Всем привет, ищу партнера/команду для решения кейсов по skype.
Доступного времени много.

Цель: Тренировка аналитического аппарата, восстановление когнитивных способностей после долгого простоя. Развитие софт скиллз/навыка работы в команде (10 лет работаю в соло[под ГД/ФД/Акционером])

О себе:
-30 лет
-М
-2 года в Big4 Аудит.
-8 лет решения практических кейсов, в том числе нестандартных. Большой опыт в операционном и финансовом анализе в RU индустрии.
-0 пройденных теоретических кейсов.
О вас:
-Вы имеете 2+ года работы в любой индустрии, желательно имеете опыт в Big3/Big4.
-Вы имеете опыт в решение теоретических кейсов.

kh7einz.bi7z@gma7il.com [Без 7]

Пишите!

Поделитись инсайтами по практике в фин. секторе - уровень компетенций, наличие и направление проектов, уровень качества результата, команда, активность набора, особые требования.

Заранее спасибо.

Думаю, что MBB действительно занимают большую часть рынка, но рынок ("пирог") явно имеет потенциал к расширению несмотря на текущую ситуацию и возможные ограничения.

С точки зрения T2:
1) ATK - все явно неплохо, проекты посстоянно есть, далеко не только в уже сильных топиках (operations, incl. procurement, logistics).
2) Accenture - есть понимание попыток ухода не в SAP и IT топики, но большая часть - продажа стратегий и т.д. как часть больших тех. проектов.

По другим компаниям соглашусь с тем, что уже было выше.

А откуда информация что RB мертв?

Всем привет! Я двигаюсь к своей цели - получить работу в hedge fund в качестве quantitative researcher.
...
Был бы признателен за любые советы, комментарии и критику. Все приветствуется.

делаешь список из пяти компаний, которые ты называешь "hedge fund". заходишь на сайты и смотришь требования в вакансиях. если раздела "карьера" нет, то идешь в linkedin и ищешь людей, работающих в этих компаниях. смотришь их профайлы и гуглишь их интервью/статьи. всё.

вот такой вот quantitative research.

Цитата: walkman_w902 от 08 Октябрь 2019, 10:02:42

Много ML, computer vision - зачем?

Это может быть как раз очень релевантно -- некоторые фонды активно делают NLP для анализа тональности текстов.

Мне кажется это больше data science, чем quantitative research. Последний связан с разработкой HFT стратегий, роботов для торговли, соответственно, ему больший упор нужен на стоханы, финансовую эконометрику, оптимизационные методы.
Я пока не очень представляю как NLP можно использовать для повседневного высокочастотного трейдинга.

Много ML, computer vision - зачем?

Это может быть как раз очень релевантно -- некоторые фонды активно делают NLP для анализа тональности текстов.

Мнение о том, что на стартовые позиции не берут после 25 лет неправильное, к сожалению.

к сожалению 

к сожалению 

к сожалению 

Почему это так смешно?

Не вижу SDE, временных рядов. Много ML, computer vision - зачем?

Я понимаю, что тут как в магазине сладостей - хочу это и это, и это, всё интересно, но закопаетесь ведь.

Всем привет! Я двигаюсь к своей цели - получить работу в hedge fund в качестве quantitative researcher. Мой текущий background в области прикладных математики и физики. Этим сентябрем поступил в магистратуру на Data Science. На программе свободный выбор курсов и я составил себе некоторый план. Я не уверен, что он полностью корректен и поэтому стараюсь понять для себя не упускаю ли я что-нибудь из виду, может быть стоит что-нибудь изменить (убрать или добавить). Был бы признателен за любые советы, комментарии и критику. Все приветствуется.

Before summer (first year of studies):

1. Efficient algorithms and data structures
2. Introduction to Data Science
3. Numerical linear algebra
4. Convex optimization and its application
6. Introduction to Computer Vision
7. Machine learning
8. Optimization methods
9. Stochastic methods in mathematical modeling
10. Geometrical methods of machine learning
11. Deep learning

After summer (second year of studies):

12. Bayesian methods of machine learning
13. Uncertainty quantification
14. Mathematical methods in engineering and applied science
15. Theoretical methods of deep learning
16. Neural natural language processing
17. Advanced statistical methods
18. Numerical modeling
19. Numerical methods in engineering and science
20. Natural language modelling and processing
21. Large scale optimization and applications
22. Matrix and Tensor factorizations