Старший аналитик-исследователь (Аналитический Хаб)

Аналитическое управление инвестиционного банка развивает линейку GenAI- и ML-инструментов для аналитиков и клиентов банка. Центральный проект — мультиагентная система глубокого анализа макроэкономических и финансовых трендов, которая переводится из MVP в продакшн.

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придёт приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Чем предстоит заниматься:

• Ежедневное взаимодействие с секторными аналитиками, макроэкономистами, стратегами: погружение в research-воркфлоу, сбор требований, выявление областей для AI-автоматизации.
• Совместная валидация выходов AI-системы с доменными экспертами: фактологическая проверка, оценка качества рекомендаций, создание golden datasets. Оценка репутационных рисков AI-выходов в sell-side контексте.
• Презентация результатов и прототипов.
• Прототипирование новых AI-инструментов для research: автоматизация сбора данных, драфты аналитических заметок, мониторинг рыночных событий, сентимент-анализ новостного потока.
• Реализация компонентов мультиагентной системы под руководством CDSO: промпты для отдельных агентов, tool-calling-функции, коннекторы к источникам данных, парсеры финансовых документов.
• Работа над этапами RAG-пайплайна: подготовка аналитических отчётов, макроданных, новостных лент; чанкинг, эмбеддинги, индексация в векторной БД.
• Количественный анализ финансовых данных: временные ряды, макроиндикаторы, секторная статистика. Подготовка визуализаций и дата-продуктов для аналитиков.
• Участие в разработке прогнозных ML-моделей (временные ряды, регрессия) и их интеграции в оркестрацию с LLM-агентами.
• Анализ метрик качества, подготовка отчётов по результатам.

Для нас важно:

• высшее образование по экономическому/финансовому/математическому направлению
• Python (продвинутый: async, type hints, production-grade). Pandas, NumPy, matplotlib/plotly — как рабочие инструменты. scikit-learn / statsmodels
• опыт построения ML-моделей: временные ряды, регрессия, классификация. SQL на уровне сложных аналитических запросов
• знание LangGraph (графовые воркфлоу, state machines, checkpointing)
• знакомство с CrewAI, AutoGen. LLM API: Claude, GPT-4, open-source модели
• RAG: LangChain / LlamaIndex, векторные БД (pgvector, Pinecone, Weaviate), гибридный поиск, реранкинг
• понимание архитектуры мультиагентных систем: supervisor/worker, память агентов, модель-агностичные интерфейсы, MCP. Способность оценить архитектурное решение и аргументированно высказаться
• знание Docker, Git. Основы софтверной инженерии: тесты, CI/CD, code review.

Что мы предлагаем:

• комфортный офис рядом с м. Ленинский проспект
• гибридный формат работы
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• уникальная система обучения Сбера для профессионального и карьерного развития
• расширенный ДМС и льготное страхование для семьи
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера
• корпоративная пенсионная программа.