初创美股AI量化公司——机器学习量化数据与特征工程师（实习、全职） 工作地点：上海市杨浦区，近复旦大学新江湾校区 薪酬：面议 我们在做什么： · 我们专注于美股全市场量化择时/选股，实施以AI驱动的战略，目前以机器学习（如LightGBM、XGBoost等）/深度学习为核心训练方式。你将与模型研究员紧密协作，把原始多源金融数据打造成稳定、可回溯、无泄漏的特征与数据资产，直接驱动Alpha与回测/上线表现。 你的主要工作： · 作为机器学习量化数据与特征工程师，负责构建、优化、处理、清洗和维护大规模金融数据管道，并从原始数据中提炼出具有预测能力的“Alpha特征”，为AI研究员和机器学习提供强大、可靠的数据和特征集。 · 数据基础设施构建： 设计、构建并维护低延迟、高可用的金融数据管道，处理TB级别的多维度数据（包括价量数据、基本面数据、另类数据等）。 · 数据获取和下载：熟练使用API和其他方式从数据服务商（Polygon、FactSet、Nasdaq Data Link等）将大规模原始数据下载到本地进行存储。 · 大规模数据清洗与处理： 对海量金融数据进行清洗、校验、对齐和去噪，确保数据的高质量和一致性，应对金融数据中常见的存活者偏差、缺失值等问题。 · 特征工程： 深入理解市场微观结构和量化策略，运用统计方法和领域知识，从原始金融数据中创造性地提取和构建有预测能力的特征。 · 特征平台与管理： 参与开发和维护公司内部的特征平台，实现特征的标准化、版本化和自动化计算，提升量化研究员的迭代效率。 · 自动化与性能优化： 优化数据处理的性能和成本，使用Polars/PyArrow/DuckDB等工具进行高效处理，实现数据Pipeline的自动化监控和预警。持续优化成本/吞吐。 我们期望你（必备技能）： · 学历与专业： 计算机科学、统计学、数学、金融工程或相关领域的硕士在读及以上学历。拥有量化和机器学习相关经验的优先。 · 编程能力：精通 Python 及相关数据科学生态（Polars、PyArrow、DuckDB、Pandas、NumPy、Scikit-learn等）。掌握基本SQL。具备优秀的编码和调试能力，提交高质量的代码。能熟练阅读并深入理解各种英文文档（如python api文档、各种软件的文档等）。 · 善用AI与自动化提高产出，包括但不限于chatgpt, openai codex, cursor等等（公司提供chatgpt pro账号），具备很高的prompt撰写技巧和专注力，能够使用AI工具调研各种复杂技术问题，快速找到问题所在或最优解决路径，同时能够高效地审查AI生成的代码和算法。 · 数据处理理念：对数据质量有极高的敏感度，做事严谨、细致，具备出色的逻辑分析和问题解决能力。 · 有金融时序数据处理经验，理解PIT、前视/生存者偏差与公司行为（拆分/分红等）处理等。 · 工作质量与输出：要求能够持续高质量、高强度、高输出地进行工作。 · 团队协作： 良好的沟通能力，能够与AI研究员紧密合作，理解他们的数据需求。具备很强的学习能力和抗压能力，具备良好的保密意识。 加分项（优选技能）： · 有金融行业（尤其是量化）实习或项目经验，对股票市场有基本认知。 · 熟悉常见的金融时间序列数据处理和特征工程方法。 · 有Spark/ClickHouse/Arrow Flight等扩展型栈经验，或对Iceberg/Delta/Hudi等表格式有实践。 · 有使用Airflow、DolphinScheduler等工作流调度工具的经验。 · 对机器学习基本概念有实践理解，能与研究员对齐无泄漏特征与回测口径。 · 在GitHub有相关项目，或Kaggle/竞赛/论文/技术博客等产出。 工作方式与成长： 结果导向，鼓励善用AI工具提升效率，但以代码质量与可复现性为第一准则。 与量化研究直连，你的产出将直接影响策略收益；优秀者可参与更高层次的数据架构与平台设计。 申请方式： 请发送简历和简单自我介绍开启沟通（欢迎附上能证明相关能力的作品，如Python代码的Jupyter Notebook或html文件等） 邮件标题：数据与特征工程师-实习-姓名-学校/公司-专业-最早到岗时间