Data Scientist / ML Engineer

Я управляю собственным капиталом, а также капиталом в формате friends & family. Ищу амбициозного и работоспособного студента последних курсов (3–4 курс или магистратура), который испытывает настоящую страсть к программированию, данным и финансам.

Фокус роли — Machine Learning / Deep Learning (ML/DL) для рынков: построение моделей, эксперименты, проверка гипотез и дисциплинированная исследовательская работа. Если по результатам получится стабильная, работающая стратегия, возможен profit sharing. Важны инициативность, самостоятельность и сильная трудовая дисциплина. Участие в олимпиадах/соревнованиях — большой плюс.

Обязанности

• Участвовать в R&D по применению ML/DL в алготрейдинге: формулировка гипотез, эксперименты, оценка результатов.

• Подготовка данных для моделей: сбор, очистка, формирование признаков, корректное разбиение по времени.

• Реализация и обучение моделей: нейронные сети (Deep Learning): например LSTM/GRU, возможно CNN/Transformer-подходы (по задаче).

• Построение воспроизводимых экспериментов: фиксировать параметры, версии данных, результаты, делать краткие отчёты.

• Прототипирование торговых сигналов на основе модели и базовая проверка на исторических данных (backtesting / validation).

• Реализация и поддержка работы стратегий на реальном счете

• Поддержка порядка в коде и проекте: аккуратная структура, понятные комментарии, Git.

Требования

Обязательные:

• технарь: CS/Math/Applied Math/ML/Data/Engineering/Physics

• Уверенный Python (умение писать чистый рабочий код, разбираться в чужом, доводить задачу до результата).

• База в ML: понимание обучения/валидации, метрик, переобучения, что такое признаки/таргет.

• Практический интерес и готовность работать именно с нейросетями (DL).

• Самостоятельность, инициативность, дисциплина: регулярная работа и ответственность за результат.

Желательно (сильно повышает шанс):

• Опыт с временными рядами (time series), прогнозированием, классификацией режимов рынка.

• Понимание базовых ошибок в трейдинговых данных (утечки, смещения, влияние комиссий).

• Участие в олимпиадах, хакатонах, соревнованиях (включая Codeforces/ICPC, Kaggle и т.п.).

• Портфолио: GitHub/проекты/ноутбуки/соревновательные решения.

Условия

• Формат: part-time (ориентир 15–25 часов в неделю), удалённо.

• Гибкий график: важно регулярно выполнять задачи и соблюдать дедлайны.

• Оплата: фикс + бонус по результатам (обсуждается).

• Profit sharing: при появлении подтверждённо работающей стратегии возможна доля от прибыли (индивидуально).

• Рост: работа “на реальных задачах”, быстрый рост ответственности при сильных результатах.