Auf einen Blick
- Aufgaben: Entwickle KI-Systeme für die Private-Equity-Branche und baue robuste Produktionspipelines.
- Unternehmen: Innovatives Unternehmen im Finanzsektor mit Fokus auf KI-Technologien.
- Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
- Weitere Informationen: Dynamisches Umfeld mit großartigen Wachstumschancen in einem zukunftsorientierten Team.
- Warum dieser Job: Gestalte die Zukunft der Finanztechnologie und arbeite an spannenden, realen Herausforderungen.
- Qualifikationen: MSc/PhD in quantitativen Fächern und Erfahrung in probabilistischer Programmierung.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Wir bauen ein KI-System, das das Rückgrat der Private-Equity-Branche bildet.
Die Rolle
- Quantitativer Hintergrund (MSc/PhD in computergestützter Finanzwirtschaft, Statistik, angewandter Mathematik, Physik oder ML).
- Fließend in probabilistischer Programmierung (JAX, NumPyro, PyMC).
- Praktische Erfahrung im Aufbau von Datenpipelines mit realen, unordentlichen Eingaben.
- Hat große Modelle für domänenspezifische Aufgaben mit Frameworks wie Unsloth oder HuggingFace feinjustiert.
- Denkt in Verteilungen, nicht in Punktabschätzungen.
- Unwohl, wenn ein System eine Zahl ohne ein glaubwürdiges Intervall zurückgibt.
Was Sie tun werden
- Produktionspipelines aufbauen: Übernehmen Sie die Verantwortung für den gesamten ML-Lebenszyklus. Sie werden Modelle von lokalen Jupyter-Notebooks in skalierbare, produktionsbereite Systeme überführen.
- Unordentliche Daten zähmen: Architekturen für die Datenaufnahme entwickeln, die in der Lage sind, rauschende, reale Eingaben zu verarbeiten – einschließlich gescannter PDFs, inkonsistenter Berichtsformate und fehlender Datenpunkte.
- Grundlagenmodelle nutzen: LLMs und Vision-Modelle für domänenspezifische Finanzaufgaben feinjustieren.
- Effizienz optimieren: Techniken wie LoRA, Quantisierung und effiziente Trainingsschleifen mit Frameworks wie Unsloth und HuggingFace anwenden, um großangelegte KI praktisch und kosteneffektiv zu gestalten.
- Fortgeschrittene Mathematik anwenden: Bayessche Inferenz und probabilistische Programmierung nutzen, um Unsicherheiten bei Bewertungen des privaten Marktes zu modellieren.
Was wir suchen
- Fundamente: Quantitativer Hintergrund (MSc/PhD in computergestützter Finanzwirtschaft, Statistik, angewandter Mathematik, Physik oder ML).
- Erfahrung mit probabilistischer Programmierung und Bayesscher Inferenz (JAX, NumPyro, PyMC).
- Engineering-Fähigkeiten: Nachgewiesene Erfahrung im Aufbau von Produktionspipelines. Sie kennen den entscheidenden Unterschied zwischen einem Proof-of-Concept-Demo und einem robusten Produktionssystem.
- Angewandte KI/GenAI: Praktische Erfahrung mit Grundlagenmodellen. Sie haben LLMs erfolgreich feinjustiert.
- Ressourcenschonende Werkzeuge: Tiefe Vertrautheit mit dem modernen KI-Stack (HuggingFace, Unsloth, PyTorch usw.) und ein Talent dafür, die Modellleistung mit einem Startup-Budget zu maximieren.
Bonuspunkte
- Komfortabel mit agentenbasiertem Modellieren und wirtschaftlicher Simulation.
- Vertrautheit mit finanziellen Konzepten (NAV, IRR, Fondsstrukturen) – PE-Erfahrung von Vorteil, aber nicht erforderlich.
CTO / Quant Engineer Arbeitgeber: Enzian Labs AG
Enzian Labs AG ist ein hervorragender Arbeitgeber, der eine innovative und dynamische Arbeitsumgebung in Zürich bietet. Unsere Unternehmenskultur fördert Kreativität und Zusammenarbeit, während wir unseren Mitarbeitern umfangreiche Wachstums- und Entwicklungsmöglichkeiten bieten, um ihre Fähigkeiten im Bereich KI und Finanztechnologie zu erweitern. Mit einem klaren Fokus auf die Anwendung von probabilistischer Programmierung und maschinellem Lernen in der Finanzwelt sind wir bestrebt, bedeutungsvolle und lohnende Karrieren zu schaffen.
Wir glauben, dass du diese Fähigkeiten brauchst, um CTO / Quant Engineer mit Bravour zu bestehen
Quantitative Background
Probabilistic Programming
Bayesian Inference
JAX
NumPyro
PyMC
Data Pipeline Engineering
