量化研发实习生(机器学习系统与性能优化方向）

参与量化投研平台的研发与优化，与研究人员及开发工程师紧密合作，支持树模型、DL/RL 等研究场景，围绕大规模机器学习训练、性能分析与分布式计算，提升模型训练效率和计算资源利用率，为策略研究提供高效、稳定的基础设施

## 岗位职责

1. 参与机器学习训练平台建设，完善模型训练、评估及预测流程，支持树模型、深度学习及强化学习研究任务，提升运行效率与稳定性；

2. 研究 LightGBM、XGBoost、PyTorch 等机器学习框架的工程实现，定位和解决训练瓶颈；

3. 参与基于 Ray、Kubernetes 的分布式训练能力建设，推进训练流程的性能优化，提升任务扩展效率和资源利用率

4. 开发基准测试、监控诊断及自动化工具，沉淀实验结论，并推动有效方案在实际研究流程中落地

##任职要求

1. 国内外知名高校本科及以上在校生，计算机、软件工程、电子或相关专业，具备扎实的编程与计算机基础

2. 熟练使用 Python，能够阅读和理解 C++ 代码，熟悉 Linux 开发环境及常用调试工具

3. 对多线程编程、分布式计算或机器学习系统有一定了解，了解机器学习的基本训练流程，对深度学习或强化学习有兴趣；

4. 具备良好的逻辑分析能力和实验习惯，能够控制变量、核验结果，通过数据和代码分析问题；

5. 热爱编程，愿意主动钻研开源框架和底层实现，具备快速学习能力、良好的编码习惯与沟通能力；

6. 对量化研究及高性能计算有兴趣，愿意与研究人员合作解决实际工程问题；

##加分项

1. 有 LightGBM、XGBoost、PyTorch 等框架的使用、性能分析或开发经验

2. 有 Ray、Kubernetes、Dask 等分布式计算框架的使用或开发轻验

3. 有性能分析、内存优化、多线程优化或 GPU 计算优化经验

4. 有机器学习平台、大规模数据处理、深度学习分布式训练或强化学习并行采样相关项目经历

5. 有编程竞赛获奖经历，或参与过开源项目并贡献代码