AI/ML工程师
工作概述
作为金融科技领域的AI/机器学习工程师，您将在开发利用人工智能和机器学习技术的尖端解决方案方面发挥关键作用。您的工作将直接影响金融服务，提升客户体验，并推动行业创新。
职责：
算法开发：设计和实施机器学习算法来解决复杂的金融问题。与数据科学家和领域专家合作，创建预测模型、欺诈检测系统、信用风险评估工具和个性化推荐。
数据处理和分析：处理大型金融数据集，预处理和清理数据，并提取相关特征。进行探索性数据分析（EDA），揭示模式和洞见。
模型训练和评估：使用TensorFlow、PyTorch或scikit-learn等框架训练、验证和微调机器学习模型。使用准确率、精确度、召回率和F1分数等指标评估模型性能。
部署和优化：将机器学习模型部署到生产环境中。优化模型的可扩展性、效率和实时推理能力。
合作：与跨职能团队合作，包括软件工程师、产品经理和业务分析师，将AI解决方案整合到金融科技应用中。
保持更新：及时了解人工智能、机器学习和金融科技的最新进展。参加会议、阅读研究论文并参与在线社区。
资格要求：
工程学、计算机科学、人工智能、数据科学或相关实际经验的学士或硕士学位
经验：在机器学习、数据科学或AI开发方面有实际经验（3-6年）。有金融科技相关经验者优先考虑。
技术技能：
必备 掌握Python、R或类似的编程语言。
在多个AI/ML架构方面具有专业知识，特别是在变压器（如GPT和BERT）、大型语言模型（OpenAI的GPT和LLaMA）、CNN和RNN以及使用Axolotl、Huggingface Autotrain或PyTorch Trainer等库进行微调方面的经验。
具备使用云平台（如AWS、GCP、Azure）和容器化（Docker、Kubernetes）的经验。
具备使用TensorFlow、PyTorch、Scikit-learn、Pandas、NumPy、LangChain、LlamaIndex、Hugging Face、NLTK等机器学习和相关库的经验。
熟悉自然语言处理技术，包括文本数据预处理（分词、词干提取和文本归一化等）和信息提取（摘要和问答等）。
了解金融概念（如风险建模、组合优化）者优先考虑。
软技能：
具有分析思维和解决问题的能力。
优秀的沟通能力，能够与跨职能团队合作。
适应能力强，愿意学习新技术。 
纽约