ML Research Intern - Sequence Modeling & Architecture Design

À PROPOS DE CFM

Fondés en 1991, nous sommes une société mondiale de gestion d’actifs quantitative et systématique appliquant une approche scientifique à la finance pour développer des stratégies d’investissement alternatives pour nos clients.

Nous valorisons l’innovation, l’engagement, l’aboutissement et l’intelligence collective en créant ensemble un environnement d’experts passionnés et talentueux dans les domaines de la recherche, des technologies et du business pour explorer de nouvelles idées et toujours remettre en question les hypothèses.

Résumé

Nous recherchons un stagiaire en recherche ML pour développer et évaluer des architectures modernes de modélisation de séquences pour la prédiction de séries chronologiques. Vous concevrez des expériences systématiques, mettrez en œuvre de nouveaux composants architecturaux et créerez des cadres de référence pour comparer les choix de conception selon plusieurs critères d'évaluation.

Responsabilités principales

- Mettre en œuvre et comparer systématiquement les transformateurs et autres architectures de séquences modernes
- Concevoir des composants architecturaux de bas niveau : schémas de tokenisation, encodages positionnels, mécanismes d'attention
- Analyser le comportement des modèles à l'aide de mesures statistiques : préservation de la structure temporelle, correspondance des distributions, performances prédictives
- Optimiser l'efficacité computationnelle et étudier les modèles d'utilisation des paramètres

Qualifications requises

- Solide expertise dans les architectures ML modernes, en particulier les transformateurs et les mécanismes d'attention
- Compréhension approfondie des principes fondamentaux de la modélisation de séquences et des choix de conception architecturale
- Maîtrise de PyTorch/JAX et expérience dans la mise en œuvre d'architectures personnalisées
- Solides connaissances en analyse de séries chronologiques et en modélisation statistique
- Expérience en conception expérimentale systématique et en études d'ablation
- Solides compétences en résolution de problèmes et capacité à travailler de manière autonome sur des problèmes de recherche

Qualifications souhaitées

- Expérience avec des architectures de modélisation séquentielle efficaces allant au-delà des transformateurs standard
- Connaissance de la théorie de l'information et des mesures statistiques de distance
- Expérience en optimisation GPU et en analyse de l'efficacité computationnelle
- Expérience avec l'évaluation comparative systématique et les pratiques de recherche reproductibles
- Compréhension des défis et des solutions liés à la modélisation temporelle 

DÉCLARATION SUR L’ÉGALITÉ DES CHANCES

Nous nous efforçons continuellement d’être un employeur offrant l’égalité des chances et nous interdisons toute forme de discrimination fondée sur le sexe, le handicap, l’origine, l’orientation sexuelle, l’identité de genre, l’âge, la race ou la religion. Nous croyons que notre diversité, nos apports diversifiés d’expérience et nos multiples points de vue sont les principaux facteurs de notre succès.

CFM est signataire des Women Empowerment Principles.

SUIVEZ-NOUS

Suivez-nous sur Twitter et LinkedIn ou visitez notre site Web pour en apprendre davantage sur CFM.