О компании
Мы создаём мультиагентную GenAI-платформу для поддержки аналитиков sell-side investment research: анализа финансовых и макроэкономических данных, поиска сигналов, подготовки прогнозов, сценарного моделирования и формирования проверяемых исследовательских материалов.
Обязанности
- Разрабатывать мультиагентную систему для анализа и прогнозирования финансовых и экономических трендов
- Создавать и проверять R&D-прототипы: от идеи и proof of concept до production-ready решений
- Совместно с аналитиками превращать исследовательские гипотезы и бизнес-потребности в алгоритмы, агентов, инструменты и пользовательские сценарии
- Проектировать архитектуру взаимодействия специализированных агентов: routing, supervisor/manager, agent-as-tool, handoff, planner–executor, critic/reviewer, debate/consensus и evaluator–optimizer паттерны
- Комбинировать LLM-подходы с классическими ML- и time-series-моделями: прогнозированием, nowcasting, кластеризацией, выявлением аномалий, факторным и сценарным анализом
- Создавать RAG-пайплайны для работы с внутренними исследованиями, финансовой отчётностью, новостями, транскриптами звонков, макроэкономической статистикой и другими разрешёнными источниками
- Реализовывать надёжную оркестрацию: управление состоянием, памятью, параллельным выполнением, повторными запусками, обработкой ошибок и воспроизводимостью результатов
- Разрабатывать системы оценки качества: датасеты для evals, офлайн- и онлайн-метрики, backtesting, time-based validation, regression-тесты, trace-based анализ ошибок
- Работать совместно с командами Research, Data Engineering, ML Platform, Risk, Information Security и Compliance
Требования
- Высшее образование по экономическому/финансовому/математическому направлению
- От 2–4 лет опыта в Data Science, Machine Learning, NLP, GenAI или смежной роли
- Практический опыт в финансовой сфере: инвестиционный банкинг, asset management, sell-side/buy-side research, рынки капитала, макроэкономика, риск-менеджмент или fintech
- Уверенное владение Python и основным стеком DS: pandas, NumPy, scikit-learn, PyTorch или TensorFlow
- Опыт работы с временными рядами, прогнозированием, backtesting и оценкой качества моделей
- Практический опыт разработки LLM/GenAI-решений: prompt engineering, RAG, embeddings, vector databases, function/tool calling, structured outputs
- Понимание и практическое применение современных подходов к мультиагентным системам и фреймворков: LangGraph, LangChain
- Опыт работы с SQL, API, Docker; понимание облачной инфраструктуры будет преимуществом
Условия
- Комфортный офис рядом с м. Ле