Alfa Connectome: Wunder Fund lanza competencia de ML con $13,600 en premios
Wunder Fund ha lanzado la competencia de aprendizaje automático Alfa Connectome, con un fondo de premios de $13,600 para crear modelos predictivos sobre datos comerciales reales.
Alfa Connectome: Competencia de ML de Wunder Fund
Ha comenzado una nueva competencia de aprendizaje automático de Wunder Fund, una empresa especializada en trading de alta frecuencia (HFT) con un volumen diario de más de $10 mil millones desde 2014.
La Tarea
Los participantes analizarán datos comerciales históricos para dos instrumentos financieros relacionados. El objetivo es construir un modelo que prediga los indicadores de movimiento de precios de uno de los instrumentos basándose en:
- Información del libro de órdenes (order book);
- Datos de transacciones;
- Metadatos adicionales.
Esencialmente, esta es una tarea clásica de investigación cuantitativa, que permite trabajar con datos reales de bolsa.
Detalles de la Competencia
- Fechas: 11 de septiembre — 15 de noviembre
- Fondo de premios: $13,600
Recompensas
Los ganadores recibirán:
- Premios en efectivo.
- Una invitación para una entrevista con Wunder Fund.
- Gran satisfacción intelectual y experiencia en el manejo de datos financieros complejos.
Por qué es importante
AnálisisEsta competencia ofrece una oportunidad única para que los científicos de datos y cuantitativos demuestren sus habilidades con datos financieros reales y potentially consigan un empleo en una firma líder de HFT.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Sobreajuste (Overfitting)
Problema fundamental del aprendizaje automático: el modelo se ajusta excesivamente al conjunto de datos de entrenamiento junto con su ruido específico, perdiendo la capacidad de generalización (Generalization) en nuevos datos. Análisis de la divergencia de funciones de pérdida, técnicas de regularización y Early Stopping en el código.
Cómo una fórmula de 1847 entrena ChatGPT: el descenso de gradiente de Cauchy
El método central para entrenar ChatGPT y las redes neuronales modernas fue propuesto por el matemático francés Augustin-Louis Cauchy en 1847 para calcular órbitas planetarias.
50 estilos de diseño visual: guía fundamental para sistemas de diseño, UI/UX y dirección de arte
Un diccionario visual completo de 50 estilos de diseño: análisis estético, paletas de color, combinaciones tipográficas, reglas para sistemas de diseño y control preciso de IA.
Parte I. Arquitectura de Agentes de IA: Fundamentos
Los once bloques constructivos fundamentales de un agente de IA: taxonomía de modelos, bucle de ejecución, ingeniería de prompts, destilación, skills, memoria, function calling y FinOps.