澳蒂华
2026 Shanghai Machine Learning Engineer Summer Internship
2026 Shanghai Machine Learning Engineer Summer Internship
发布于 大约 16 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
学历未注明
软件工程
GPU
PyTorch
JAX
MLflow
Machine Learning
Distributed Training
Weights & Biases
AI 估算 · 12k–20k
知名外资量化交易公司实习，薪酬竞争力强，且提供住宿、机票等福利，实际价值更高。
职位详情
关于这个职位
这是一个机器学习工程师暑期实习岗位，位于上海
你将与经验丰富的工程师一起工作，应用AI技术解决量化交易问题，参与大规模模型训练和仿真平台的开发
为期8周，表现优秀者可获全职offer
最低要求
Students graduating in 2027 or later. Foundations in Machine Learning fundamentals, including optimisation and deep learning concepts. Hands-on experience with deep learning frameworks such as PyTorch, JAX, or similar. Interested in building scalable and reproducible machine learning pipelines, including data preprocessing, training, evaluation, and experiment tracking. Natural problem solvers who love nothing more than tackling a complex technical challenge. Team players who thrive in collaborative environments and are eager to learn, iterate, and improve. Interested in the trading / quantitative finance industry (prior finance knowledge is not required).
工作职责
Gain first-hand experience applying the latest AI technology to quantitative trading problems. Help build the compute platform and libraries for large scale machine learning model training and simulation workloads. Manage a project end-to-end, learn how to work with a complex code base and make impactful contributions to production systems. Work on real trading and IT problems, both technically and functionally, to improve our trading success.
优先资格
Ability to identify and reason about compute and performance bottlenecks, using profiling, benchmarking, and systematic analysis to improve training efficiency. Experience with distributed training or GPU acceleration is a plus. Familiarity with experiment management tools (e.g. MLflow, Weights & Biases) or workflow orchestration is a plus.
AI 洞察
优缺点分析
优点
- 顶级量化交易公司的实习经历，简历含金量高
- 导师制、内部培训和个人发展机会，技能提升快
- 薪酬福利优越，包括住宿、机票、餐食等
- 接触到前沿的ML技术和高性能计算系统
- 实习周期仅8周，需快速学习和产出，节奏较快
- 需要适应现场办公，无法远程
- 适合对机器学习有扎实基础、对量化交易感兴趣、渴望在快节奏环境中快速成长的技术型学生
缺点 / 挑战
- 量化交易领域对数学和编程基础要求较高
角色解读
- 通过8周实习积累量化交易行业的实战经验，了解ML在金融领域的应用
- 表现优异者获得全职录取机会，成为正式机器学习工程师
- 未来可向高级ML工程师、研究科学家或交易系统架构师方向发展
- 应用最新的AI技术解决量化交易中的实际问题，如模型训练和仿真
- 参与构建大规模机器学习模型训练的计算平台和库
- 管理完整项目周期，对复杂代码库进行贡献，并影响生产系统
- 解决实际的交易和IT问题，提升交易成功率
- 扎实的机器学习基础，包括优化和深度学习概念
- 熟练使用PyTorch、JAX等深度学习框架进行模型开发
- 能够构建可扩展、可复现的ML流水线，涵盖数据预处理到实验跟踪
- 具备问题解决能力、团队协作精神和学习热情
申请策略
- 在简历和求职信中强调对量化金融的兴趣，即使没有金融背景也可以
- 展示主动学习能力和团队合作精神，举例说明
- 突出机器学习和深度学习项目经验，尤其是使用PyTorch或JAX的实战案例
- 强调数学背景和问题解决能力，如优化、数值计算等
- 展示对构建可扩展ML流水线的理解，如数据预处理、实验管理工具
- 如有分布式训练或GPU加速经验，务必提及
- 复习深度学习和优化理论，确保基础扎实
- 动手练习PyTorch或JAX，可参与开源项目或Kaggle竞赛
面试指南
- 对于技术问题，先明确问题核心，再逐步列出思路，最后举例说明
- 对于项目经验，使用STAR（情境-任务-行动-结果）方法清晰呈现
- 对于行为问题，结合团队合作和主动学习的例子，展现适应性和求知欲
- 请解释梯度下降的常见变体及其优缺点
- 描述一个你使用深度学习框架解决的实际问题，包括数据、模型和评估
- 如何设计一个可扩展的ML训练流水线？
- 你对量化交易有哪些了解？为什么对这个行业感兴趣？
- 如何处理模型训练中的过拟合问题？
匹配度报告
72
综合匹配度
前沿技术栈、高薪福利、导师制培养，适合技术导向且想进入量化金融的学生。
适合人群
最适合看重技能成长、追求高薪和前沿技术、愿意在快节奏环境中证明自己的求职者。
最强匹配
成长发展匹配
最弱匹配
使命价值匹配
薪资福利85
成长发展90
工作生活65
使命价值50
薪资福利匹配
85较高
该实习岗位提供极具竞争力的薪酬、住宿机票、餐饮福利等，薪酬信号偏高，福利丰富，能满足对物质回报有较高追求的求职者。
薪资信号偏高 (12K-20K/月)
福利待遇competitive remuneration package、flights and accommodation、gym membership、weekly in-house chair massages、daily breakfast, lunch and in-house barista、regular social events
成长发展匹配
90较高
提供系统的入职培训、一对一导师、个人发展机会和真实项目实践，技术栈前沿（ML、GPU、分布式训练），技能成长空间极大。
技术前沿前沿/新兴技术
技术栈Machine Learning、Deep Learning、PyTorch、JAX、GPU、Distributed Training
成长机会training, mentorship and personal development opportunities、in-house education team、world-class training program、continuous learning and development
业务类型profit_center
工作生活匹配
65中等
需现场办公，但提供住宿、餐食、健身房等福利，一定程度上改善生活体验。工作强度未明确，但量化交易行业节奏较快。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
50较低
量化交易行业对社会的影响较为中立，技术驱动但目标为盈利，使命感一般。不过岗位在技术创新前沿有一定吸引力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs