Machine Learning Engineer

Название: Инженер машинного обучения Местоположение: Лондон / Амстердам, Нидерланды; Лондон, Великобритания

Инженеры машинного обучения в IMC играют ключевую роль в создании систем, которые обеспечивают обучение и развертывание крупномасштабных ML-моделей в глобальных операциях IMC. Они сотрудничают с количественными исследователями, специалистами по аппаратному обеспечению и инженерами-программистами для создания надежных систем, которые максимально используют возможности ускорения 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, превращающий исследовательскую идею 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.

Как команда, наши инженеры машинного обучения в основном работают 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 обеспечении максимально эффективного выполнения ML-нагрузок, как правило, за счет оптимизации GPU и систем низкого уровня. Это не жесткие направления, и между ними есть пересечения. Вы привнесете глубокие знания как минимум в одной из этих областей и будете тесно сотрудничать с членами глобальной команды.

Ваши основные обязанности:

ML Research Engineering:

• Разработка распределенных конвейеров обучения в крупном масштабе, которые управляют сложными наборами данных и моделями.
• Партнерство с количественными исследователями для автоматизации ML-экспериментов, настройки гиперпараметров и переобучения моделей.
• Работа со специалистами HPC для оптимизации рабочих процессов, увеличения скорости обучения и снижения стоимости вычислений.

ML Performance Engineering:

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

По обоим направлениям:

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

Ваши навыки и опыт:

Основные, независимо от области специализации:

• Опыт работы в области машинного обучения более 3 лет с акцентом на системы обучения или инференса.
• Производственное программное обеспечение: Python, дисциплина тестирования и реальная ответственность за системы после их выпуска.
• Основы машинного обучения: вы понимаете современные ML-нагрузки за пределами высокоуровневых API и можете рассуждать о поведении моделей, корректности и производительности на уровне, соответствующем вашей области знаний.
• Системное мышление: вы обращаетесь к измерениям, а не к мнениям по вопросам производительности, масштаба или надежности, и можете принимать обоснованные решения о создании или покупке.
• Сильное сотрудничество: вы комфортно объясняете обоснование своих технических решений, работаете над различными точками зрения с исследователями и адаптируете свой 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: рассуждение о памяти, вычислениях и задержках на уровне устройства, а также оптимизация производительности с использованием ядер, компиляторов и оборудования (например, CUDA, Triton или аналогичных).
• Производственные системы инференса: практический опыт создания и упрочнения конвейеров прогнозирования в реальном времени с низкой задержкой в высокопроизводительных средах.
• Численные методы и корректность в масштабе: эффекты пониженной точности, KV-кэширование, пакетная обработка и знание того, какие оптимизации остаются бит-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 научно-исследовательская торговая фирма, где количественное моделирование, машинное обучение и инженерия формируют способы торговли на современных рынках. Будучи стабилизирующей силой на рынках с 1989 года, мы обеспечиваем ликвидность на торговых площадках, достигая наилучших результатов в управлении стоимостью и рисками для инвесторов. Используя собственные технологии и капитал, мы создаем проприетарные системы и алгоритмы, работающие на глобальных рынках. Наши исследователи, трейдеры и инженеры работают сообща, сочетая быстрые эксперименты, передовую инфраструктуру и обратную связь в реальном времени, чтобы превратить идеи в исполнение, а исполнение — в преимущество.