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

Signaloid propose une plateforme informatique révolutionnaire conçue pour suivre dynamiquement les incertitudes des données tout au long des exécutions. En exploitant des calculs déterministes sur des représentations de distributions de probabilité en processeur, notre plateforme surpasse les méthodes Monte Carlo traditionnelles en offrant des accélérations et des réductions de coûts considérables. Disponible comme moteur basé sur le cloud avec une API d'exécution de tâches, Signaloid prend également en charge des implémentations sur place et sur matériel périphérique, garantissant un fonctionnement transparent même sans connexion cloud.

Notre plateforme se distingue comme la solution la plus rentable et la plus rapide pour les applications d'ingénierie de la quantification de l'incertitude. Que ce soit pour la tarification d'options et la modélisation de portefeuilles en finance ou la modélisation de matériaux et la simulation de la photonique en ingénierie, notre système surpasse les implémentations basées sur Monte Carlo fonctionnant sur des instances AWS EC2 haut de gamme par un ordre de grandeur ou plus.

Rejoignez une équipe d'ingénieurs anticonformistes ayant une vaste expérience en recherche, en ingénierie et en leadership, acquise chez des géants de l'industrie comme Apple, ARM, et Bell Labs, ainsi que dans des institutions prestigieuses telles que CMU, Cambridge, MIT, et Oxford. En savoir plus et essayer la plateforme informatique de suivi de l'incertitude de Signaloid en vous inscrivant gratuitement sur Signaloid Developer Platform.

En tant que mathématicien appliqué, vous collaborerez étroitement avec le fondateur et les équipes d'ingénierie de Signaloid. Votre mission : développer de nouvelles techniques mathématiques pour améliorer la capacité de notre plateforme à effectuer des calculs déterministes sur des représentations finies en processeur de distributions de probabilité. Ce rôle privilégie la recherche appliquée dans le cadre de livrables axés sur le produit et des délais.

• Créer de nouvelles variantes de représentations de distributions de probabilité à dimension finie.
• Travailler avec d'autres mathématiciens pour explorer les propriétés de ces représentations.
• Développer des implémentations robustes en C/C++, en veillant à ce qu'elles soient bien testées, documentées et prêtes pour le produit.
• Étendre et créer des limites analytiques et des preuves pour les représentations de distributions.
• Examiner l'impact des représentations de distributions dans divers domaines, de l'apprentissage automatique à la finance.
• Communiquer les résultats par le biais de la documentation interne, des publications de recherche publiques et des articles de blog.

Dans un délai d'un an, attendez-vous à assumer davantage de responsabilités dans le façonnement de l'avenir de la théorie des probabilités appliquées et des statistiques sur notre plateforme, à coopérer avec des chercheurs et à vous étendre dans des domaines mettant en valeur vos compétences exceptionnelles.

• Master ou doctorat en mathématiques appliquées ou dans une discipline connexe.
• Solide formation en probabilité, théorie de la mesure et statistiques.
• Recherche et publications éprouvées en mathématiques appliquées, sciences ou ingénierie.
• Capacités analytiques exceptionnelles et rapidité d'apprentissage.
• Expérience de la programmation en C/C++.
• Capacité à communiquer clairement des idées aux non-mathématiciens et à travailler avec les fonctions d'ingénierie.
• Honnêteté, empathie et compréhension fine des perspectives diverses.

• Forte formation en algèbre linéaire numérique.
• Expérience des équations différentielles stochastiques.
• Compréhension de l'incertitude dans les mesures et les systèmes conçus.
• Familiarité avec Python.

Nous privilégions des compétences de communication claires dans un environnement de travail à distance. Soumettez une lettre de motivation d'une page ou un extrait de code créatif fonctionnant sur notre plateforme. Les candidats retenus participeront à un processus d'entretien en plusieurs étapes comprenant un appel Zoom, un projet de codage et jusqu'à six entretiens avec les membres de l