- Страна
- США
Откликайтесь
на вакансии с ИИ

Campus AI Research Engineer – Deep Learning (Full-Time)
Это исключительная возможность для выпускников (Campus) попасть в одну из самых престижных и технологически продвинутых компаний в мире трейдинга. Высокий балл обусловлен репутацией работодателя, сложностью задач и потенциально очень высокой компенсацией, несмотря на отсутствие точных цифр в описании.
Сложность вакансии
Высокая сложность обусловлена спецификой Jump Trading: компания ищет таланты с исключительными математическими способностями и глубоким пониманием Deep Learning для работы в высококонкурентной среде трейдинга. Процесс отбора обычно включает сложнейшие алгоритмические тесты и проверку знаний в области оптимизации нейросетей.
Анализ зарплаты
Для позиций начального уровня (Campus/Entry-level) в сфере AI Research в топовых торговых фирмах США, таких как Jump Trading, рыночная зарплата значительно превышает средние показатели по IT-сектору. Указанный диапазон отражает базовую часть без учета значительных бонусов, характерных для индустрии.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Jump Trading уже сейчас
Присоединяйтесь к команде Jump Trading и создавайте передовые ИИ-решения для глобальных рынков — подайте заявку прямо сейчас!
Описание вакансии
Company: Jumptrading
Title: Campus AI Research Engineer – Deep Learning(Full-Time)
Location: Chicago; New York
Date Posted: 2026-07-09T07:07:59.147842Z
Tags: Engineering, Crypto
View here: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Artificial Intelligence
- Python
- PyTorch
- Research
- Deep Learning
- TensorFlow
- Engineering
Возможные вопросы на собеседовании
Jump Trading работает с огромными объемами данных в реальном времени, где эффективность критична.
Как бы вы оптимизировали архитектуру трансформера для работы в условиях сверхнизкой задержки (low-latency)?
Проверка понимания фундаментальных принципов обучения моделей.
Объясните проблему исчезающего градиента и какие современные методы (кроме BatchNorm) наиболее эффективны для её решения в глубоких сетях?
Важно понимать, как кандидат справляется с шумом, характерным для финансовых данных.
Как вы подходите к проблеме переобучения (overfitting) при работе с временными рядами, имеющими низкое соотношение сигнал/шум?
Оценка практических навыков работы с инструментарием.
В чем разница между использованием PyTorch и TensorFlow при развертывании моделей в продакшн для высокочастотного трейдинга?
Проверка математической базы.