Applied Mathematician (Probability, Measure Theory, and Statistics) (GB)

Signaloid ofrece una plataforma informática revolucionaria diseñada para rastrear dinámicamente las incertidumbres de datos a lo largo de las ejecuciones. Aprovechando cálculos deterministas en representaciones de distribuciones de probabilidad en el procesador, nuestra plataforma supera los métodos tradicionales de Monte Carlo proporcionando aceleraciones y reducciones de costos significativas. Disponible como un motor basado en la nube con una API de ejecución de tareas, Signaloid también admite implementaciones locales y en hardware perimetral, asegurando una operación sin problemas incluso sin una conexión en la nube.

Nuestra plataforma se destaca como la solución más rentable y rápida para aplicaciones de cuantificación de incertidumbre en ingeniería. Ya sea en la valoración de opciones y modelado de carteras en finanzas o en el modelado de materiales y simulación de fotónica en ingeniería, nuestro sistema supera a las implementaciones basadas en Monte Carlo ejecutándose en instancias de AWS EC2 de alta gama por un orden de magnitud o más.

Únase a un equipo de ingenieros contrarios con amplia experiencia en investigación, ingeniería y liderazgo en gigantes de la industria como Apple, ARM y Bell Labs, así como en instituciones prestigiosas como CMU, Cambridge, MIT y Oxford. Obtenga más información y pruebe la plataforma informática de seguimiento de incertidumbres de Signaloid registrándose gratis en Signaloid Developer Platform.

Como Matemático Aplicado, colaborarás estrechamente con el fundador de Signaloid y los equipos de ingeniería. Tu misión: desarrollar nuevas técnicas matemáticas para mejorar la capacidad de nuestra plataforma de realizar cálculos deterministas en representaciones de distribuciones de probabilidad en el procesador con dimensiones finitas. Este rol prioriza la investigación aplicada dentro de entregables y plazos centrados en el producto.

• Crear nuevas variantes de representaciones de distribuciones de probabilidad de dimensión finita.
• Trabajar con otros matemáticos para explorar las propiedades de estas representaciones.
• Desarrollar implementaciones robustas en C/C++, asegurando que estén bien probadas, documentadas y listas para el producto.
• Extender y crear límites y pruebas analíticas para representaciones de distribuciones.
• Examinar el impacto de las representaciones de distribuciones en varios dominios, desde aprendizaje automático hasta finanzas.
• Comunicar los hallazgos a través de documentación interna, publicaciones de investigación pública y publicaciones en blogs.

En el transcurso de un año, espera asumir más responsabilidad en la configuración del futuro de la teoría de la probabilidad aplicada y la estadística en nuestra plataforma, colaborar con investigadores y expandirte a áreas que muestren tus habilidades excepcionales.

Requisitos

Habilidades y Experiencia Mínimas

• Grado de maestría o doctorado en matemáticas aplicadas o una disciplina relacionada.
• Sólidos antecedentes en probabilidad, teoría de la medida y estadística.
• Investigación y publicaciones probadas en matemáticas aplicadas, ciencias o ingeniería.
• Capacidades analíticas excepcionales y rápida capacidad de aprendizaje.
• Experiencia en programación en C/C++.
• Capacidad para comunicar ideas claramente a personas no matemáticas y trabajar en diversas funciones de ingeniería.
• Honestidad, empatía y una comprensión aguda de perspectivas diversas.

Habilidades y Experiencia Deseables

• Sólidos antecedentes en álgebra lineal numérica.
• Experiencia con ecuaciones diferenciales estocásticas.
• Comprensión de la incertidumbre en mediciones y sistemas ingenieriles.
• Familiaridad con Python.

Priorizamos habilidades de comunicación clara en un entorno de trabajo remoto. Envíe una carta de presentación de una página o un fragmento de código creativo que funcione en nuestra plataforma. Los solicitantes exitosos pasarán por un proceso de entrevista de varias etapas que incluye una llamada por Zoom, un proyecto de codificación y hasta seis entrevistas con los miembros del equipo principal.

• Entorno de trabajo remoto y flexible.
• Colaboración internacional en equipo con sesiones periódicas en persona.
• Compensación competitiva con bonificaciones anuales y sem