机器学习组智能金融算法研发实习生

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。