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.

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.

Wymagania

• 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.

Mile widziane

• Doświadczenie w prognozowaniu cen kryptowalut, surowców lub innych instrumentów finansowych.

• Znajomość specyfiki danych finansowych i rynkowych, w tym ich niestacjonarności oraz zmieniających się reżimów rynkowych.

• Doświadczenie w budowie i ewaluacji modeli szeregów czasowych w środowisku produkcyjnym.

• Znajomość metod statystycznych i ekonometrycznych wykorzystywanych w prognozowaniu.

• Doświadczenie w MLOps oraz monitorowaniu jakości modeli po wdrożeniu.