Amber Group versammelt sich für maschinelles Lernen im Kryptobereich

Die Amber Group, ein in Shenzhen ansässiges Kryptowährungsunternehmen, setzt auf maschinelles Lernen im Kryptobereich. Sie hat einen Neuzugang in ihren Reihen: Ein ehemaliger Mitarbeiter von Morgan Stanley wechselt zu dem Unternehmen in Shenzhen, um dort mit vier ehemaligen Kollegen wieder zusammenzuarbeiten. Dieses Wiedersehen markiert den Beginn einer neuen Ära.

Jeffrey Wang von Morgan Stanley Asia hatte sich die letzten drei Jahre vom Markt zurückgezogen. Er ist aber nicht eingerostet und plant, schnell wieder voll durchzustarten – zusammen mit seinen Kollegen. Vier von ihnen arbeiten wie er bei Morgan Stanley Asia (in China), während der fünfte, Thomas Zhu, als Entwickler bei Bloomberg LP tätig war.

Was den Rest des Teams betrifft, so haben Wayne Huo und Tony He die beiden ausgefallenen Positionen übernommen und berichten direkt an Jeffrey Wang über den aktuellen Stand der Dinge. Michael Wu, alias Tiantian Kullander, ist das letzte verbleibende Teammitglied.

Das Projekt begann 2015, als die sechs Beteiligten beschlossen, an ihrem Nebenprojekt bei der Amber Group zu arbeiten. Thomas Zhu von Bloomberg LP beschäftigt sich seit Langem mit maschinellem Lernen, was bereits verrät, wofür die Gruppe maschinelles Lernen im Kryptobereich einsetzen will. Kryptographie, Handel und die zugrundeliegende Idee sind äußerst innovativ.

Maschinelles Lernen im Kryptobereich

Das Unternehmen begann 2017 mit der Entwicklung eines Projekts zum maschinellen Lernen im Kryptobereich und arbeitet seitdem hauptberuflich daran. Laut Bloombergwird Vancouver der operative Standort für Jeffery Wang sein, der von dort aus die amerikanische Niederlassung der Amber Group leiten wird.

Die Amber Group ist von ihrer Innovationskraft überzeugt und möchte sicherstellen, dass sie den Markt nachhaltig prägt. Das Unternehmen erklärte, dass es maschinelles Lernen für den Handel nutzen möchte, obwohl dieses Konzept noch in den Kinderschuhen steckt.

Anwendungsspezifische integrierte Schaltungen (ASICs) werdenmaticGleichungen besser lösen können. Dies liegt an den Lernprozessen, die die maschinellen Algorithmen ermöglichen – sie verknüpfen ältere Probleme mit neueren und lösen sie so leichter.

Aktuell jede Mining-Hardware jede Gleichung einzeln betrachten und somit von Grund auf neu beginnen – es bleibt jedoch abzuwarten, ob dies umgesetzt wird. Die neueste Nachricht: Weltweit werden Trading-Bots eingesetzt, die den Handel übernehmen, während die Händler abwesend sind.