Quantitative Analyst
Оценка ИИСбер предлагает одну из лучших сред для профессионального роста квантов в России с доступом к уникальным данным и передовым технологиям. Офисный формат в Москве компенсируется сильной командой и престижем компании.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена жесткими требованиями к академическому бэкграунду (ведущие вузы) и необходимости глубоких знаний в финансовой математике наряду с современными ML-технологиями (LLM, RL).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии зарплата не указана, однако для позиций Quantitative Analyst в Москве рыночный диапазон достаточно широк и сильно зависит от грейда. Указанные требования к образованию и стеку (LLM, RL) предполагают оплату выше среднего по рынку Data Science.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Quantitative Analyst в Сбер
*💰*По итогам собеседования
*📌*Условия и бонусы:
Фултайм, офис (МСК).
*📌*Наши ожидания:
– образование с математическим уклоном: предпочтительно (но не ограничиваясь) МКН СПбГУ, матфак ВШЭ, мех-мат МГУ, РЭШ, МФТИ, ИТМО и др.;
– понимание финансовой математики: знания в области теории вероятностей и случайных процессов, математической статистики и эконометрики;
– программирование: свободное владение Python (NumPy, Pandas, PyTorch);
– базовые знание ML/DL;
– классические методы ML, Deep Learning;
– современные генеративные модели / RL-алгоритмы
архитектуры и принципы LLM.
*✍🏼*Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- NumPy
- Pandas
- PyTorch
- Machine Learning
- Deep Learning
- Reinforcement Learning
- LLM
- Statistics
- Econometrics
Возможные вопросы на собеседовании
Проверка фундаментальных знаний, необходимых для моделирования финансовых инструментов.
Расскажите о применении леммы Ито в контексте ценообразования производных финансовых инструментов.
Оценка навыков работы с временными рядами и эконометрическими моделями.
Как вы будете бороться с нестационарностью временных рядов при построении прогнозных моделей?
Проверка понимания современных архитектур, указанных в требованиях.
В чем заключаются основные сложности обучения RL-агентов в задачах оптимизации портфеля по сравнению с классическим ML?
Оценка практических навыков оптимизации вычислений.
Как оптимизировать использование памяти в PyTorch при работе с большими графами вычислений или LLM?
Проверка статистической грамотности.
Что такое «проклятие размерности» и как оно влияет на выбор методов регуляризации в ваших моделях?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
