Live-данные · обновлено 23 июня 2026

Навыки квант-исследователя: что требуют работодатели

На основе 10 вакансий — частотность навыков, разбивка по грейдам, связки технологий.

ЕТ Евгений Тишкин · Технический редактор · Quantitative developer
Навыков в анализе
5
топ-5 по частоте
Самый частый навык
90%
Python
Навыков / вакансия
6.5
медиана
Преобладает грейд
Middle
50% вакансий
Python 90% Математическая статистика 40% SQL 30% Математическое моделирование 30% Статистический анализ 30% Все навыки →
Топ-навыки По грейдам По категориям Связки Что учить первым Зарплатная премия Вопросы и ответы

Какие навыки чаще всего требуют от квант-исследователя

Частота упоминания в 10 активных вакансиях. Клик по заголовку колонки — сортировка.

# Навык ↕ Частота ↓ Доля ↕ Вакансий
1 Python
90% 9
2 Математическая статистика
40% 4
3 SQL
30% 3
4 Математическое моделирование
30% 3
5 Статистический анализ
30% 3

Доля = процент вакансий квант-исследователя, в которых упоминается навык. Одна вакансия может содержать несколько навыков. На основе 10 вакансий, 23 июня 2026.

Базовые (≥60%)
Нужны практически всегда
Python
Дифференцирующие (20–60%)
Влияют на специализацию
Математическая статистика 40% SQL 30% Математическое моделирование 30% Статистический анализ 30%

Навыки по грейдам: Junior, Middle, Senior

Доля вакансий каждого грейда, в которых встречается навык. Фильтр — кнопки ниже. Ячейки с «≈» — оценка по выборке менее 20 вакансий.

Распределение по рынку: Senior — 37.5%, Middle — 50%, Junior — 0%.
Навык Intern Junior Middle Senior Lead
Python — — ≈75% ≈100% ≈100%
Математическая статистика — — ≈25% ≈66.7% —
SQL — — ≈50% — —
Математическое моделирование — — ≈25% ≈66.7% —
Статистический анализ — — ≈50% ≈33.3% —

Значение = % вакансий данного уровня, требующих навык. «≈» — оценка (выборка <20 вакансий). «—» — нет данных. Уровень определяется по требованиям вакансии.

Стек по категориям

Навыки сгруппированы по типу технологий. Цифры — частота в вакансиях.

Ключевые навыки
Python 90% SQL 30%
Сопутствующий рабочий контекст
Математическая статистика 40% Математическое моделирование 30% Статистический анализ 30%

Как мы считаем навыки

Источник данных: 10 вакансий в московском сегменте. Навыки извлечены автоматически из текста каждой вакансии. Все значения рассчитываются на основе реальных данных — без ручной редакции.

Доля (share %): доля вакансий профессии, в которых упомянут навык. Одна вакансия может упоминать несколько навыков — суммарная доля может превышать 100%.

Данные по грейдам: грейд определяется по требованиям каждой вакансии (уровень опыта). Ячейки с «≈» — оценка: выборка менее 20 вакансий. Ячейки «—» — данных нет.

Связки навыков: пары, встречающиеся вместе в ≥10 вакансиях (порог надёжности данных).

Зарплатная премия: разница медианы вакансий с навыком к медиане профессии. Показывается при наличии ≥20 вакансий с зарплатой. «Оценка» — 20–29 вакансий.

Обновлено: 23 июня 2026 · 10 вакансий

Что учить квант-исследователю первым

Порядок опирается на частотность навыков по данным вакансий и логику освоения специализации. Список — ориентир, не жёсткое правило.

  1. 1
    Python и базовые библиотеки (90%)
    NumPy, Pandas — обработка данных; Jupyter/VS Code, виртуальные окружения.
  2. 2
    Классический ML
    Scikit-learn: линейные модели, деревья, градиентный бустинг, оценка качества моделей.
  3. 3
    Нейросетевые фреймворки
    PyTorch или TensorFlow/Keras — архитектуры, обучение, инференс.
  4. 4
    LLM и языковые модели
    Трансформеры, API OpenAI/YandexGPT/GigaChat, prompt engineering, few-shot learning.
  5. 5
    RAG и векторные базы данных
    Retrieval-Augmented Generation: эмбеддинги, Qdrant/Chroma/Weaviate, similarity search.
  6. 6
    Агентные фреймворки и оркестрация
    LangChain, LlamaIndex — AI-пайплайны, tool calling, многоагентные системы.
  7. 7
    Деплой и сервинг моделей
    FastAPI/gRPC для инференса, Docker, ONNX — оптимизация latency в production.
  8. 8
    MLOps и мониторинг
    MLflow, DVC, Airflow — версионирование экспериментов, воспроизводимость, мониторинг дрейфа.

Вопросы и ответы

Какие навыки нужны квант-исследователю в первую очередь?
По данным 10 вакансий чаще всего требуются: Python (90%), Математическая статистика (40%), SQL (30%), Математическое моделирование (30%), Статистический анализ (30%).
Что должен знать Junior Quantitative Researcher?
На уровне Junior важен базовый стек: Python, Математическая статистика, SQL. Рынок ориентирован на Senior (37.5% вакансий), поэтому конкуренция за начальные позиции высокая.
Что должен уметь Middle Quantitative Researcher?
На уровне Middle (50% вакансий) работодатели ожидают уверенного владения: Python, Математическая статистика, SQL, Математическое моделирование. Требования расширяются относительно начального уровня.
Что ждут от Senior квант-исследователя?
Senior (37.5% вакансий) — доминирующий грейд. Чаще всего требуют: Python, Математическая статистика, Математическое моделирование, Статистический анализ. На этом уровне добавляются системное мышление, архитектурные решения и наставничество.
Нужен ли квант-исследователю SQL?
SQL встречается в 30% вакансий (3 из 10). Навык необходим для работы с данными.
Нужен ли квант-исследователю Linux?
Linux — важный навык для работы с серверной инфраструктурой.
Нужен ли квант-исследователю Kubernetes?
Kubernetes востребован на Middle/Senior, особенно в DevOps-ориентированных командах.
Какие навыки повышают зарплату квант-исследователя?
Зарплатная премия рассчитывается при достаточной выборке. Подробнее — на странице зарплат.
Как часто обновляются данные о навыках?
Данные обновляются регулярно. Текущий срез — 23 июня 2026, 10 вакансий.