Machine Learning Engineer

Должность: Инженер по машинному обучению Местоположение: Гонконг / Сидней / Гонконг, Гонконг; Сидней, Австралия

Инженеры по машинному обучению (ML Engineers) в IMC играют ключевую роль в создании систем, которые обеспечивают обучение и развертывание крупномасштабных моделей машинного обучения в глобальных операциях IMC. Они сотрудничают с количественными исследователями, специалистами по аппаратному обеспечению и инженерами-программистами для создания надежных систем, максимально использующих возможности ускорения на GPU, распределенных вычислений и более широкой экосистемы ML с открытым исходным кодом. Работа ML-инженеров напрямую влияет на скорость наших экспериментов, итераций и развертывания, ускоряя цикл превращения исследовательской идеи в реальную торговую стратегию.

Это уникальная возможность решать задачи на стыке передового машинного обучения и трейдинга, где ваш вклад будет формировать будущее технологий и торговых возможностей IMC.

Наша команда ML-инженеров в основном работает в двух направлениях: ML Research Engineering, сосредоточенная на системах и фреймворках, которые исследователи используют для обучения, оценки и итерации моделей в масштабе; и ML Performance Engineering, сосредоточенная на максимально эффективном выполнении ML-нагрузок, как правило, путем оптимизации GPU и низкоуровневых систем. Это не жесткие треки, и между ними существует пересечение. Вы внесете глубину экспертизы как минимум в одной из этих областей и будете тесно сотрудничать с членами глобальной команды.

Ваши основные обязанности:

ML Research Engineering:

• Разработка крупномасштабных распределенных конвейеров обучения, управляющих сложными наборами данных и моделями.
• Сотрудничество с количественными исследователями для автоматизации ML-экспериментов, настройки гиперпараметров и переобучения моделей.
• Работа со специалистами по HPC для оптимизации рабочих процессов, ускорения обучения и снижения затрат на вычисления.

ML Performance Engineering:

• Создание и оптимизация конвейеров инференса с низкой задержкой, обеспечивающих получение прогнозов в реальном времени в производственных системах.
• Максимальная производительность при обучении и инференсе с использованием аппаратного обеспечения GPU и библиотек ускорения.

По обоим направлениям:

• Расширение и улучшение внутренней структуры фреймворков машинного обучения и инструментов с открытым исходным кодом для повышения их производительности при наших нагрузках.
• Проектирование масштабируемой инфраструктуры моделей, способной обрабатывать большие объемы торговых данных и предоставлять прогнозы в реальном времени с высокой точностью.
• Оценка и внедрение сторонних инструментов, улучшающих возможности разработки, обучения и инференса моделей.

Ваши навыки и опыт:

Основные, независимо от области специализации:

• Более 3 лет опыта в области машинного обучения с упором на системы обучения или инференса.
• Производственная разработка программного обеспечения: Python, дисциплина тестирования и реальное владение системами после их выпуска.
• Основы машинного обучения: понимание современных ML-нагрузок за пределами высокоуровневых API и способность рассуждать о поведении модели, корректности и производительности на уровне, соответствующем вашей области экспертизы.
• Системное мышление: вы используете измерения перед высказыванием мнений по вопросам производительности, масштабируемости или надежности и можете принимать обоснованные решения о создании или покупке.
• Сильное сотрудничество: способность четко объяснять причины ваших технических решений, работать с различными точками зрения исследователей и адаптировать ваш подход, когда доказательства это подтверждают.

Глубокие знания в одной или нескольких из следующих областей:

• Распределенное обучение и крупномасштабные системы: стратегия параллелизма, конвейеры данных и чекпоинтинг; фреймворки, такие как PyTorch, TensorFlow или JAX.
• Производительность GPU и низкоуровневая оптимизация: рассуждения о памяти, вычислениях и задержке на уровне устройства, а также оптимизация производительности с использованием ядер, компиляторов и аппаратного обеспечения (например, CUDA, Triton или эквивалентных).
• Производственные системы инференса: практический опыт создания и укрепления конвейеров прогнозирования в реальном времени с низкой задержкой в высокопроизводительных средах.
• Числовые методы и корректность в масштабе: эффекты пониженной точности, KV-кэширование, батчинг и знание того, какие оптимизации остаются битово-точными.

Также будет плюсом:

• Опыт работы с облачными платформами и инструментами оркестрации.
• Опыт внесения вклада в проекты с открытым исходным кодом в области машинного обучения, науки о данных или распределенных систем.

О нас

IMC — это исследовательская торговая фирма, где количественное моделирование, машинное обучение и инженерия формируют методы торговли на современных рынках. Будучи стабилизирующей силой на рынках с 1989 года, мы обеспечиваем ликвидность на торговых площадках, предоставляя инвесторам наилучшие результаты в плане стоимости и управления рисками. Используя наши собственные технологии и капитал, мы создаем проприетарные системы и алгоритмы, которые работают на глобальных рынках. Наши исследователи, трейдеры и инженеры работают как единое целое, объединяя быстрое экспериментирование, передовую инфраструктуру и обратную связь в реальном времени для превращения идей в исполнение, а исполнения — в преимущество.