Machine Learning Engineer - Time Series & Price Prediction

O projekcie, Poszukujemy Machine Learning Engineera, który będzie rozwijać modele predykcyjne dla szeregów czasowych, ze szczególnym uwzględnieniem prognozowania cen surowców i kryptowalut., , Kluczowym wyzwaniem jest praca na danych rynkowych charakteryzujących się wysoką zmiennością, niepewnością oraz niskim stosunkiem sygnału do szumu (low signal-to-noise ratio). Szukamy osoby, która rozumie specyfikę takich danych i potrafi świadomie dobierać metody analizy, budowy modeli oraz ich walidacji.

Twój zakres obowiązków, Projektowanie, rozwój i walidacja modeli machine learning do prognozowania cen i analizy szeregów czasowych., Analiza danych rynkowych, identyfikowanie zależności oraz ocena ich rzeczywistej wartości predykcyjnej., Praca z danymi charakteryzującymi się wysoką zmiennością i niskim stosunkiem sygnału do szumu., Dobór metod modelowania odpowiednich do charakterystyki danych i definiowanego problemu predykcyjnego., Projektowanie eksperymentów oraz rzetelna ocena jakości i stabilności modeli., Ograniczanie ryzyka overfittingu, data leakage i błędnej walidacji modeli na danych czasowych., Analiza skuteczności modeli w różnych okresach i warunkach rynkowych., Współpraca przy wdrażaniu modeli oraz monitorowaniu ich jakości w środowisku produkcyjnym

Praktyczne doświadczenie w machine learning i budowie modeli predykcyjnych., Doświadczenie w analizie i modelowaniu szeregów czasowych (time series)., Rozumienie problematyki niskiego stosunku sygnału do szumu (low signal-to-noise ratio) i wyzwań związanych z wykrywaniem słabych zależności w danych., Znajomość metod walidacji modeli dla danych czasowych, w tym podejścia walk-forward lub time-series cross-validation., Umiejętność oceny jakości predykcji z uwzględnieniem overfittingu, data leakage i zmienności danych., Umiejętność doboru metryk i metod ewaluacji adekwatnych do celu predykcyjnego., Bardzo dobra znajomość Python oraz bibliotek wykorzystywanych w ML i analizie danych., Umiejętność prowadzenia eksperymentów, interpretacji wyników i krytycznej oceny skuteczności modeli.