Описание
Мы — алгоритмическая трейдинговая компания, строящая систематические торговые стратегии для финансовых рынков. Наша работа объединяет исследование финансовых рынков, анализ данных, бэктестинг и практическую разработку стратегий. Мы ищем Data Engineer, который возьмёт на себя слой данных для исследований и бэктестинга: сбор, валидацию, хранение и обработку больших объёмов рыночных данных, а также обеспечение корректной и быстрой работы всего, что строится на их основе.
Задачи
•Проектировать, строить и поддерживать пайплайны данных для сбора, очистки, валидации и хранения больших объёмов рыночных данных.
•Отвечать за качество данных: обнаружение пропусков, дедупликация, целостность временных меток, сверка между источниками и автоматизированная валидация.
•Профилировать и оптимизировать критичный по производительности код: векторизация, организация памяти, чанкинг, JIT-компиляция, параллелизм и эффективные форматы хранения.
•Строить и поддерживать датасеты и наборы фичей, используемые для бэктестинга и машинного обучения.
•Поддерживать работу с ML целиком: feature engineering, подготовка датасетов, пайплайны обучения и оценки, защита от утечки данных.
•Самостоятельно анализировать данные, применять статистические и математические методы, искать закономерности, приносить гипотезы и предложения исследовательской команде.
•Писать чистый, протестированный, воспроизводимый Python код и применять надёжные инженерные практики: модульный дизайн, контроль версий, код-ревью и документацию.
•Работать с SQL базами данных: проектировать схемы, писать сложные запросы и оптимизировать их.
•Исследовать новые инструменты, библиотеки и подходы, честно их оценивать и предлагать те, что стоит внедрить.
•Чётко сообщать находки как техническим, так и нетехническим членам команды.
Требования
•Степень бакалавра в области компьютерных наук, инженерии, математики, статистики, data science или смежной количественной дисциплины.
•Не менее 2 лет релевантного профессионального опыта в data engineering, software engineering, data science или аналогичной области.
•Твёрдые основы software engineering: структуры данных, алгоритмы, анализ сложности, чистый и модульный код, тестирование и контроль версий.
•Практический опыт работы с большими датасетами (миллионы строк и больше), включая данные, не помещающиеся в память.
•Глубокое практическое понимание производительности: умение профилировать код, определять, является ли узкое место CPU, памятью или I/O, и устранять его. Векторизация, батчинг, параллелизм и эффективные форматы данных — рабочие инструменты, а не теория.
•Сильные навыки Python и владение стеком обработки данных: pandas, NumPy, numba.
•Сильные навыки SQL: сложные join'ы, агрегации, оконные функции, индексация и оптимизация запросов.
•Уверенное владение Linux, Docker, облачной инфраструктурой и CI/CD.
•Базовые знания статистики: описательная статистика, вероятность, распределения, дисперсия, корреляция, выборка, основы проверки гипотез.
•Знание машинного обучения на уровне, достаточном для поддержки исследователей: классические алгоритмы (линейная и логистическая регрессия, деревья решений, случайный лес, градиентный бустинг, кластеризация) и понимание, когда и почему каждый из них подходит. Знание ключевых практик (train/validation/test разбиение и кросс-валидация) и классических ошибок, таких как переобучение и утечка данных.
•AI-assisted coding: LLM-инструменты для написания кода и исследований уже часть повседневной работы, с умением проверять то, что они выдают, а не доверять им вслепую.
•Сильное аналитическое мышление и подлинный интерес к работе с математическими методами, исследованию данных и research — это самый важный критерий для нас.
•Способность работать самостоятельно и брать на себя ответственность: доводить проблему от размытого вопроса до готового, проверенного результата без тесного контроля.
•Инициативность и исследовательские способности: разбираться в незнакомых задачах, формировать собственное мнение и предлагать идеи, а не ждать указаний.
Будет плюсом
•Более глубокие статистические методы: проверка гипотез на реальных данных, контроль множественного тестирования и false-discovery, бутстрап и методы ресемплинга, статистика временных рядов.
•Опыт применения машинного обучения к шумным данным с низким соотношением сигнал/шум.
•Базовое понимание финансовых рынков, торговых концепций и торговых данных, любой практический опыт работы с рыночными или крипто данными.
•Опыт работы с инструментами оркестрации или workflow (Airflow, Prefect, Dagster) — полезно, но не обязательно.
•Осведомлённость о подводных камнях исследований данных: look-ahead bias, утечка данных, survivorship bias и нереалистичные допущения.
Условия
•Работа в одной из первых алгоритмических трейдинговых компаний корпоративного уровня в Азербайджане.
•Владение слоем данных реальной исследовательской и торговой системы с нуля.
•Решение реальных задач производительности в масштабе, где оптимизации измеряются часами, сэкономленными каждый день.
•Прямое влияние на направление исследований: ваши находки и предложения формируют, что тестируется дальше.
•Тесная работа с квантовыми исследователями и разработчиками стратегий в небольшой, быстро развивающейся команде внутри быстрорастущей компании.
•Возможности профессионального роста и карьерного продвижения.
•Частная медицинская страховка.
•Обед, напитки, снеки и фрукты за счёт компании.
•Офис в центре города с современными удобствами, включая игровую комнату и зоны для сна.
•График работы: 5 дней в неделю с 10:00 до 19:00 (обед с 13:00 до 14:00). Четыре дня в офисе, один день (пятница) можно работать из дома.
