Quantitative Researcher / Количественный исследователь (ML)
Мы ищем Quant Researcher в нашу ML-команду. Основной фокус — генерация альфы с применением машинного обучения. Это практическая роль: вы будете работать непосредственно с живыми рынками и стратегиями и самостоятельно отвечать за свой скоуп…
advantage solutions На сервисе с: 05.10.26 11:22
Обязанности:
- Переводить выходные данные ML-моделей в торговые сигналы и признаки (features)
- Комбинировать признаки, полученные с помощью ML, с существующими стратегиями для улучшения результатов и генерации альфы на рынках США, Японии и Китая — в маркетмейкинге по акциям и криптовалютам
- Применять ML-признаки в HFT
- Оценивать наборы признаков, сверять результаты бэктестов с показателями на реальных торгах, проводить эксперименты и оценивать практическое влияние ML-сигналов на PnL стратегии
- Отслеживать качество сигналов во времени; выявлять деградацию, переобучение или смену рыночного режима и предлагать корректирующие меры
Наши ожидания:
- 3+ лет опыта в квантовых исследованиях, алгоритмической торговле или смежной области
- Умение работать самостоятельно и доводить решения до результата без внешнего контроля
- Сильная математическая и статистическая база
- Уверенное владение Python, включая библиотеки для анализа данных и моделирования (pandas, scikit-learn и т.п.); опыт работы с AI-инструментами
- Прикладные навыки ML — классические методы, включая бустинг, классификацию, ансамбли моделей и feature engineering
Будет плюсом:
- Понимание механики low-latency систем: динамика стакана, качество исполнения, чувствительность к задержкам и микроструктура; опыт работы с латентно-чувствительными системами на уровне cloudbox и выше
- Навыки C++ для latency-чувствительных задач; знакомство с соответствующей инфраструктурой и инструментарием
Похожие вакансии Data Science & ML
Наша команда отвечает за автоматическую модерацию контента, обеспечивая его соответствие законодательству РФ и правилам маркетплейса. Много работаем с изображениями и текстами, используем современные подходы из NLP, CV и Multi-modal ML, а также активно внедряем их в production.
Вы будете
- Участвовать в составлении роадмапа разработки, проводить ресерч и формулировать гипотезы для решения задач.
- Заниматься полным циклом разработки моделей автомодерации контента.
- Работать с multi-modal данными: изображениями, текстами и таблицами.
- Разрабатывать эффективный и воспроизводимый код для обучения моделей.
- Оптимизировать модели, ускорять inference и улучшать бизнес-метрики.
- Делиться опытом с другими участниками команды, участвовать в код-ревью.
- Взаимодействовать с аналитиками, продактами и разработчиками сервисов.
Нам важно
- Уверенное знание Python и опыт разработки на нём.
- Понимание алгоритмов и структур данных.
- Практический опыт работы с PyTorch.
- Знание математической статистики, линейной алгебры и теории вероятностей.
- Отличные знания в области машинного обучения: классический ML и DL, способность объяснить принципы работы алгоритмов и выбрать подходящий для задачи.
- Практический опыт работы в задачах NLP и/или CV, знание современных архитектур (Transformers, CLIP и др.).
- Понимание принципов работы с большими данными, знакомство с такими инструментами как Hadoop, Spark, Airflow, SQL.
- Опыт ведения проектов: принятие технических решений, декомпозиция и распределение задач, координации разработки.
Команда синтеза речи делает такие продукты Яндекса, как перевод видео, аудиокниги, голос Алисы. В синтезе наступила эпоха перехода от low resource (даже для основных языков) к большим данным и претрейнам. Новые модели позволяют спеть известные песни вашим голосом и произнести любую фразу всего по нескольким секундам вашего голоса. Основа этих моделей — сотни тысяч часов качественных аудиоданных и текстов для них, которые нам предстоит собрать.
Работа с данными
Вам предстоит разрабатывать систему хранения действительно больших данных и доступа к ним для ML-разработчиков. В вашем распоряжении будут петабайты аудио, которые необходимо эффективно хранить и быстро обрабатывать.
Майнинг данных
Вы будете улучшать пропускную способность текущих пайплайнов сбора данных и масштабировать их для поддержки множества языков, работать с разнородными источниками и строить процессы майнинга аудиоданных.
Оценивание качества данных
Вам предстоит работать с процессами оценивания параметров данных, разрабатывать и применять ML-модели детекции шума, музыки, языка, нескольких голосов, синтетической речи, несовпадения текста и аудио. Эти оценки позволят отфильтровать данные и сделать наш синтез лучшим в мире.
Больше об ML в Яндексе — в канале Yandex for ML
* Пишете на Python
* Строили пайплайны сбора данных для ML
* Понимаете, как работать с большими объёмами данных
* Применяли на практике, а лучше — обучали ML-модели
* Мотивированны и готовы глубоко погружаться в область
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.