Rejoignez une équipe qui construit le moteur de la recherche quantitative.
Nous développons une plateforme de données utilisée pour concevoir, tester et déployer des stratégies d'investissement quantitatives.
Notre équipe construit les briques essentielles permettant aux chercheurs et développeurs de travailler sur des données financières massives, fiables et historisées. La qualité de la plateforme est un facteur déterminant dans la performance des modèles et des stratégies développés.
Dans ce contexte, nous recherchons un(e) Senior Data Engineer pour concevoir et faire évoluer notre plateforme de données, utilisée quotidiennement par les équipes de recherche quantitative.
Missions :
Vous contribuerez directement à l'architecture, à la qualité et à l'évolution de notre écosystème data.
Vos principales responsabilités :
Concevoir et développer des pipelines de données robustes et performants.
Construire et maintenir des API permettant l'accès aux données et aux signaux calculés.
Développer et faire évoluer notre feature store.
Garantir la qualité, la traçabilité et la cohérence des données historiques.
Optimiser les performances de stockage et d'accès aux données.
Collaborer étroitement avec les équipes de recherche quantitative et de développement logiciel.
Participer aux choix d'architecture et aux évolutions de la plateforme.
Vous travaillerez sur des problématiques concrètes de volumétrie, d'historisation, de reproductibilité et de performance dans un environnement où la qualité des données est critique.
Hors périmètre v1 : pipelines de features ML au-delà des bases statistiques
Profil candidat:
Nous recherchons avant tout un(e) ingénieur(e) ayant une solide expérience de la construction de plateformes de données.
Vous avez idéalement :
5 ans d'expérience ou plus en Data Engineering.
Une excellente maîtrise de Python.
Une expérience significative de la conception de pipelines de données.
Une bonne compréhension des problématiques de qualité, historisation et gouvernance des données.
Une capacité à travailler de manière autonome sur des sujets complexes.
Seront particulièrement appréciées :
Une expérience sur des feature stores.
Une connaissance des problématiques point-in-time.
Une compréhension des biais de survivance et de la reproductibilité des données.
Une expérience dans la finance ou les données de marché.
Une expérience en finance quantitative constitue un plus mais n'est pas indispensable.
