- Страна
- Сингапур
Cubist Data Scientist
Оценка ИИPoint72 (Cubist) — это элитный работодатель в сфере хедж-фондов с мировым именем. Вакансия предлагает работу с огромными объемами данных и передовыми технологиями, что обеспечивает отличные карьерные перспективы и профессиональный рост.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена жесткими требованиями к точности данных в финансовом секторе и необходимостью наличия магистерской степени. Работа предполагает управление инфраструктурой для торговли на миллиарды долларов, что требует исключительной ответственности.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата для Data Scientist в финансовом секторе Сингапура обычно выше среднего по рынку ИТ. Учитывая престиж Point72, можно ожидать компенсацию по верхней границе рыночного диапазона, включая значительные бонусы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
ROLE
We are passionate about data. We collaborate to build elegant, effective, scalable and highly reliable solutions to empower predictive modelling in finance.
Cubist’s Data Services (CDS) group is looking for a Data Scientist to join our dedicated data team. Our group is responsible for the timely delivery of comprehensive and error-free data to some of the most demanding and successful systematic Portfolio Managers in the world.
As a Data Scientist in the team, this individual will play a vital role in ensuring the smooth day-to-day implementation of a large research infrastructure, and the live production trading of billions of dollars of capital across global capital markets, including equities, futures, options and other financial instruments.
RESPONSIBILITIES
- Onboarding novel datasets from a huge variety of sources into our platform
- Develop, test and deploy data pipelines, applications and services
- Re-shaping, aggregating, enhancing and creating features from datasets
- Engaging with vendors and internal stakeholders to understand characteristics of datasets
- Defining and automating qualitative data alerts and reports
- Partnering closely with investment teams to ensure their data requirements are met
- Perform preliminary analysis and research to be shared with investment teams
REQUIREMENTS
- Masters in Financial Engineering, Statistics, Computer Science or other disciplines involving rigorous quantitative analysis
- Strong programming skills in Python and SQL
- Experience working with AWS, Linux and Airflow preferred but not required
- Financial industry experience preferred but not required
- Strong organization, communication and interpersonal skills
- Attention to detail and a love of processes
- Strong oral and written communication skills
- Ability to exercise sound judgment in assessing and determining how to handle queries, calls and issues
- Ability to multitask and prioritize assignments
- Commitment to the highest ethical standards
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- AWS
- Linux
- Airflow
- Data Pipelines
- Quantitative Analysis
- Statistics
- Financial Engineering
Возможные вопросы на собеседовании
Проверка навыков проектирования систем обработки данных, критически важных для этой роли.
Опишите ваш опыт разработки и развертывания масштабируемых конвейеров данных (data pipelines). С какими основными трудностями вы сталкивались?
Работа в Cubist требует глубокого понимания SQL для манипуляции сложными финансовыми данными.
Можете ли вы привести пример сложного SQL-запроса, который вы оптимизировали для повышения производительности при работе с большими наборами данных?
Позиция подразумевает взаимодействие с вендорами и инвестиционными командами.
Как вы подходите к оценке качества нового, незнакомого набора данных от внешнего поставщика? На какие метрики вы обращаете внимание в первую очередь?
В финансовой сфере ошибки в данных могут стоить миллионы, поэтому внимание к деталям критично.
Расскажите о случае, когда вы обнаружили критическую ошибку в данных до того, как она попала в продакшн. Как вы ее выявили и какие меры предприняли?
Хотя опыт в финансах не обязателен, понимание инструментов (фьючерсы, опционы) является преимуществом.
Каков ваш опыт работы с финансовыми инструментами, такими как акции, фьючерсы или опционы, и как вы учитываете их специфику при обработке данных?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
