Как мы нашли Architect of Autonomous Research Platform для 42.
Валерия
Lead IT recruiter in Lucky Hunter
Вероника
Sourcing IT Specialist in Lucky Hunter
О компании
42. – молодой исследовательский стартап, который создает фундаментальные ML‑модели для анализа финансовых рынков. Научное руководство осуществляет профессор из Université de Montréal и Mila – Quebec AI Institute, а команда инженеров и исследователей реализует амбициозные R&D-проекты.
< 20
Сотрудники
Канада
Штаб-квартира
ML-модели для финансового анализа
Главная фича
Это не первое наше сотрудничество с 42. Мы в Lucky Hunter специализируемся на deep tech найме, поэтому умеем находить экспертов под задачи, где стандартные фильтры и подходы просто не работают.
Редкие кадры: как мы нашли 3 Low-Level инженеров для 42.
Точка входа
42. решили строить HFT-направление без классического найма команды квантов, а сразу автоматизировать весь цикл с помощью AI-агентов: от генерации торговых идей до их проверки, запуска и оптимизации. Поэтому искали не обычного ML Researcher, а архитектора, способного собрать такую систему с нуля.
Кого искали:
- LLM-архитектуры: RAG, fine-tuning, prompt engineering, evaluation frameworks
- Multi-agent системы: оркестрация, память, tool use, коллаборация агентов
- Опыт создания auto-researcher / co-scientist систем – автономных research-агентов, ассистирующих учёным или аналитикам
- Сильный Python и ML-стек: PyTorch, JAX
- Экспериментальный дизайн и статистика для нестационарных, шумных сред
- Системное мышление – абстракции, интерфейсы, пайплайны, а не только модели
- Английский B2+
- Плюсом: опыт в HFT/MFT, низколатентные системы
Челлендж:
Основная сложность была в самом сочетании требований: нужен был человек с подтвержденным опытом построения автономных research-агентов или AI-систем, ассистирующих учёным и аналитикам – таких на рынке единицы. Готового технологического пути тоже не было: подобные системы на рынке только начали появляться, ориентироваться было не на что. Опыт в трейдинге был большим плюсом, но не обязательным условием – он давал кандидату лучшее понимание среды, для которой строится система.
Метод Lucky Hunter
Стратегия строилась на уже накопленном контексте: к моменту появления роли у нас была раскрученная воронка по LLM/AI-агентам для 42. с несколькими “теплыми” кандидатами по смежным поискам. Мы пересмотрели профили через призму новой роли и нашли нужного человека: кандидат из другой воронки уже строил co-scientist систему для обработки гипотез и имел опыт в трейдинге.
В 42. кандидат прошел всего два интервью с CPO и фаундером, после чего сразу получил оффер. Вакансия предполагала переезд в Амстердам или Дубай, но для такого редкого профиля 42. согласовали удаленную работу из Испании.
В 42. кандидат прошел всего два интервью с CPO и фаундером, после чего сразу получил оффер. Вакансия предполагала переезд в Амстердам или Дубай, но для такого редкого профиля 42. согласовали удаленную работу из Испании.
1,5 месяца
от начала поиска до оффера
105
резюме обработано
1
вакансия закрыта
Результаты
ML Researcher с редкой экспертизой: где мы искали и как нашли 3-х экспертов для 42.
Что дальше
Архитектору предстоит построить framework для оркестрации агентов, систему alpha memory, которая фиксирует гипотезы и результаты, и слой falsification-first проверки, отсекающий ложную альфу до вывода стратегии в реальные деньги.
У нас была раскрученная воронка по LLM/AI-агентам. Я сразу увидела, что у кандидата был подходящий опыт: на прошлом месте он строил систему, похожую на co-scientist, и вдобавок раньше работал в трейдинге. Ну и сами 42. были быстрыми и гибкими – согласовали удалёнку из Испании для такого редкого профиля.
Отзыв рекрутера
Валерия
Lead IT recruiter in Lucky Hunter
Поделиться
Свежие кейсы