{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "顶级AI机器学习/深度学习/百卡千卡万卡训练",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "",
        "location": "香港",
        "work_mode": "现场办公",AI生成
        "job_category": "AI模型算法工程师"AI生成
    },
    "company": {
        "company_name": "某基金公司",
        "company_industry": "基金",
        "company_size": "20-99人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 70000,
            "max": 100000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 0,
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "机器学习\n深度学习\n强化学习\n模型\n算法\nAI\nPyTorch\nTransformer\n截至2026年8月，61家百亿量化私募是我们的客户(中国大陆共有70家)，所以可能同时为您求职多家公司。\n【接受转行】【可匿名】【必定保密】\n我们不要求你懂股票期货期权，不要求你学过⾦融，甚⾄不要求你之前写过⼀行交易代码。我们只在意一件事：你是否真正享受⽤代码和数据探索规律，喜欢搭建研究系统，对统计模型和回测严谨性有感觉。\n如果你现在做的是推荐算法、图像算法、语音算法、NLP、搜索广告、自动驾驶感知/规划、风控建模、生物信息、时间序列预测或其他任何算法方向，你的模型能力完全可以迁移到量化策略中：\n- 推荐系统的召回/排序与量化里的因子挖掘/组合优化本质相似；\n- 图像、语音中的序列建模与行情预测有大量共通之处；\n- NLP 中的 Transformer 已经是量化序列预测的基础模型；\n- 强化学习经验可以直接迁移到组合优化与订单执行策略；\n- 风控建模中的异常检测、概率校准与过拟合控制，和量化回测的风控要求高度一致。\n你可以从以下十七个大方向中选择最感兴趣的赛道加入，每个方向都有资深同事带着你快速切入真实研究流程，代码会进回测、会上线、会跑实盘、会直接影响交易决策。以下方向均覆盖从数据清洗、特征工程到组合优化、实盘跟踪的研究全流程。\n方向一：传统机器学习与统计学习量化\n应用集成学习、概率图模型、特征工程与可解释性方法，开发多维因子与收益预测模型；负责严谨的样本外验证、过拟合控制与衰减监控。\n方向二：深度学习与序列建模\n设计 CNN/RNN/Transformer/GNN 等模型，处理高维、低频/高频序列、截面与图结构数据，进行模式识别、市场状态建模与因子挖掘。\n方向三：强化学习与决策智能\n构建基于模型/无模型、离线/分层 RL 智能体，开发组合优化、动态权重调整与订单执行策略；设计仿真环境与风险敏感优化目标。\n方向四：AI Agent / LLM 驱动量化研究\n基于大语言模型构建量化研究智能体，用于财报/公告/研报自动解读、新闻事件抽取、因子生成、策略代码生成、研究自动化与多智能体协作；使用 LangChain、AutoGen、CrewAI、Ray 等框架，结合 RAG、工具调用与记忆机制。\n方向五：图神经网络与关系建模\n研究产业链、供应链、资金流、持仓关联等图结构信息，开发 GNN 模型进行行业轮动、风险传染、关联预测与资产定价。\n方向六：生成模型与市场模拟\n使用扩散模型、VAE、GAN 等生成合成行情、压力测试场景与对手方行为模拟，提升训练数据多样性与策略鲁棒性。\n方向七：自动机器学习与因子挖掘\n用遗传规划、符号回归、AutoML、神经架构搜索等方法自动生成候选因子与模型，构建因子评估、去重、衰减监控与严格样本外验证体系。\n方向八：多模态与另类数据智能\n解析文本、图像、音频、卫星、传感器等非结构化数据，结合 NLP 与多模态模型提取有效信号，设计事件研究框架与辅助决策模型。\n方向九：模型压缩与低延迟部署\n负责模型量化、剪枝、蒸馏、导出 ONNX/TensorRT 等优化，降低推理延迟与资源占用；与交易系统团队协作，完成策略技术实现、系统集成与生产环境部署。\n方向十：基本面量化\n构建财务报表与产业链数据因子，清洗和标准化财务数据，开发多因子截面/时序预测模型，从单因子检验到完整因子库、组合优化与归因。\n方向十一：价量/技术分析量化\n研究市场微观结构、订单流与高阶技术指标，开发统计套利、趋势或反转策略，处理 tick/分钟级行情，构建事件驱动回测，设计交易成本模型验证容量。\n方向十二：期权波动率与衍生品定价\n研究隐含波动率曲面、波动率风险溢价、希腊值管理与波动率预测，开发波动率套利或做市对冲模型，接触 Black-Scholes、随机波动率等框架。\n方向十三：高频交易与执行算法\n研究订单簿动力学、市场冲击模型、最优执行和短线预测信号，设计低延迟策略与执行算法，处理高精度行情，研究成本、延迟和容量平衡。\n方向十四：商品/宏观量化\n针对大宗商品及宏观资产，研发基于供需平衡、库存、期限结构及经济周期的定价模型，构建基本面数据库，建立宏观因子与资产收益映射。\n方向十五：套利与做市\n设计统计套利、期现套利、跨期/跨品种套利模型，或开发做市报价与库存风险对冲策略，实现价差监控、协整检验和套利信号生成。\n方向十六：事件驱动与特殊情形\n基于公司事件，如财报、并购重组、指数调整、股东增持、评级变动等，构建事件驱动策略，研究事件冲击后的价格漂移和反转规律。\n方向十七：未列出但您感兴趣的任意AI量化细分领域。\n技术栈要求\n- 掌握 Python，能高效完成数据处理、模型实现和回测搭建。\n- 掌握概率统计与时间序列分析，能独立完成假设检验、回归分析、协整检验等。\n- 掌握 SQL 及常见关系型数据库；熟悉 Linux、Git、Docker。\n- 精通机器学习，如 XGBoost/LightGBM、scikit-learn、PyTorch/TensorFlow 等。\n加分项\n- 熟悉大模型/Agent 生态：LangChain、AutoGen、CrewAI、Ray、vLLM，或具备 LLM 微调经验，如 LoRA、RLHF、RAG。\n- 有推荐、广告、搜索、图像、语音、NLP、自动驾驶、风控等任一方向的实际项目经验。\n- 有量化研究、Kaggle、统计建模或数据分析项目经验。\n- 掌握高性能计算语言，如 C++、Rust、Go、Julia、OCaml 等，或函数式编程。\n- 能完成从数据清洗、信号合成、组合优化到实盘跟踪的全流程；熟悉至少一种回测框架或具备自研能力。\n- 具备严谨回测框架设计能力，理解前视偏差、幸存者偏差、过拟合控制和样本内外验证。\n- 熟悉模型压缩与部署，如 ONNX/TensorRT、量化、剪枝、蒸馏，或具备分布式训练、GPU/超算集群经验。\n我们提供\n1. 超越一线水平的薪酬，无上限激励体系——你的贡献决定回报。\n2. 稳定的 work life balance，多为 965，工作时间内预留自由空间供深度学习、探索兴趣、专注思考或放松休整。\n3. 宜人休息区、自营咖啡店，饮品零食全天候供应；员工健身中心、人体工学椅、高清多屏工作站。\n4. 强大 AI 超算集群，与顶尖技术团队并肩，参与极致量化系统研发。\n5. 名校精英与行业专家团队，导师一对一，丰富研究方向，每周技术分享。\n6. 员工基金、零成本分红、合伙人计划、季度特别贡献奖与丰厚年终奖。\n7. 餐补、房补、节日礼包、生日礼物、周年纪念礼品不断。\n认证资质\n人力资源服务许可证",
        "skills": [AI生成
            "模型训练与算法优化",
            "模型微调与对齐",
            "编程与代码实现",
            "快速学习与自驱",
            "行业理解与业务诊断"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/863459c14b166bef0nJ73dm-FFZT.html"
            }
        ]
    },
    "posting": {
        "posting_id": "863459c14b166bef0nJ73dm-FFZT",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/863459c14b166bef0nJ73dm-FFZT.html"
    },
    "fulltext": "机器学习\n深度学习\n强化学习\n模型\n算法\nAI\nPyTorch\nTransformer\n截至2026年8月，61家百亿量化私募是我们的客户(中国大陆共有70家)，所以可能同时为您求职多家公司。\n【接受转行】【可匿名】【必定保密】\n我们不要求你懂股票期货期权，不要求你学过⾦融，甚⾄不要求你之前写过⼀行交易代码。我们只在意一件事：你是否真正享受⽤代码和数据探索规律，喜欢搭建研究系统，对统计模型和回测严谨性有感觉。\n如果你现在做的是推荐算法、图像算法、语音算法、NLP、搜索广告、自动驾驶感知/规划、风控建模、生物信息、时间序列预测或其他任何算法方向，你的模型能力完全可以迁移到量化策略中：\n- 推荐系统的召回/排序与量化里的因子挖掘/组合优化本质相似；\n- 图像、语音中的序列建模与行情预测有大量共通之处；\n- NLP 中的 Transformer 已经是量化序列预测的基础模型；\n- 强化学习经验可以直接迁移到组合优化与订单执行策略；\n- 风控建模中的异常检测、概率校准与过拟合控制，和量化回测的风控要求高度一致。\n你可以从以下十七个大方向中选择最感兴趣的赛道加入，每个方向都有资深同事带着你快速切入真实研究流程，代码会进回测、会上线、会跑实盘、会直接影响交易决策。以下方向均覆盖从数据清洗、特征工程到组合优化、实盘跟踪的研究全流程。\n方向一：传统机器学习与统计学习量化\n应用集成学习、概率图模型、特征工程与可解释性方法，开发多维因子与收益预测模型；负责严谨的样本外验证、过拟合控制与衰减监控。\n方向二：深度学习与序列建模\n设计 CNN/RNN/Transformer/GNN 等模型，处理高维、低频/高频序列、截面与图结构数据，进行模式识别、市场状态建模与因子挖掘。\n方向三：强化学习与决策智能\n构建基于模型/无模型、离线/分层 RL 智能体，开发组合优化、动态权重调整与订单执行策略；设计仿真环境与风险敏感优化目标。\n方向四：AI Agent / LLM 驱动量化研究\n基于大语言模型构建量化研究智能体，用于财报/公告/研报自动解读、新闻事件抽取、因子生成、策略代码生成、研究自动化与多智能体协作；使用 LangChain、AutoGen、CrewAI、Ray 等框架，结合 RAG、工具调用与记忆机制。\n方向五：图神经网络与关系建模\n研究产业链、供应链、资金流、持仓关联等图结构信息，开发 GNN 模型进行行业轮动、风险传染、关联预测与资产定价。\n方向六：生成模型与市场模拟\n使用扩散模型、VAE、GAN 等生成合成行情、压力测试场景与对手方行为模拟，提升训练数据多样性与策略鲁棒性。\n方向七：自动机器学习与因子挖掘\n用遗传规划、符号回归、AutoML、神经架构搜索等方法自动生成候选因子与模型，构建因子评估、去重、衰减监控与严格样本外验证体系。\n方向八：多模态与另类数据智能\n解析文本、图像、音频、卫星、传感器等非结构化数据，结合 NLP 与多模态模型提取有效信号，设计事件研究框架与辅助决策模型。\n方向九：模型压缩与低延迟部署\n负责模型量化、剪枝、蒸馏、导出 ONNX/TensorRT 等优化，降低推理延迟与资源占用；与交易系统团队协作，完成策略技术实现、系统集成与生产环境部署。\n方向十：基本面量化\n构建财务报表与产业链数据因子，清洗和标准化财务数据，开发多因子截面/时序预测模型，从单因子检验到完整因子库、组合优化与归因。\n方向十一：价量/技术分析量化\n研究市场微观结构、订单流与高阶技术指标，开发统计套利、趋势或反转策略，处理 tick/分钟级行情，构建事件驱动回测，设计交易成本模型验证容量。\n方向十二：期权波动率与衍生品定价\n研究隐含波动率曲面、波动率风险溢价、希腊值管理与波动率预测，开发波动率套利或做市对冲模型，接触 Black-Scholes、随机波动率等框架。\n方向十三：高频交易与执行算法\n研究订单簿动力学、市场冲击模型、最优执行和短线预测信号，设计低延迟策略与执行算法，处理高精度行情，研究成本、延迟和容量平衡。\n方向十四：商品/宏观量化\n针对大宗商品及宏观资产，研发基于供需平衡、库存、期限结构及经济周期的定价模型，构建基本面数据库，建立宏观因子与资产收益映射。\n方向十五：套利与做市\n设计统计套利、期现套利、跨期/跨品种套利模型，或开发做市报价与库存风险对冲策略，实现价差监控、协整检验和套利信号生成。\n方向十六：事件驱动与特殊情形\n基于公司事件，如财报、并购重组、指数调整、股东增持、评级变动等，构建事件驱动策略，研究事件冲击后的价格漂移和反转规律。\n方向十七：未列出但您感兴趣的任意AI量化细分领域。\n技术栈要求\n- 掌握 Python，能高效完成数据处理、模型实现和回测搭建。\n- 掌握概率统计与时间序列分析，能独立完成假设检验、回归分析、协整检验等。\n- 掌握 SQL 及常见关系型数据库；熟悉 Linux、Git、Docker。\n- 精通机器学习，如 XGBoost/LightGBM、scikit-learn、PyTorch/TensorFlow 等。\n加分项\n- 熟悉大模型/Agent 生态：LangChain、AutoGen、CrewAI、Ray、vLLM，或具备 LLM 微调经验，如 LoRA、RLHF、RAG。\n- 有推荐、广告、搜索、图像、语音、NLP、自动驾驶、风控等任一方向的实际项目经验。\n- 有量化研究、Kaggle、统计建模或数据分析项目经验。\n- 掌握高性能计算语言，如 C++、Rust、Go、Julia、OCaml 等，或函数式编程。\n- 能完成从数据清洗、信号合成、组合优化到实盘跟踪的全流程；熟悉至少一种回测框架或具备自研能力。\n- 具备严谨回测框架设计能力，理解前视偏差、幸存者偏差、过拟合控制和样本内外验证。\n- 熟悉模型压缩与部署，如 ONNX/TensorRT、量化、剪枝、蒸馏，或具备分布式训练、GPU/超算集群经验。\n我们提供\n1. 超越一线水平的薪酬，无上限激励体系——你的贡献决定回报。\n2. 稳定的 work life balance，多为 965，工作时间内预留自由空间供深度学习、探索兴趣、专注思考或放松休整。\n3. 宜人休息区、自营咖啡店，饮品零食全天候供应；员工健身中心、人体工学椅、高清多屏工作站。\n4. 强大 AI 超算集群，与顶尖技术团队并肩，参与极致量化系统研发。\n5. 名校精英与行业专家团队，导师一对一，丰富研究方向，每周技术分享。\n6. 员工基金、零成本分红、合伙人计划、季度特别贡献奖与丰厚年终奖。\n7. 餐补、房补、节日礼包、生日礼物、周年纪念礼品不断。\n认证资质\n人力资源服务许可证"
}