Senior Quant/ML Researcher
Оценка ИИПривлекательная вакансия для опытных исследователей благодаря выплатам в стейблкоинах и системе profit sharing. Удаленный формат и оплата AI-подписок добавляют комфорта, хотя работа в криптосфере сопряжена с высокими рисками.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует сочетания глубоких знаний в машинном обучении и специфики крипторынков, а также способности работать полностью автономно. Высокий порог входа обусловлен необходимостью закрывать полный цикл ресерча самостоятельно.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в USDT/USDC соответствует международным стандартам для Senior Quant ролей. Учитывая систему profit sharing, совокупный доход может значительно превышать рыночные медианы для обычных ML-инженеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Senior Quant/ML Researcher *📈*
Продуктовая команда строит собственные алгоритмические торговые стратегии на крипторынках. Ищем кванта, который сам закрывает полный цикл ресерча.
Что важно:
• Senior-уровень в Quant/ML research
• Supervised Learning, статистика, оптимизация моделей (RL – сильный плюс)
• Python, PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna
• автономность – сами ставите гипотезу и сами доводите её до результата
Условия:
• удалёнка или гибрид
• фикс в USDT/USDC
• квартальный profit sharing от результатов стратегий
• оплачиваемый отпуск
• компания оплачивает AI-подписки
*📩* Откликаться: Откликнуться
*🔗* Больше вакансий NEWHR: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- PyTorch
- Scikit-learn
- CatBoost
- XGBoost
- Optuna
- Supervised Learning
- Reinforcement Learning
- Statistics
Возможные вопросы на собеседовании
Проверка способности кандидата самостоятельно находить закономерности в данных.
Опишите ваш процесс генерации и проверки гипотез для торговых стратегий: от сырых данных до бэктеста.
RL указан как сильный плюс, важно понять уровень владения этим инструментом.
В каких сценариях криптотрейдинга вы бы предпочли использовать Reinforcement Learning вместо классического Supervised Learning?
Важно для оценки качества моделей в условиях шума на финансовых рынках.
Как вы боретесь с переобучением (overfitting) при работе с нестационарными временными рядами крипторынка?
Проверка владения стеком, указанным в вакансии.
Расскажите о вашем опыте использования Optuna для оптимизации сложных ансамблей моделей. Какие целевые метрики вы обычно оптимизируете?
Оценка понимания рисков и специфики домена.
Как вы учитываете проскальзывание (slippage) и комиссии при оценке потенциальной прибыльности ML-модели?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
