Старший аналитик-исследователь (Аналитический Хаб)

TL;DR

Старший аналитик-исследователь (Аналитический Хаб) (GenAI/LLM): Разработка мультиагентной GenAI-платформы для поддержки sell-side investment research с акцентом на прогнозирование финансовых и экономических трендов, построение R&D-прототипов и превращение исследовательских гипотез в production-ready инструменты. Фокус на проектировании архитектуры взаимодействия агентов, создании RAG-пайплайнов и разработке систем оценки качества с backtesting и time-based validation.

Компания

Сбер создает мультиагентную GenAI-платформу для поддержки аналитиков sell-side investment research.

Что делать

• 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, handoff, planner–executor, critic/reviewer, debate/consensus, evaluator–optimizer).
• Комбинировать LLM-подходы с классическими ML и time-series моделями: прогнозирование, nowcasting, кластеризация, аномалии, факторный и сценарный анализ.
• Реализовывать RAG-пайплайны и надежную оркестрацию (состояние, память, параллельное выполнение, повторные запуски, обработка ошибок, воспроизводимость), а также системы оценки качества (evals, метрики, backtesting, time-based validation, regression-тесты, trace-based анализ ошибок).

Требования

• Высшее образование по экономическому/финансовому/математическому направлению.
• 2–4 года 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 стеком DS: pandas, NumPy, scikit-learn, PyTorch или TensorFlow.
• Опыт с временными рядами, прогнозированием, backtesting и оценкой качества моделей.
• Практический опыт LLM/GenAI: prompt engineering, RAG, embeddings, vector databases, function/tool calling, structured outputs; понимание мультиагентных подходов и фреймворков LangGraph/LangChain.

Культура и преимущества

• Гибридный формат работы.
• Комфортный офис рядом с м. Ленинский проспект.
• Ежегодный пересмотр зарплаты и годовая премия.
• Расширенный ДМС и льготное страхование для семьи.
• Корпоративный спортзал и зоны отдыха; система обучения Сбера.
• Корпоративная пенсионная программа и льготы по ипотеке.

Процесс найма

• Оценка релевантного опыта в Data Science/GenAI и финансовой доменной экспертизы.
• Проверка практических навыков по разработке LLM/GenAI, RAG, мультиагентных систем и оценке качества моделей.
• Собеседования с фокусом на совместную работу с Research и смежными командами.

Локация: Москва (офис) — гибридный формат

Зарплата: 250 000 — 400 000 ₽/мес (до налогов)