公告&内推

策略多岗位招聘,非凸科技邀你来报道!(社招/实习)

由ftkj2018创建,最终由ftkj2018 被浏览 39 用户

要说人工智能领域的课程,斯坦福大学客座教授吴恩达的《机器学习》(Machine Learning)堪称经典。该课程最开始于2012年在Coursera上线,10年间已经吸引了近500万人注册。《机器学习》课程主要介绍了机器学习、数据挖掘和统计模式识别的基础知识和实践经验。

{w:100}

然而,近日Stanford Online 和 DeepLearning.AI 团队宣布了一项重要通知:《机器学习》课程将从 2022 年 6 月 14 日起关闭在 Coursera 上的新学员注册。此外,对于正在上《机器学习》课程的学员来说,该课程将不会再更新。这个消息在 reddit 上也引起了一些网友的热议。有人甚至称“这是一个时代的终结”。

想要继续学习机器学习的同学们,可关注他们即将上线的新课程,“Machine Learning Specialization”。

除了学习理论,想要成为一名优秀的机器学习研究员还需要具备哪些特质呢?

其一,培养选择正确的研究问题的能力。阅读大量的论文,并有批判性地对这些论文进行评价;尝试加入研究主题相似的研究小组,以此汲取他们的研究经验,并培养良好的团队协作能力;在研究问题的选择上,可以向前辈研究者或其他有经验的研究者寻求建议;花点时间思考怎样的研究才是有用的、能做出成果的。

其二,研究由观点驱动还是目标驱动?观点驱动,遵照一些文献的观点来开展接下来的工作;目标驱动,目标是发展一些你希望获得的新的 AI 技能,与此同时解决一些能够让你离最终目标更近一步的问题。

其三,高瞻远瞩,一步一步向目标高峰攀登。当你开始一个研究项目前,你不妨问下你自己:这个问题研究下去的前景有多大?将带来10%的改进还是10倍的改进?不少研究者常遇到的一大瓶颈便是:正在开展的项目看上去有意义,然而结果却只能在一些指标上实现小小的提高。 其四,合理使用笔记本。一旦打算开发机器学习新算法,就必须长期将精力集中在一个问题。强烈建议研究人员有一本专用的笔记本,纸质版的也好,电子版的也可,然后用来记录每天的想法和实验。

其五,有舍有得,切勿“恋战”。在机器学习研究中,不可避免的会遇到极具挑战性的问题,不抛弃,不放弃的精神往往让你投入过多的时间。但是经验表明有些问题不管你如何都努力,注定会走向失败。聪明的做法是适可而止,为自己设定一个“限度”,超过限度就放弃吧。

其六,多读、多写,教科书是最好的老师。机器学习研究者都应该分配一部分时间来提高机器学习素养,如果仅仅是谋划当前的项目,不愿花精力提升,那么在了解了日常工作所需的基础知识之后,研究者很可能会停滞不前。

如果你还想在机器学习研究上得到实践,那么非凸科技是一个不错的选择。非凸科技是国内领先的智能算法和交易系统服务公司,专注于智能算法交易领域的研究和开发。我们基于Rust生态体系,结合机器学习和深度学习等新兴技术,构建业内领先的算法交易系统,为券商、量化私募等众多大型金融机构提供优质的技术解决方案。

在这里,日常工作很像搞科研,从数据处理到模型调优,每一个坑都需要踩过来;在这里,每当看到模型训练快速完成并跑出惊艳的效果,都会让你价值感满满;在这里,你可以和更多优秀的机器学习研究员们学习交流,碰撞出新的思维火花。如果对量化感兴趣,对策略研究极其热爱,那么欢迎加入非凸!

一、招聘岗位:机器学习研究员 岗位描述: 1.参与设计开拓性的智能算法应用于交易; 2.参与构建科学、严谨的算法评测体系; 3.紧跟领域前沿,推动基础研究; 4.利用机器学习、深度学习和人工智能等方法,对历史数据进行研究、分析和统计,并从中寻找相关的趋势和规律。 岗位要求: 1.本科及以上学历,金融、物理、数学、计算机等理科背景; 2.专业基础知识扎实,熟悉机器学习(深度学习),具备创新研究能力; 3.至少熟悉一种编程语言:Rust/C++/Python/Go/Java; 4.对人工智能及量化交易有浓厚的兴趣,思考深入,自我驱动,能快速学习新鲜事物。

二、招聘岗位:量化策略研究员 岗位描述: 1.开发和设计中高频选股因子,构建选股模型; 2.在多因子底仓上,开发设计股票T0策略; 3.其他以绝对收益为目标的量化投资策略,如风格轮动策略、股指期货策略、商品期货策略、套利策略等。 岗位要求: 1.本科及以上学历,金融、物理、数学、计算机等理科背景; 2.扎实的数学、统计基础,熟悉统计建模、时间序列模型、机器学习算法的原理及其编程实现; 3.至少熟悉一种编程语言:Rust/C++/Python/Go/Java; 4.对策略研究充满热情,思考深入,自我驱动,能快速学习新鲜事物。

Base range: 实习期600-800元/天 转正后30k-60k+年终奖+员工福利

工作地点:北京、上海、成都、新加坡 简历发送至:recruit@ft.tech 微信沟通:354334592 公司网站:ft.tech

邮件注明:姓名+岗位+社招/校招+来源

标签

人工智能机器学习数据挖掘