Auf einen Blick
- Aufgaben: Entwickle KI-Systeme für die Private-Equity-Branche und baue robuste Produktionspipelines.
- Unternehmen: Innovatives Unternehmen im Bereich KI mit Fokus auf Finanztechnologie.
- 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 mit modernster KI und mache einen echten Unterschied.
- 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 feinabgestimmt.
- Denkt in Verteilungen, nicht in Punktabschätzungen.
- Unbehagen, 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 feinabstimmen.
- 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: Bayesianische 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 Bayesianischer Inferenz (JAX, NumPyro, PyMC).
- Engineering-Fähigkeiten: Nachweisliche 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 erfolgreich LLMs feinabgestimmt.
- 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 ist von Vorteil, aber nicht erforderlich.
CTO / Quant Engineer Arbeitgeber: Enzian Labs
Als Arbeitgeber bieten wir Ihnen die Möglichkeit, an der Spitze innovativer KI-Softwareunternehmen zu stehen und maßgebliche technische Entscheidungen zu treffen. Unsere Unternehmenskultur fördert Kreativität und Zusammenarbeit, während wir Ihnen zahlreiche Wachstumschancen und die Möglichkeit bieten, sich in einer dynamischen Umgebung weiterzuentwickeln. Genießen Sie die Vorteile eines flexiblen Arbeitsumfelds und die Chance, als Teil eines engagierten Teams einen echten Unterschied zu machen.
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
