澳蒂华
2026 Shanghai Machine Learning Modelling Engineer Internship, PhD
2026 Shanghai Machine Learning Modelling Engineer Internship, PhD
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
博士
研究与开发 (研发)
GPU
PyTorch
TensorFlow
Machine Learning
Neural Networks
AI 估算 · 25k–45k
上海量化实习薪资较高，结合公司实力和博士学历，预估月薪在2.5万至4.5万元之间，具有很强竞争力。
职位详情
关于这个职位
这是一个面向博士生的机器学习建模实习生岗位，位于上海
你将在Optiver的量化交易环境中，利用AI和深度学习技术解决金融市场的复杂问题，与研究员和交易员紧密合作，推动创新策略的落地
实习表现优秀者将获得全职转正机会
最低要求
PhD students who are graduating in or after 2027.
Studying a degree in Computer Science, Mathematics, Statistics, or a related field, with a strong focus on machine learning or deep learning.
Advanced understanding of neural networks and related machine learning technologies, with experience in implementing and training complex deep learning models.
Proven experience with deep learning frameworks such as TensorFlow, PyTorch, Keras, etc.
Deep understanding of the principles, theories and concepts underlying machine learning and deep learning technologies, including the design and implementation of neural networks.
Strong programming skills in Python, familiar with data engineering tools and principles.
Experience with GPUs and other hardware accelerators for deep learning.
Excellent problem-solving skills, and the ability to work independently and in teams.
Outstanding communication skills.
工作职责
Leverage AI and deep learning technologies to thrive in a fast-paced, innovative environment.
Collaborate closely with researchers and traders on new experiments, capabilities and data sources.
Design and implement improvements to optimise researcher productivity and quality.
Blend your own development expertise with the best open-source frameworks and tools.
Utilise computing infrastructure to solve substantial challenges in computational and data scale.
Drive experimental rigour through repeatable processes on assured data.
AI 洞察
优缺点分析
优点
- 全球顶级量化交易公司，技术氛围浓厚，能接触前沿AI在金融领域的应用
- 薪资待遇极具竞争力，公司提供住宿、餐饮、健身等福利
- 有系统培训和导师指导，个人成长迅速，转正机会明确
- 团队精英化，与优秀同事共事，能极大提升专业能力
- 对候选人的学术背景和技术能力要求极高，竞争激烈
- 需要将理论快速转化为实际解决方案，对动手能力要求高
- 适合在深度学习领域有扎实研究基础、渴望将AI应用于金融实战的博士生，尤其适合追求高回报、高成长性的同学
缺点 / 挑战
- 实习期间工作强度可能较大，需要适应快节奏、高压力的环境
角色解读
- 实习期间表现优异可获转正机会，成为全职机器学习建模工程师
- 在量化交易领域深耕，从模型开发逐步成长为研究专家或团队负责人
- 积累金融市场知识，未来可向量化研究、交易策略等方向发展
- 利用AI和深度学习技术，在快速变化的量化交易环境中探索和实现创新策略
- 与研究员和交易员紧密合作，设计和执行新实验，挖掘新数据源，提升模型性能
- 优化和改进研究流程，提高研究效率和成果质量
- 结合开源框架和工具，解决大规模计算和数据挑战
- 深厚的深度学习理论基础，熟悉神经网络原理及各类模型架构
- 熟练使用TensorFlow、PyTorch等主流深度学习框架
- 强大的Python编程能力，掌握数据工程工具
- 有GPU等硬件加速器经验，能够高效训练大型模型
申请策略
- 准备一份有深度的 cover letter，说明你为什么对量化交易和Optiver感兴趣
- 提前了解Optiver的公司文化和技术栈，面试中展现热情和契合度
- 突出博士期间发表的深度学习相关论文、竞赛获奖或开源项目
- 详细描述曾训练过的复杂模型、使用的框架和硬件配置
- 强调Python编程能力和数据处理经验，展示解决实际问题的案例
- 如果有金融或量化相关经历，务必重点呈现
- 复习深度学习核心概念如Transformer、GAN、强化学习等，并熟悉最新进展
- 练习使用PyTorch或TensorFlow从头实现经典模型，加深理解
面试指南
- 对于项目介绍类问题，使用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)
- 对于技术设计问题，先明确问题约束，再提出方案，并讨论可能的权衡和优化
- 对于开放式问题，展现结构化思维：定义问题、提出假设、设计实验、评估结果
- 请详细解释你博士期间最重要的一个深度学习项目，包括问题、方法、结果
- 如何设计一个神经网络来解决时间序列预测问题？请画出网络结构并解释
- 你如何看待过拟合？有哪些方法可以防止过拟合？
- 请比较TensorFlow和PyTorch的优缺点，你更喜欢哪个？为什么？
- 给定一个金融数据集，你会如何构建一个机器学习模型来预测价格变动？
匹配度报告
79
综合匹配度
顶级量化实习，薪资优厚，前沿技术，包吃住，成长快但强度较大。
适合人群
最适合追求技术成长、高回报和职业发展的博士生，不太适合看重工作生活平衡或远程工作的候选人。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利90
成长发展92
工作生活65
使命价值70
薪资福利匹配
90较高
该职位提供极具竞争力的薪酬、免费住宿和餐饮等福利，经济回报非常优厚，补偿性动机得到高度满足。
薪资信号偏高 (25K-45K/月)
福利待遇Highly competitive remuneration package、Optiver-covered flights and accommodation、Gym membership、Weekly in-house chair massages、Daily breakfast, lunch and in-house barista
成长发展匹配
92较高
实习生将接触最前沿的深度学习技术，并获得系统培训和导师指导，转正路径清晰，发展性动机得到充分满足。
技术前沿前沿/新兴技术
技术栈Deep Learning、Neural Networks、TensorFlow、PyTorch、GPU
成长机会Training、mentorship and personal development opportunities
业务类型profit_center
工作生活匹配
65中等
需要现场办公，但公司提供住宿、餐饮和健身设施，一定程度上减轻生活负担；工作强度可能较大，但福利较好。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
在金融科技领域应用AI解决实际问题，有一定社会价值，但主要服务于商业利益，意义感动机中等。
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