机器学习组智能金融算法研发实习生

Date de publication: July 20, 2024

招聘人数:2-4

工作地点:北京

组别简介:

微软亚洲研究院机器学习领域从理论、算法、应用等不同层面推动机器学习的前沿。我们的研究兴趣包含:深度学习、强化学习、图学习、梯度提升树、在线学习、预训练、动态学习、学习理论等。同时, 我们也在积极探索人工智能在自然科学和产业应用中的价值,从而为科学工作者和传统工业赋能(具体见研究概况)。在过去的十几年间,我们在顶级国际会议和期刊上发表了大量被高度引用的高质量论文,向微软的产品部门转化了大量核心技术,并帮助众多的企业合作伙伴实现了数字化转型。我们也向开源社区贡献了大量高质量开源工具,例如 LightGBM、LigthLDA、微软图引擎,多智能体资源优化平台“群策 MARO“,业内首个AI量化投资平台“微矿Qlib”,以及最新的时空预测平台”FOST”。

工作职责:

  1. 智能金融研究方向:
    1. 研究机器学习在金融领域(如量化投资)的应用
    2. 打破传统投资框架,探索全新的投资策略学习范式,将研究成果发布到相关领域的顶级会议或期刊
    3. 将研究工作开源到微软自研量化投资平台 Qlib (https://github.com/Microsoft/qlib) ,在开源社区和金融领域最活跃最前沿的同行进行深度交流
    4. 放下Toy data走出象牙塔,面对真实的海量金融数据,设计面向百亿级别的实际金融场景,应对变化莫测的金融市场
  2. 智能金融系统开发方向:
    1. 定义下一代量化投资研发框架,了解并解决开源社区和金融领域最活跃最前沿的同行的最新需求,研发和维护量化投资平台(Qlib https://github.com/microsoft/qlib)
    2. 将理想实验环境中的算法迁移到真实的金融交易场景中,针对真实市场中的问题优化模型和策略,在真实金融数据中分析和定位模型问题。
    3. 设计和改进运营百亿级别资金的量化投资系统,解决在真实交易环境中遇到的系统瓶颈,对架构设计和系统性能进行调优
  3. 智能金融监管研究方向:
    1. 研究机器学习在金融监管领域的应用,场景包括反洗钱、反欺诈等
    2. 将异常检测算法用于洗钱及欺诈行为检测
    3. 基于图神经网络、时空图等模型建模用户间关联,检测洗钱及欺诈团伙
    4. 利用时间序列模型分析洗钱行为及欺诈行为的时序异常规律
    5. 将研究成果发布到相关领域的顶级会议或期刊;将算法落地到实际场景中去,在充满噪声的数据中精准识别诡计多端的不法分子

任职要求:

  1. 熟悉各类机器学习算法、模型的优化,熟悉常用的机器学习工具
  2. 具备优秀的编程能力和扎实的算法基础,精通Python和Linux开发环境
  3. 能熟练使用至少一种深度学习框架(PyTorch、Tensorflow及Caffe等)

 

请务必下载并填写申请表(申请表链接:https://aka.ms/InternApplication)并将其与完整的中英文简历(PDF/Word/Txt/Html形式)一同发送至:[email protected],邮件标题中注明:机器学习组_智能金融算法研发实习生