Informazioni sul ruolo
Lavora direttamente con sistemi di IA per creare dati quantitativi di alta qualità e contribuire a migliorarne il ragionamento matematico e di ricerca. Applica le tue conoscenze di livello post-laurea in probabilità, statistica e programmazione, mentre impari come i dati creati da esperti supportano il post-addestramento e la valutazione dell'IA.
Cosa farai
- Interagirai con modelli di IA su compiti di probabilità, statistica, modellazione quantitativa, analisi delle serie temporali e programmazione per la ricerca.
- Creerai problemi quantitativi impegnativi, soluzioni di riferimento ed esempi di calcolo riproducibili.
- Verificherai matematica e codice generati dall'IA, testerai le ipotesi e individuerai data leakage, overfitting o logiche di backtesting difettose.
- Confronterai e annoterai le risposte dei modelli, spiegherai chiaramente gli errori e documenterai il ragionamento alla base di una soluzione di alta qualità.
Cosa imparerai
- Imparerai come esempi specifici del dominio e feedback umano vengono utilizzati per supportare il post-addestramento dell'IA.
- Acquisirai esperienza pratica nella valutazione delle risposte dell'IA, nell'applicazione di linee guida di annotazione e nella verifica della qualità dei dataset.
- Vedrai come l'accuratezza fattuale, un ragionamento chiaro e un feedback coerente aiutano i team a valutare e migliorare il comportamento dei modelli di IA.
- Svilupperai esperienza all'intersezione tra il tuo campo accademico e l'IA applicata attraverso il lavoro progettuale e il feedback.
Modalità di lavoro
- Tirocinio da remoto
- Collaborerai con il team su progetti definiti di dati e valutazione per l'IA
L'ambito del progetto, il calendario, gli strumenti e le aspettative saranno discussi durante il processo di candidatura. Utilizza solo materiali approvati; non condividere dati di ricerca riservati del datore di lavoro, dei clienti o dell'università.
Cosa cerchiamo
- Iscrizione attuale a un programma di laurea magistrale o superiore in matematica, statistica, informatica, finanza quantitativa o un campo correlato.
- Conoscenze di base di probabilità, statistica e algebra lineare.
- Padronanza di Python e delle librerie di analisi dati, o di un linguaggio di programmazione per la ricerca comparabile.
- Capacità di spiegare le ipotesi, riprodurre i calcoli e valutare i limiti in modo onesto.