Data Developer

DRW est une société de négoce diversifiée avec plus de 3 décennies d'expérience qui réunit une technologie sophistiquée et des personnes exceptionnelles pour opérer sur les marchés du monde entier. Nous valorisons l'autonomie et la capacité à pivoter rapidement pour saisir les opportunités, c'est pourquoi nous opérons en utilisant notre propre capital et en négociant à nos propres risques.

Basée à Chicago et disposant de bureaux aux États-Unis, au Canada, en Europe et en Asie, nous négocions diverses catégories d'actifs, notamment les titres à revenu fixe, les FNB, les actions, les devises, les matières premières et l'énergie sur les principaux marchés mondiaux. Nous avons également tiré parti de notre expertise et de notre technologie pour nous développer dans trois stratégies non traditionnelles : l'immobilier, le capital-risque et les crypto-actifs.

Nous opérons avec respect, curiosité et ouverture d'esprit. Les personnes qui s'épanouissent ici partagent notre conviction que ce n'est pas seulement ce que nous faisons qui compte - c'est la façon dont nous le faisons. DRW est un lieu d'attentes élevées, d'intégrité, d'innovation et de volonté de remettre en question le consensus.

Nous recherchons un dévloppeur de données pour rejoindre notre équipe IA et stratégies systématiques multi-actifs. Cette équipe développe des outils et solutions basés sur l’IA et le machine learning qui soutiennent les équipes à travers l’entreprise ainsi que les chercheurs en IA. Vous concevrez des pipelines de données pour des systèmes RAG, optimiserez les flux d’embeddings et architecturerez des solutions évolutives pour gérer des données analytiques, relationnelles, structurées et non structurées. 

Responsabilités :

• Concevoir et développer des pipelines de données pour des systèmes RAG, incluant l’ingestion de documents, le découpage (chunking), la génération d’embeddings et le stockage vectoriel.
• Construire des pipelines d’ingestion pour des sources de données structurées et non structurées vers un "data lake" centralisé, en garantissant des données propres, normalisées et accessibles pour l’analytique, la recherche et les charges de travail en IA.
• Développer des "workflows" de traitement de données pour préparer et optimiser les ensembles de données destinés au fine-tuning et à l’inférence.
• Mettre en place des frameworks de monitoring et d’évaluation pour mesurer la qualité de la récupération, la latence et la performance des systèmes.
• Collaborer avec les ingénieurs ML afin d’optimiser les formats de données et les schémas de stockage pour l’inférence accélérée par GPU.
• Implémenter des stratégies de cache et des systèmes de versionnement des données pour améliorer l’efficacité du serving des modèles.