Қысқаша сипаттама

QR Datalab мемлекеттік компанияларды дербес талдауға және инвестициялық идеяларды құруға қабілетті институционалды инвесторлар үшін AI агентін жасайды. Біз AI-native Product Manager-ді іздейміз, ол өнімді басқарып қана қоймайды, сонымен қатар Claude Code, Cursor және agentic workflows көмегімен фичиді өзі прототиптейді. Сіз күрделі аналитикалық процестерді жұмыс істейтін агент жүйелеріне айналдыра отырып, инвестициялық сараптама мен AI технологиялары арасындағы көпір боласыз.

Міндеттері

* AI агенті үшін product vision және roadmap қалыптастыру: қандай инвестициялық тапсырмаларды автоматтандырамыз, басымдықтарды қалай құрамыз, success-ті қалай өлшейміз * Claude Code, Cursor, Windsurf көмегімен жаңа мүмкіндіктерді жылдам прототиптеу — идеядан бірнеше апта емес, бірнеше күн ішінде жұмыс істейтін прототипке дейін * agentic workflows жобалау: қандай агенттер қажет (analyst agent, data agent, backtester agent), олар қалай өзара әрекеттеседі, мұнда адам циклде болады • LLM API-мен тікелей жұмыс істеу: өндірістік бағдарламаларды жазу және оңтайландыру, reasoning chains-пен тәжірибе жасау, әртүрлі модельдерді сынау (Claude, GPT-4, o1) * hedge fund analysts және portfolio managers-пен user research жүргізу: оларды түсіну workflow, ауырсыну, талдау сапасына қойылатын талаптар • dev командасы үшін product specs және user stories құру, бірақ техникалық іске асыруды терең түсініп • metrics framework құру: агенттің инвестициялық идеяларының сапасын қалай өлшеуге болады, accuracy predictions, user engagement • A/B әр түрлі prompt strategies және agent architectures тестілеу • әр түрлі prompt strategies және agent architectures арасындағы үйлестіру investment analyst '' (domain experts) және engineers - "қаржы тілінен" "AI тіліне" аударма

Талаптар

* Өнімді басқарудағы 10 + жылдық тәжірибе, жақсырақ fintech, B2B SaaS немесе AI өнімдерінде * Claude Code, Cursor, Windsurf немесе ұқсас AI-кодтау құралдарымен тәжірибелік даму тәжірибесі * Python-да кодты өз бетінше жазу мүмкіндігі: FastAPI endpoints, LLM APIs-пен жұмыс (Anthropic, OpenAI), негізгі деректер analysis • LLM agentic workflows: tool calling, multi-agentchchestration, ReAct pattern, chain-of-thought, memory systems туралы терең түсінік • Жақтауларды білу: LangChain/LangGraph, LlamaIndex, CrewAI немесе Custom agent systems құру тәжірибесі • қабілеттілік жұмыс прототиптерін жылдам жасаңыз: фичи идеясынан 1-2 күндік демоға дейін • түсіну инвестициялық талдаудың негіздері (немесе жылдам оқыту) - DCF, comp analysis дегеніміз не, 10-K қалай оқуға болады • technical stakeholders тәжірибесі және ML engineers-пен бір тілде сөйлеу қабілеті • күшті analytical skills: гипотезаларды тұжырымдау, эксперименттерді жобалау, нәтижелерді түсіндіру мүмкіндігі • ағылшын тілі-tech / product құжаттамасын еркін оқу * Self-driven: 0→1 Өнімнің белгісіздік жағдайында жұмыс істеу мүмкіндігі

Бұл үлкен плюс болады:

• LLM-мен идеядан өндіріске дейінгі AI өнімдерін іске қосу тәжірибесі • finance-те Background немесе investment tech-те жұмыс тәжірибесі • заманауи RAG architectures және vector databases-ті білу • prompt engineering frameworks (DSPy, LMQL) тәжірибесі • MLOps түсіну: LLM жүйелерін қалай сақтау және бақылау керек * GitHub-тағы AI жобаларының портфолиосы

Шарттар

* Бәсекеге қабілетті жалақы + equity (компанияның үлесі)-Сіз өнімнің co-builder боласыз • Astana Hub-тан қашықтан жұмыс немесе гибрид икемді кестемен * founder ' om, flat құрылымымен тікелей жұмыс, бюрократиясыз жылдам шешімдер * AI API (Claude, GPT-4, o1) және premium tools бойынша шексіз бюджет (Cursor Pro, GitHub Copilot) • доменді түсіну үшін қаржылық деректерге (Bloomberg, FactSet) қол жеткізу * тәжірибе жасау еркіндігі: жаңа модельдерді, фреймворктарды, тәсілдерді қолданып көріңіз * intersection ai × Finance-те санатты анықтау өнімін құру мүмкіндігі * hedge fund community-мен AI/fintech конференцияларына және networking-ке қатысу

Байланыс ақпараты

Email: akhmet.assyl@gmail.com

Жауап беру кезінде: * GitHub/портфолиоға AI жобаларының немесе prototypes мысалдарымен сілтеме • сіз жасаған prompt/agent workflow мысалы • case study: тоқсан сайынғы қоңырау қоңырауларын талдау үшін агентті қалай жобалайсыз?