États-Unis
Temple Health
Goldman Sachs
Associé(e) IA Appliquée - Deep Learning/Séries Temporelles
États-Unis
New York, New York, United States
PythonAWSDockerKubernetes
Traduction automatique. Consultez l’original.
Description du poste
CE QUE NOUS FAISONS
Chez Goldman Sachs, nos ingénieurs ne se contentent pas de créer, ils rendent les choses possibles. Changez le monde en connectant les personnes et les capitaux aux idées. Résolvez les problèmes d'ingénierie les plus complexes et les plus urgents pour nos clients. Rejoignez nos équipes d'ingénierie qui développent des logiciels et des systèmes massivement évolutifs, conçoivent des solutions d'infrastructure à faible latence, protègent de manière proactive contre les cybermenaces et exploitent le machine learning ainsi que l'ingénierie financière pour transformer continuellement les données en actions. Créez de nouvelles entreprises, transformez la finance et explorez un monde d'opportunités à la vitesse des marchés.
L'ingénierie, qui comprend notre division technologique et nos groupes de stratèges mondiaux, est au cœur de notre activité, et notre environnement dynamique exige une réflexion stratégique innovante et des solutions immédiates et concrètes. Vous voulez repousser les limites des possibilités numériques ? Commencez ici.
RECHERCHE EN IA CHEZ GOLDMAN SACHS
Le groupe de recherche en IA est l'organisation de recherche dédiée de l'entreprise, opérant à l'intersection du machine learning de pointe et de la finance quantitative. Nous construisons, entraînons et évaluons rigoureusement des modèles de deep learning sur certaines des données de séries temporelles financières les plus riches du secteur : microstructure du marché, tarification multi-actifs, indicateurs macroéconomiques, flux de transactions et données alternatives.
Notre mandat est de faire progresser l'état de l'art en matière de modélisation de séquences et de prévision probabiliste pour des données financières bruitées, non stationnaires et à faible rapport signal sur bruit, et de fournir cette recherche sous forme de plateforme à l'échelle de l'entreprise sur laquelle les chercheurs quantitatifs, les stratèges et les équipes d'ingénierie peuvent s'appuyer. Nous opérons avec une rigueur de recherche et une discipline d'ingénierie : chaque modèle que nous déployons est reproductible, comparé à des références solides et évalué dans des conditions réalistes hors échantillon et hors régime.
LE RÔLE
Titre : Recherche en IA – Associé(e) Lieu : New York, NY Division : Ingénierie – Recherche en IA
Nous recherchons un(e) chercheur(se) très opérationnel(le) pour diriger la conception, l'entraînement et l'évaluation de modèles de deep learning pour les séries temporelles financières. Il s'agit d'un rôle de contributeur individuel pour une personne aussi à l'aise pour dériver une fonction de vraisemblance que pour écrire une boucle d'entraînement distribuée sur un cluster GPU multi-nœuds, ou pour défendre une méthodologie d'évaluation devant un groupe de chercheurs quantitatifs.
Vous prendrez en charge les problèmes de recherche de bout en bout : cadrage de la question, curation et ingénierie des données, conception de l'architecture du modèle, exécution d'expériences d'entraînement à grande échelle, construction du cadre d'évaluation et collaboration avec les équipes quantitatives et d'ingénierie pour mettre les modèles en production. Étant donné que nos résultats servent plusieurs bureaux et classes d'actifs, vous devrez construire des modèles et des abstractions généralisables, et non des solutions ponctuelles.
Il s'agit d'un espace de recherche en évolution rapide. Vous prospérez dans l'ambiguïté, vous êtes sceptique face aux résultats qui semblent trop beaux pour être vrais, et vous apportez la même rigueur à la méthodologie d'évaluation qu'à la conception du modèle.
VOS MISSIONS
- Recherche et développement de modèles : Concevoir, implémenter et entraîner des architectures modernes de deep learning pour la prévision, l'apprentissage de représentations et la modélisation générative de séries temporelles financières, y compris les CNN et les réseaux de neurones convolutifs temporels, les Transformers et les modèles de séquences basés sur l'attention, les auto-encodeurs, les GAN, les modèles de diffusion, les réseaux de neurones sur graphes, les réseaux bayésiens et l'apprentissage par renforcement.
- Spécialisation en séries temporelles : Construire et comparer des architectures de séquences spécialisées, notamment WaveNet, N-BEATS / N-HiTS, DeepAR, PatchTST et les modèles de fondation de séries temporelles (TSFM), et les comparer rigoureusement aux méthodes économétriques classiques telles que ARIMA, GARCH, les filtres de Kalman et les modèles d'espace d'état.
- Entraînement à grande échelle : Prendre en charge l'entraînement de modèles à grande échelle sur les clusters GPU et l'environnement de calcul cloud de l'entreprise : parallélisme de données distribué (DDP), parallélisme de données entièrement fragmenté (FSDP), précision mixte, recherche d'hyperparamètres et suivi d'expériences. Optimiser l'inférence par la quantification, la distillation et les chemins de déploiement basés sur ONNX.
- Évaluation et validation : Construire des cadres d'évaluation robustes adaptés aux données financières : validation croisée glissante et purgée, périodes d'embargo, analyse conditionnelle au régime, quantification et calibration de l'incertitude, ablations et tests de signification qui tiennent compte correctement des tests d'hypothèses multiples et du data snooping.
- Recherche quantitative appliquée : Collaborer avec des chercheurs quantitatifs et des stratèges de différents bureaux sur la recherche d'alpha, la génération de signaux, l'optimisation de portefeuille et le backtesting, en traduisant les résultats des modèles en signaux économiquement significatifs, ajustés au risque et conscients de la capacité.
- Plateforme de recherche à l'échelle de l'entreprise : Contribuer à des modèles, des jeux de données, des benchmarks et des outils réutilisables pour une plateforme de recherche partagée qui dessert plusieurs bureaux et classes d'actifs, en élevant le niveau de qualité et de reproductibilité dans toute l'entreprise.
- Leadership technique : Encadrer des chercheurs et ingénieurs juniors, examiner les conceptions de recherche et le code, et présenter les conclusions aux parties prenantes techniques et commerciales de haut niveau.
- Gouvernance de l'IA : Veiller à ce que tous les modèles respectent les normes de gestion des risques de modèle, de confidentialité des données, d'éthique et de sécurité de l'entreprise, avec une documentation, une traçabilité et une auditabilité complètes.
Requis
COMPÉTENCES ET EXPÉRIENCE RECHERCHÉES
Requis
- Un diplôme de Bachelor, Master ou Doctorat en informatique, Machine Learning, statistiques, mathématiques, physique, génie électrique, finance quantitative ou une discipline quantitative connexe.
- Un minimum de 3+ années d'expérience dans l'industrie dans la construction, l'entraînement et le déploiement de modèles de deep learning, avec une part substantielle consacrée aux données séquentielles ou aux séries temporelles. Les candidats titulaires d'un doctorat et ayant moins d'années d'expérience dans l'industrie seront pris en compte si la profondeur de leur expérience de recherche est manifestement équivalente.
- Expertise approfondie des architectures modernes de deep learning : CNN et TCN, Transformers, auto-encodeurs, GAN, modèles de diffusion, GNN, méthodes bayésiennes et apprentissage par renforcement.
- Solide connaissance pratique de la modélisation classique des séries temporelles et de l'économétrie (ARIMA, GARCH, filtrage de Kalman, modèles d'espace d'état) et jugement clair sur les cas où le deep learning surpasse ou non ces méthodes.
- Expérience pratique avec des architectures de séries temporelles modernes telles que WaveNet, N-BEATS / N-HiTS, DeepAR, PatchTST ou les modèles de fondation de séries temporelles.
- Maîtrise experte de Python et compétence approfondie dans PyTorch, TensorFlow / Keras et/ou JAX / Flax.
- Expérience démontrée de l'entraînement distribué et accéléré (DDP, FSDP, entraînement GPU multi-nœuds) et des flux de travail d'exportation et d'optimisation de modèles, y compris ONNX.
- Bases rigoureuses en statistiques, probabilités, processus stochastiques, optimisation et traitement du signal.
- Excellentes compétences en communication orale et écrite, avec la capacité d'articuler les compromis de recherche tant pour des chercheurs titulaires d'un doctorat que pour des parties prenantes commerciales non techniques.
- Capacité à évoluer dans un environnement en évolution rapide avec un degré élevé d'ambiguïté et de changements rapides.
Souhaité
- Publications dans des conférences de premier plan telles que NeurIPS, ICML, ICLR, AISTATS ou KDD, ou dans des revues de finance quantitative de premier plan.
- Expérience préalable en machine learning ou en science des données au sein d'un hedge fund, d'une société de gestion d'actifs, d'une société de trading pour compte propre ou d'un bureau de trading systématique.
- Expérience sur plusieurs classes d'actifs : actions, titres à revenu fixe, devises, matières premières ou multi-actifs.
- Familiarité avec le deep learning bayésien, la programmation probabiliste ou la prédiction conforme pour la quantification de l'incertitude.
- Expérience avec les plateformes cloud et les environnements d'entraînement conteneurisés (AWS, Kubernetes, Docker).
- Exposition à la gestion des risques de modèle ou aux cadres réglementaires dans les services financiers.
- Contributions à des bibliothèques open-source de machine learning ou de séries temporelles.
CE QUE NOUS VOUS OFFRONS
- Travailler sur des problèmes de recherche réellement complexes ayant un impact commercial immédiat et mesurable dans toute l'entreprise.
- Accès à des jeux de données financiers multi-actifs propriétaires de haute qualité à une échelle que peu d'institutions peuvent offrir, et à une puissance de calcul GPU pour les modéliser correctement.
- Rejoindre un groupe de recherche indépendant qui valorise la rigueur : références solides, évaluation rigoureuse et reproductibilité.
- Liberté de publier et de s'engager auprès de la communauté de recherche au sens large.
- Partenariat direct avec des chercheurs quantitatifs et des stratèges de plusieurs bureaux qui utiliseront ce que vous construisez.
- Développer une expertise approfondie à l'intersection du deep learning de pointe et de la finance quantitative, avec la possibilité de façonner l'agenda de recherche en IA appliquée de l'entreprise.
Fourchette de salaire
Le salaire de base prévu pour ce poste basé à New York, New York, États-Unis est de $100,000-$200,0000. De plus, vous pourriez être éligible à une prime discrétionnaire si vous êtes un employé actif à la fin de l'exercice fiscal.
À PROPOS DE GOLDMAN SACHS
Chez Goldman Sachs, nous engageons nos collaborateurs, nos capitaux et nos idées pour aider nos clients, nos actionnaires et les communautés que nous servons à se développer. Fondée en 1869, nous sommes une société mondiale de premier plan spécialisée dans la banque d'investissement, les titres et la gestion de placements. Basés à New York, nous avons des bureaux dans le monde entier.
Nous pensons que ce que vous êtes fait de vous un meilleur professionnel. Nous nous engageons à favoriser et à promouvoir la diversité et l'inclusion sur notre lieu de travail et au-delà, en veillant à ce que chaque individu au sein de notre entreprise dispose de nombreuses opportunités de se développer professionnellement et personnellement, de nos opportunités de formation et de développement et de nos réseaux à l'échelle de l'entreprise aux avantages sociaux, au bien-être, aux offres de finances personnelles et aux programmes de pleine conscience. Apprenez-en plus sur notre culture, nos avantages sociaux et nos collaborateurs sur GS.com/careers.
Nous nous engageons à trouver des aménagements raisonnables pour les candidats ayant des besoins particuliers ou des handicaps pendant notre processus de recrutement. En savoir plus : goldmansachs.com/careers/footer/disability-statement.html
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil