ML Quant Developer

Навыки

• API (интеграции)
• XGBoost / LightGBM / CatBoost
• Machine Learning
• Pandas
• Polars / Dask
• Python
• Статистика

О компании и продукте

• Мы ищем людей с сильным опытом в области машинного обучения для работы в области количественных исследований и инженерии признаков. Опыт в финансах не требуется — мы научим вас всему, от микроструктуры рынка до построения портфеля. Для нас важно, как вы думаете и ваша способность задавать правильные вопросы данным.

Задачи

• Формулировать и проверять гипотезы о рыночных неэффективностях — и оставаться честным, когда бэктест говорит «нет»
• Заранее думать о том, как прогнозы модели будут интегрированы в торговлю — направленные ставки, сходимость спредов или что-то другое
• Разрабатывать признаки с подлинной предсказательной силой, от классических статистических преобразований до обученных представлений
• Каждый признак — это гипотеза о рынке, закодированная в числе, и вы отвечаете за качество этого входа
• Работать с альтернативными данными, временными рядами и нелинейными зависимостями, чтобы находить сигнал там, где другие его не замечают
• Строить надежные в производстве конвейеры данных, а не только в блокноте
• Серьезное внимание к утечке данных
• В финансах будущее просачивается в прошлое неочевидными способами, и вы должны выявлять эти проблемы до того, как они аннулируют бэктест
• Прочный математический фундамент: статистика, теория вероятностей, стохастические процессы
• Хорошие навыки Python
• Опыт работы с pandas, polars или потоковой обработкой данных является плюсом
• Статистический склад ума: вы не просто применяете методы, вы понимаете их предпосылки, ограничения и режимы отказа
• Желательно иметь: Выпускник SHAD или аналогичной программы высшего уровня в технической или количественной области
• Опыт участия в олимпиадах по математике, физике или информатике
• Доказанные результаты в Kaggle или других соревнованиях по машинному обучению

Требования

• Что мы ищем: Опыт работы в производстве в области машинного обучения не менее 4 лет
• Глубокое понимание машинного обучения, не просто знание API, а четкое понимание, почему градиентный бустинг обычно превосходит трансформеры на табличных данных, когда байесовский подход лучше частотного и как выглядит утечка информации в контексте временных рядов
• Подтвержденный практический опыт работы как с глубоким обучением, так и с фреймворками градиентного бустинга — важное сильное концептуальное понимание внутренностей нейронных сетей
• Профессиональное владение английским языком на уровне B2 или выше

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.