Разработка машинного обучения — удалённая работа в Москве

Создание сайта для общения с обучающимся с использованием технологии RAG и GigaChat на основе учебной информации - тексты и графы знаний (онтологии).

Анализ финансовых данных по криптовалютам за последние 3-5 лет. Выявление линейных зависимостей (и не только) с графиками. Важен опыт в трейдинг и знание технических индикаторов. Требуется разработка модели машинного обучения на исторических криптовалютных данных (BTC, ETH и ликвидные альты) с таймфреймами от 1 часа до 1 дня для применения в стратегиях возврата к среднему (mean reversion) и продолжения тренда (trend following). Цель — определить наличие предсказательной способности в данных и возможность построения на её основе прибыльной стратегии. Необходимо провести полный цикл работы с данными: предобработка, формирование признаков (доходности, волатильность, лаги, технические индикаторы), а также исследовательский анализ с визуализациями (корреляции, распределения, зависимости признаков от будущей доходности, автокорреляции) и проверкой эффектов MR и трендовости. Модель должна быть реализована на Python с использованием как базовых, так и продвинутых алгоритмов (например, градиентный бустинг). Обязательно корректное разбиение данных (без утечки) и валидация, включая out-of-sample тест. Ключевая часть — бэктест стратегии на основе сигналов модели с учетом комиссий OKX. Необходимо предоставить метрики (PnL, Sharpe, просадка, winrate), а также визуализации (equity curve и др.) и пример результатов на тестовых данных. Результат — код и аналитический отчёт с выводом о наличии альфы и сравнением подходов (mean reversion vs trend following).

AI агент маркетинг.

Требуется ML-инженер / разработчик для реализации двух ML-контуров. У нас есть готовое техническое задание (ТЗ) — нужно чистое выполнение под ключ. Прикрепляю ТЗ, ждем предложения по цене и срокам работы.

Есть конкретное задание. Его необходимо выполнить и объяснить мне логику выполнения. Критерии приемки описаны в файле.

Помочь обучить ml модель Данные готовы, нужно подобрать оптимальные параметры, добиться более высокого precision и recall Данные на руки дать не могу Сложность в том, что надо предсказать маленький процент (1-2%).