Estados Unidos
Temple Health
Goldman Sachs
Associate Applied AI - Deep Learning/Séries Temporais
Estados Unidos
New York, New York, United States
PythonAWSDockerKubernetes
Tradução automática. Consulte o original.
Descrição da Vaga
O QUE FAZEMOS
Na Goldman Sachs, nossos engenheiros não apenas criam coisas – nós tornamos as coisas possíveis. Mude o mundo conectando pessoas e capital a ideias. Resolva os problemas de engenharia mais desafiadores e urgentes para nossos clientes. Junte-se às nossas equipes de engenharia que constroem softwares e sistemas massivamente escaláveis, arquitetam soluções de infraestrutura de baixa latência, protegem proativamente contra ameaças cibernéticas e aproveitam machine learning junto com engenharia financeira para transformar dados em ação continuamente. Crie novos negócios, transforme o setor financeiro e explore um mundo de oportunidades na velocidade dos mercados.
A área de Engenharia, composta pela nossa Divisão de Tecnologia e grupos globais de estrategistas, está no centro crítico do nosso negócio, e nosso ambiente dinâmico exige pensamento estratégico inovador e soluções imediatas e reais. Quer ultrapassar o limite das possibilidades digitais? Comece aqui.
PESQUISA EM IA NA GOLDMAN SACHS
O grupo de Pesquisa em IA é a organização de pesquisa dedicada da empresa, operando na interseção de machine learning de fronteira e finanças quantitativas. Construímos, treinamos e avaliamos rigorosamente modelos de deep learning em alguns dos dados de séries temporais financeiras mais ricos do setor — microestrutura de mercado, precificação cross-asset, indicadores macroeconômicos, fluxos de transações e dados alternativos.
Nosso mandato é avançar o estado da arte em modelagem de sequências e previsão probabilística para dados financeiros ruidosos, não estacionários e com baixa relação sinal-ruído, e entregar essa pesquisa como uma plataforma para toda a empresa, na qual pesquisadores quantitativos, estrategistas e equipes de engenharia de toda a organização possam construir. Operamos com rigor de pesquisa e disciplina de engenharia — cada modelo que entregamos é reproduzível, comparado com benchmarks sólidos e avaliado sob condições realistas fora da amostra e fora do regime.
A VAGA
Título: Pesquisa em IA – Associate Localização: Nova York, NY Divisão: Engenharia – Pesquisa em IA
Estamos buscando um pesquisador com forte perfil prático para liderar o design, treinamento e avaliação de modelos de deep learning para séries temporais financeiras. Esta é uma função de contribuição individual para alguém que se sinta igualmente confortável derivando uma verossimilhança, escrevendo um loop de treinamento distribuído em um cluster de GPU multi-nó e defendendo uma metodologia de avaliação para uma sala de pesquisadores quantitativos.
Você será responsável por problemas de pesquisa de ponta a ponta: estruturar a questão, curar e processar os dados, projetar a arquitetura do modelo, executar experimentos de treinamento em larga escala, construir o framework de avaliação e fazer parceria com equipes quantitativas e de engenharia para levar os modelos à produção. Como nosso resultado atende a várias mesas e classes de ativos, espera-se que você construa modelos e abstrações que sejam generalizáveis — não soluções isoladas.
Este é um espaço de pesquisa em rápida evolução. Você prospera na ambiguidade, é cético em relação a resultados que parecem bons demais e traz o mesmo rigor para a metodologia de avaliação que traz para o design do modelo.
NO QUE VOCÊ VAI TRABALHAR
- Pesquisa e desenvolvimento de modelos: Projete, implemente e treine arquiteturas modernas de deep learning para previsão, aprendizado de representação e modelagem generativa de séries temporais financeiras — incluindo CNNs e redes convolucionais temporais, Transformers e modelos de sequência baseados em atenção, autoencoders, GANs, modelos de difusão, redes neurais em grafos, redes bayesianas e aprendizado por reforço.
- Especialização em séries temporais: Construa e compare com benchmarks arquiteturas de sequência especializadas, incluindo WaveNet, N-BEATS / N-HiTS, DeepAR, PatchTST e Time Series Foundation Models (TSFMs), e faça o baseline rigoroso delas em relação a métodos econométricos clássicos, como ARIMA, GARCH, filtros de Kalman e modelos de espaço de estados.
- Treinamento em escala: Seja responsável pelo treinamento de modelos em larga escala nos clusters de GPU e ambiente de computação em nuvem da empresa — paralelismo de dados distribuído (DDP), paralelismo de dados totalmente fragmentado (FSDP), precisão mista, busca de hiperparâmetros e rastreamento de experimentos. Otimize a inferência por meio de quantização, destilação e caminhos de implantação baseados em ONNX.
- Avaliação e validação: Construa frameworks de avaliação robustos adaptados a dados financeiros — validação cruzada walk-forward e expurgada, períodos de embargo, análise condicional de regime, quantificação e calibração de incerteza, ablações e testes de significância que levem em conta adequadamente testes de hipóteses múltiplos e data snooping.
- Pesquisa quantitativa aplicada: Faça parceria com pesquisadores quantitativos e estrategistas de várias mesas em pesquisa de alfa, geração de sinais, otimização de portfólio e backtesting, traduzindo os resultados dos modelos em sinais economicamente significativos, ajustados ao risco e conscientes da capacidade.
- Plataforma de pesquisa para toda a empresa: Contribua com modelos, conjuntos de dados, benchmarks e ferramentas reutilizáveis para uma plataforma de pesquisa compartilhada que atende a várias mesas e classes de ativos, elevando o padrão de qualidade e reprodutibilidade em toda a empresa.
- Liderança técnica: Oriente pesquisadores e engenheiros juniores, revise designs de pesquisa e códigos, e apresente descobertas para stakeholders técnicos e de negócios seniores.
- Governança de IA: Garanta que todos os modelos sigam os padrões de gestão de risco de modelos, privacidade de dados, ética e segurança da empresa, com documentação completa, linhagem e auditabilidade.
Requisitos
HABILIDADES E EXPERIÊNCIA QUE BUSCAMOS
Requisitos
- Bacharelado, Mestrado ou Doutorado em Ciência da Computação, Machine Learning, Estatística, Matemática, Física, Engenharia Elétrica, Finanças Quantitativas ou uma disciplina quantitativa relacionada.
- Mínimo de 3+ anos de experiência no setor construindo, treinando e implantando modelos de deep learning, com uma parte substancial focada em dados sequenciais ou séries temporais. Candidatos com Doutorado e menos anos de experiência no setor serão considerados quando a profundidade da experiência em pesquisa for comprovadamente equivalente.
- Profunda experiência em arquiteturas modernas de deep learning: CNNs e TCNs, Transformers, autoencoders, GANs, modelos de difusão, GNNs, métodos bayesianos e aprendizado por reforço.
- Sólido conhecimento prático de séries temporais clássicas e modelagem econométrica — ARIMA, GARCH, filtragem de Kalman, modelos de espaço de estados — e julgamento claro sobre quando deep learning supera ou não esses métodos.
- Experiência prática com arquiteturas modernas de séries temporais, como WaveNet, N-BEATS / N-HiTS, DeepAR, PatchTST ou Time Series Foundation Models.
- Python em nível especialista e profunda proficiência em PyTorch, TensorFlow / Keras e/ou JAX / Flax.
- Experiência demonstrada com treinamento distribuído e acelerado (DDP, FSDP, treinamento em GPU multi-nó) e fluxos de trabalho de exportação e otimização de modelos, incluindo ONNX.
- Fundamentos rigorosos em estatística, probabilidade, processos estocásticos, otimização e processamento de sinais.
- Excelentes habilidades de comunicação oral e escrita, com a capacidade de articular trade-offs de pesquisa tanto para pesquisadores com doutorado quanto para stakeholders de negócios não técnicos.
- Conforto em operar em um ambiente em rápida evolução com um alto grau de ambiguidade e mudanças rápidas.
Desejável
- Publicações em conferências de alto nível, como NeurIPS, ICML, ICLR, AISTATS ou KDD, ou em periódicos líderes de finanças quantitativas.
- Experiência anterior em machine learning ou ciência de dados em um fundo de hedge, gestora de ativos, empresa de trading proprietário ou mesa de trading sistemático.
- Experiência em várias classes de ativos — ações, renda fixa, câmbio, commodities ou multi-ativos.
- Familiaridade com deep learning bayesiano, programação probabilística ou predição conforme para quantificação de incerteza.
- Experiência com plataformas de nuvem e ambientes de treinamento conteinerizados (AWS, Kubernetes, Docker).
- Exposição a gestão de risco de modelos ou frameworks regulatórios em serviços financeiros.
- Contribuições para bibliotecas de código aberto de machine learning ou séries temporais.
O QUE VOCÊ GANHA COM ISSO
- Trabalhar em problemas de pesquisa genuinamente difíceis com impacto comercial imediato e mensurável em toda a empresa.
- Acesso a conjuntos de dados financeiros proprietários de alta qualidade e cross-asset em uma escala que poucas instituições podem oferecer, e computação em GPU para modelá-los adequadamente.
- Junte-se a um grupo de pesquisa independente que valoriza o rigor — baselines sólidos, avaliação rigorosa e reprodutibilidade.
- Liberdade para publicar e interagir com a comunidade de pesquisa mais ampla.
- Parceria direta com pesquisadores quantitativos e estrategistas de várias mesas que usarão o que você construir.
- Desenvolva profunda experiência na interseção de deep learning de fronteira e finanças quantitativas, com escopo para moldar a agenda de pesquisa aplicada em IA da empresa.
Faixa Salarial
O salário base esperado para esta posição baseada em Nova York, Nova York, Estados Unidos, é de $100,000-$200,0000. Além disso, você pode ser elegível para um bônus discricionário se for um funcionário ativo no final do ano fiscal.
SOBRE A GOLDMAN SACHS
Na Goldman Sachs, comprometemos nossas pessoas, capital e ideias para ajudar nossos clientes, acionistas e as comunidades que servimos a crescer. Fundada em 1869, somos uma empresa líder global em banco de investimento, valores mobiliários e gestão de investimentos. Com sede em Nova York, mantemos escritórios em todo o mundo.
Acreditamos que quem você é torna você melhor no que faz. Estamos comprometidos em promover e avançar a diversidade e a inclusão em nosso próprio local de trabalho e além, garantindo que cada indivíduo em nossa empresa tenha várias oportunidades de crescer profissional e pessoalmente, desde nossas oportunidades de treinamento e desenvolvimento e redes em toda a empresa até benefícios, bem-estar, ofertas de finanças pessoais e programas de mindfulness. Saiba mais sobre nossa cultura, benefícios e pessoas em GS.com/careers.
Estamos comprometidos em encontrar acomodações razoáveis para candidatos com necessidades especiais ou deficiências durante nosso processo de recrutamento. Saiba mais: goldmansachs.com/careers/footer/disability-statement.html
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil