Alfa Connectome: Wunder Fund lança competição de Machine Learning com prêmio de US$ 13.600
A Wunder Fund iniciou a competição Alfa Connectome, oferecendo um pool de prêmios de US$ 13.600 para o desenvolvimento de modelos preditivos baseados em dados reais de negociação.
Alfa Connectome: Competição de ML pela Wunder Fund
Uma nova competição de aprendizado de máquina foi lançada pela Wunder Fund, empresa especializada em trading de alta frequência (HFT) que registra um volume diário superior a US$ 10 bilhões desde 2014.
A Tarefa
Os participantes analisarão dados históricos de negociação de dois instrumentos financeiros relacionados. O objetivo é construir um modelo que preveja indicadores de movimento de preço de um dos instrumentos com base em:
- Informações do livro de ofertas (order book);
- Dados de transações;
- Metadados adicionais.
Essencialmente, trata-se de uma tarefa clássica de pesquisa quantitativa, permitindo que os participantes trabalhem com dados reais de bolsa.
Detalhes da Competição
- Datas: 11 de setembro a 15 de novembro
- Pool de Prêmios: US$ 13.600
Recompensas
Os vencedores receberão:
- Prêmios em dinheiro.
- Convite para entrevista com a Wunder Fund.
- Satisfação intelectual significativa e experiência no manuseio de dados financeiros complexos.
Por que isso importa
AnáliseEsta competição oferece uma oportunidade única para cientistas de dados e quants demonstrarem suas habilidades com dados financeiros do mundo real, podendo garantir emprego em uma das principais empresas de HFT.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Overfitting
Problema fundamental do aprendizado de máquina: o modelo ajusta-se excessivamente ao conjunto de dados de treinamento, incluindo seu ruído específico, perdendo a capacidade de generalização (Generalization) em novos dados. Análise da divergência das funções de custo, técnicas de regularização e Early Stopping no código.
Como uma fórmula de 1847 treina o ChatGPT: a descida do gradiente de Cauchy
O método central de treinamento do ChatGPT e das redes neurais modernas foi proposto em 1847 pelo matemático francês Augustin-Louis Cauchy para calcular órbitas planetárias.
Roadmap: Machine Learning in 2026
Machine learning in 2026 is not a collection of isolated algorithms and models. It is an end-to-end process: from understanding data and mathematics to building autonomous systems capable of planning, making decisions, and acting in real-world environments.
Machine Unlearning
Tecnologia para a remoção cirúrgica de conhecimentos específicos, dados privados de usuários ou materiais com direitos autorais restritos dos pesos de uma rede neural já treinada. Permite que as empresas cumpram os requisitos da lei do \"direito ao esquecimento\" (GDPR) sem o custo catastrófico de um retreinamento completo do modelo.