Мы ищем людей с сильным ML-бэкграундом, которые будут работать на стыке Quant Research и Feature Engineering. Опыт в финансах не обязателен — нам важно, как вы мыслите и какие вопросы задаёте данным.
Что делать:
- Формулировать гипотезы о неэффективностях и проверять их на данных.
- Заранее учитывать, как предсказания ML-модели будут применяться в реальных сценариях и как они будут влиять на последующие решения.
- Проектировать признаки, обладающие предсказательной ценностью: от классических статистических преобразований до learned representations.
- Работать с альтернативными данными, временными рядами, нелинейными зависимостями. Искать закономерности там, где остальные видят шум.
- Строить data-пайплайны, которые надёжно работают в продакшене.
Требования:
- Глубокое понимание ML: почему градиентный бустинг часто работает на табличных данных лучше трансформеров, когда байесовский подход бьёт частотный, и что такое утечка данных в контексте временных рядов.
- Практический опыт работы с deep learning и градиентным бустингом, а также хорошее понимание того, как работают нейронные сети.
- Сильная математическая база: статистика, теория вероятностей, стохастические процессы.
- Сильный Python. Опыт работы с потоковой обработкой данных будет плюсом.
- Английский язык на уровне B2 и выше.
Будет плюсом:
- ШАД или другая сильная техническая, финансовая или quant программа.
- Опыт участия в олимпиадах по математике, физике или информатике.
- Подтвержденные результаты на Kaggle или других ML-соревнованиях.
