Data Scientist / ML Engineer - Game AI в команду Disrupt
Описание
Мы - команда Disrupt в Сбере, часть блока ГенИИ. Отвечаем за все новые воплощения Гиги на рынках и работаем в формате фабрики гипотез: ищем перспективные сценарии, запускаем MVP, масштабируем лучшие продукты. Ищем Data Scientist или ML-инженера для игровых и рекомендательных систем. Вы будете делать игры интереснее: создавать поведение агентов, подбирать контент и события под игрока (next-best-action), настраивать адаптивную сложность, давать персональные рекомендации и безопасно тестировать новые механики с помощью RL/bandit-подходов. Обязанности Строить рекомендации и ранжирование для контента, заданий, событий и игровых режимов. Прогнозировать поведение игроков (вовлеченность, отток) и их следующий шаг; сегментировать аудиторию. Создавать прототипы агентов с памятью, планированием действий и взаимодействием со средой. Применять контекстные бандиты, офлайн-RL или обучение по примерам там, где они работают лучше обычных моделей. Проектировать симуляции и оффлайн-тесты, ставить ограничения безопасности и защиту от взлома наград (reward hacking). Готовить данные и пайплайны обучения, запускать батч-инференс в реальном времени, следить за дрейфом данных и качеством рекомендаций. Планировать A/B-тесты и оценивать их влияние на удержание, глубину сессии, разнообразие механик и удовлетворенность игроков. Работать вместе с геймдизайнерами: переводить игровые механики в формальные цели так, чтобы не ломать баланс. Требования Опыт в Data Science или ML Engineering от двух лет, либо сильный production или research портфолио. Уверенное владение Python, SQL и PyTorch. Понимание классического машинного обучения, теории вероятностей и методов оптимизации. Практический опыт хотя бы в одной из областей: рекомендательные системы (ranking), reinforcement learning, игровой ИИ, персонализация или моделирование пользователей. Знание устройства RecSys: генерация кандидатов, ранжирование, неявная обратная связь (implicit feedback), cold start, смещения данных (bias), офлайн-метрики и A/B-тесты. Умение довести модель с ноутбука до рабочего сервиса или пайплайна: покрыть тестами, настроить мониторинг и сделать обучение воспроизводимым. Навык четко формулировать метрику качества (reward) и заранее видеть способы, которыми модель попытается её «сломать». Будет плюсом: Опыт с контекстными бандитами, офлайн-RL, обучением по примерам (imitation learning), мультиагентными системами или планированием. Создание LLM-агентов со структурированным использованием инструментов и контролируемой памятью для NPC или игровых помощников. Работа с Unity/Unreal (ML-Agents) или симуляторами на базе PettingZoo, Gymnasium, RLlib; либо опыт написания собственных симуляторов. Построение ранжирования в реальном времени, работа с feature store, векторным поиском или графовыми рекомендациями. Опыт работы в геймдеве, социальных сетях, UGC-платформах, развлечениях, беттинге или других продуктах с высокой частотой событий. Условия комфортный современный офис рядом с м. Кутузовская ежегодный пересмотр зарплаты, годовая премия корпоративный спортзал и зоны отдыха система обучения для профессионального и карьерного развития расширенный полис ДМС с первого дня работы и страхование для семьи льготная программа ипотеки для сотрудников бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.