數(shù)據(jù)工程師

關(guān)鍵詞：
機器學(xué)習(xí)/MachineLearning
LightGBM/LGBM
XGBoost
LSTM/RNN/深度學(xué)習(xí)/DeepLearning
Dataset/特征工程/數(shù)據(jù)清洗
ClickHouse/Parquet/列式存儲/大規(guī)模數(shù)據(jù)處理
Python/C++/Pandas/Numpy/Scikit-learn/PyTorch/TensorFlow
量化/金融數(shù)據(jù)/因子挖掘/回測/高頻/多因子模型

崗位職責(zé)：
1、基于金融領(lǐng)域的大規(guī)模數(shù)據(jù)集開展特征構(gòu)建、模型訓(xùn)練及效果驗證；
2、運用LightGBM、XGBoost、LSTM等機器學(xué)習(xí)與深度學(xué)習(xí)方法進(jìn)行因子發(fā)現(xiàn)、趨勢預(yù)測與風(fēng)控建模；
3、掌握ClickHouse、Parquet等列式存儲技術(shù)與高效查詢機制，完成大規(guī)模數(shù)據(jù)的處理與性能調(diào)優(yōu)；
4、推動算法模型在實際交易系統(tǒng)中的集成部署與運行效率提升。

任職要求：
1、本科及以上學(xué)歷，計算機、數(shù)學(xué)、統(tǒng)計、金融工程等相關(guān)專業(yè)背景；
2、熟練掌握Python，具備扎實的數(shù)據(jù)分析能力（熟悉Pandas、Numpy等工具）；
3、具有機器學(xué)習(xí)或深度學(xué)習(xí)項目經(jīng)驗，了解LightGBM、XGBoost、LSTM等模型原理與應(yīng)用；
4、熟悉ClickHouse、Parquet等數(shù)據(jù)存儲格式及其在大數(shù)據(jù)場景下的處理流程；
5、了解金融時序數(shù)據(jù)特性，擁有時間序列數(shù)據(jù)建模實踐經(jīng)驗；

加分項：
量化策略建模相關(guān)經(jīng)驗（如LightGBM、LGBM、XGBoost、LSTM）、時序預(yù)測任務(wù)、因子構(gòu)造方法、回測系統(tǒng)優(yōu)化；
大規(guī)模數(shù)據(jù)處理能力（支持ClickHouse、Parquet）、特征提取與工程優(yōu)化、模型推理加速與資源優(yōu)化；
熟悉金融場景下的模型構(gòu)建、風(fēng)險評估與多因子整合策略。