Стажер (Intern)-исследователь в области нейронных сетей (Python, LSTM/GRU/RNN)

Вакансия: Помощник исследователя в области нейронных сетей (стажер)

Описание: Мы ищем кандидата, который будет помогать в исследовании нейронных сетей, таких как LSTM, с целью поиска закономерностей и предсказания цен.

Важно учесть, что это стажировка, и одной из главных целей является получение опыта и знаний, которые могут быть полезными для в том числе студента в его будущей карьере. Таким образом, хотя зарплата может быть меньше, чем на аналогичных позициях для специалистов с опытом, студенты могут рассматривать такую работу как инвестицию в свое образование и профессиональное развитие.

Обязанности:

- Разработка кода на Python для анализа и обработки данных

- Исследование моделей рекуррентных нейронных сетей (RNN), долгосрочной краткосрочной памяти (LSTM) и других подходов к обработке временных рядов

- Участие в обсуждении результатов исследований и предложение идей для улучшения моделей

Требования:

- Знание Python 3 и основ работы с библиотеками Pandas и NumPy

- Базовые знания в области машинного обучения и нейронных сетей

- Готовность учиться и развиваться в данной области

Условия:

• Гибкий график работы, возможность совмещать с учебой в т.ч.
• 2-4 рабочих часа в день, с возможностью увеличения при успешном выполнении задач

Тестовое задание:

Цель: разработать скрипт для сбора и обработки данных с использованием API Binance и прогнозирования временных рядов с помощью LSTM-модели.

Этапы выполнения задания:

1. Изучить документацию RESTful API Binance (https://binance-docs.github.io/apidocs/spot/en/) и написать скрипт на Python с использованием библиотеки Requests, чтобы получить данные о котировках криптовалют. Сохранить полученные данные в формате CSV.

2. Загрузить полученный CSV-файл с данными в Python с использованием библиотеки Pandas и выполнить предварительную обработку данных (например, удаление пропусков, преобразование даты и времени, масштабирование).

3. С использованием библиотеки NumPy, разделить данные на обучающую и тестовую выборки.

4. Создать и обучить LSTM-модель с использованием библиотеки Keras или TensorFlow на основе подготовленных данных. Подобрать архитектуру и гиперпараметры модели, чтобы достичь наилучшего качества прогнозирования.

5. Оценить качество модели на тестовой выборке, используя подходящие метрики, такие как среднеквадратичная ошибка (MSE) или средняя абсолютная ошибка (MAE).

6. Визуализировать предсказания модели для тестовой выборки на графике с помощью библиотеки Matplotlib или Plotly. Вывести график с предсказанием на час вперед от последних полученных данных.

Требования к выполнению задания:

Использовать Python 3.x и стандартные библиотеки, такие как Requests, для работы с API Binance

В качестве хранилища данных использовать файлы в формате CSV

Для обработки и подготовки данных использовать библиотеки Pandas и NumPy

Для создания и обучения LSTM-модели использовать библиотеку Keras или TensorFlow

В качестве инструмента для визуализации результатов использовать библиотеку Matplotlib или Plotly

Качество/точность предсказания не является основным критерием оценки выполнения задания, но стажер должен стремиться к наилучшему результату

Стараться уложиться в 200 строк кода.

Важно отметить, что успешный кандидат должен быть готов учиться и развиваться в данной области, так что некоторые навыки могут быть освоены в процессе работы.

- Для отправки выполненного тестового задания соискатель может использовать один из следующих способов:

Электронная почта: Отправить выполненное задание в виде архива (ZIP или RAR) или отдельными файлами (Python скрипт и CSV файл) на указанный в описании вакансии адрес электронной почты. В теме письма указать "Тестовое задание - Стажер-исследователь в области нейронных сетей".

Сервисы облачного хранения: Загрузить выполненное задание на платформу облачного хранения данных (например, Google Drive, Dropbox или OneDrive) и отправить ссылку на файлы через электронную почту или указанный в описании вакансии способ связи.

Репозиторий на GitHub: Создать репозиторий на GitHub, загрузить в него выполненное задание (Python скрипт и CSV файл), а затем отправить ссылку на репозиторий через электронную почту или указанный в описании вакансии способ связи.

Доступно соискателям с инвалидностью Доступно соискателям от 14 лет

Английский — A1 — Начальный

Задайте вопрос работодателю

Он получит его с откликом на вакансию

Где располагается место работы?Какой график работы?Вакансия открыта?Какая оплата труда?Как с вами связаться?Другой вопрос

Откликнуться

​