Starszy specjalista ds. danych w zakresie modelowania predykcyjnego w Fluvius

Wymagane umiejętności:

• ponad 3 lata doświadczenia z Scikit-Learn.
• Ponad 5 lat doświadczenia w Pythonie, Pandach i Numpy.
• Doświadczenie w zakresie danych finansowych i przewidywania cen akcji.
• Licencjat lub Tytuł magistra w dziedzinie analityki danych, statystyki, informatyki lub pokrewnej dziedziny.
• Znajomość interaktywnych brokerów.
• Znajomość operacji uczenia maszynowego (ML Ops).
• Doskonałe umiejętności rozwiązywania problemów oraz umiejętność samodzielnej i zespołowej pracy.
• Doskonałe umiejętności komunikacyjne i dbałość o szczegóły.
• Wyższy średniozaawansowany lub wyższy poziom języka angielskiego.

Zadania:

• Opracowywanie i wdrażanie modeli predykcyjnych do prognozowania cen akcji.
• Korzystaj z technik uczenia maszynowego w Scikit-Learn, aby analizować historyczne dane dotyczące cen i przewidywać przyszłe trendy.
• Przeprowadzaj manipulację i wstępne przetwarzanie danych za pomocą Pand i Numpy.
• Przeprowadź eksploracyjną analizę danych w celu identyfikacji wzorców i spostrzeżeń.
• Współpracuj z inżynierami i członkami zespołu w celu zintegrowania modeli predykcyjnych ze środowiskami produkcyjnymi.
• Stale monitoruj i udoskonalaj modele, aby poprawić dokładność i wydajność.
< li>Praca z danymi w czasie rzeczywistym i historycznymi w celu zwiększenia możliwości przewidywania.

Opis projektu:

Dołącz do naszego innowacyjnego zespołu będącego awangardą technologii, opracowującego wyrafinowany system przewidywania cen akcji. Korzystaj z zaawansowanych technik uczenia maszynowego, aby analizować dane finansowe, wyciągać wnioski i prognozować przyszłe ceny akcji. Ściśle współpracuj z dynamicznym zespołem, aby wprowadzać do produkcji najnowocześniejsze modele predykcyjne, stale zwiększając dokładność i wydajność naszego systemu. 
 

Co oferujemy:

• Zdrowe środowisko pracy< /li>
• Silny i przyjazny zespół programistów
• Konkurencyjne wynagrodzenie
• Wynagrodzenie za edukację
• Elastyczny grafik
• 10 płatnych dni urlopu , 4 płatne dni wolne