressurser og GPU-kapasitet, slik at de kan trene avanserte språkmodeller og vitenskapelige modeller på tvers av distribuerte klynger. Selskapet fokuserer på forskning på desentralisert trening og åpen kildekode-basert AI, med vekt på å gjøre modellutvikling mer tilgjengelig gjennom delte dataressurser.

Anvendt forsker innen kvantitativ finans

Bygg agenter, markedssimulatorer, evalueringer og metoder for ettertrening innen kvantitativ finansforskning. Prime Intellect utvikler åpen AI-infrastruktur i fronten for forskerteam og utviklere.

Beskrivelse

  • Lag forskningsmiljøer, evalueringer, agenter og metoder for ettertrening til kvantitativ forskning og systematiske beslutninger.
  • Gjør forskningsarbeidsflyter om til oppgaver, miljøer, evalueringer og belønningssignaler.
  • Sammenlign ettertreningseksperimenter med reelle baselines, og spor forbedringer tilbake til modellen, dataene, verktøykjeden, inferensen eller infrastrukturen.
  • Bygg miljøer for kvantitativ forskning der hypoteser kan formuleres og testes, punkt-i-tid-data analyseres og backtestes, og resultater diagnostiseres.
  • Utform belønninger og evalueringer som skiller varige forbedringer fra look-ahead-bias, datalekkasje, overtilpasning, fordelaktige antakelser om utførelse, skjult konsentrasjon og halerisiko.
  • Tren agenter med lange tidshorisonter til å bruke data-, forsknings-, kode-, simulerings- og porteføljeverktøy, samtidig som de sporer dataenes opphav og overholder risikobegrensninger.
  • Modeller realistiske markedsmekanismer, transaksjonskostnader, latenstid, kapasitet og driftsbegrensninger i forskningsmiljøer.
  • Utvikle agenter som utfører kvantitativ forskning, bruker analyse- og utførelsesverktøy, vurderer evidens og kommer seg videre etter mislykkede hypoteser.
  • Lag verifikatorer og evalueringer som måler robust atferd utenfor treningsutvalget på tvers av aktiva, tidshorisonter, regimer og ugunstige forhold.
  • Bygg produksjonsløp med overvåking, menneskelig oppfølging, regresjonsporter og feilattribusjon på tvers av modeller, data, simulering og infrastruktur.
  • Jobb direkte med kunder, brukere eller forskningspartnere samtidig som du følger en omfattende forskningsagenda.
  • Gjør gjenbrukbart arbeid om til felles forskning, systemer med åpen kildekode og produktfunksjoner.

Krav

  • Solid grunnlag innen forsterkningslæring, agenter eller systemer for ettertrening, med evne til å bli fortrolig med kvantitativ forskning.
  • Erfaring med systematisk handel, markedsmikrostruktur, tidsseriemodellering, økonometri eller finansiell simulering er nyttig, men ikke påkrevd.
  • Praktisk erfaring med å bygge og feilsøke arbeidsflyter for modelltrening, ettertrening, agenter, evaluering eller nærliggende eksperimenter.
  • God dømmekraft i eksperimentering, med meningsfulle baselines, nøye inspeksjon av spor, tydelig feilattribusjon og vilje til å endre retning når evidensen endrer seg.
  • Gode Python-ferdigheter.
  • Evne til å bygge artefakter som andre forskere og ingeniører kan kjøre, inspisere og videreutvikle.
  • Komfortabel med å ta eierskap til uklare problemer og holde samarbeidspartnere og kolleger informert.
  • Publikasjoner, systemer med åpen kildekode, benchmarks eller lanserte produkter som viser fremragende arbeid.

Fordeler

  • Aksjeinsentiver.
  • Fleksibelt arbeid i San Francisco, New York, London eller på avstand.
  • Visumsponsing og støtte til flytting.
  • Budsjett for faglig utvikling.
  • Teamsamlinger og konferansedeltakelse.

Relaterte jobber