Machine Learning Engineer – Time Series & Price Prediction

- 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. ## Twój 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 - 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.