
Бизнес Успех
Senior Data Scientist (Игровой ИИ)
Не указана
- Deep Reinforcement Learning
- Python
- ML-фреймворками: PyTorch и TensorFlow
- PostgreSQL, ClickHouse, MongoDB
- Pandas, NumPy, SciPy
- Matplotlib, Plotly, Grafana, Prometheus
- ClickHouse, Apache Spark
- MLOps: Docker, Kubernetes, CI/CD.
О проекте:
Мы создаём уникальный продукт на основе искусственного интеллекта для игр. Наша цель — разработать ИИ, способный стабильно обыгрывать сильнейших игроков и служить эффективным инструментом для анализа стратегий и обучения.
Что нужно будет делать:
- Разрабатывать и внедрять алгоритмы машинного обучения (Deep Reinforcement Learning, Deep CFR, Q-Learning, PPO), направленные на принятие решений в условиях неопределённости покера.
- Глубоко анализировать игровые данные (лог-файлы, исторические раздачи), находить инсайты и паттерны для повышения эффективности ИИ.
- Проектировать, обучать и валидировать нейронные сети различных архитектур (Transformer, LSTM, CNN) для оценки текущей игровой ситуации и анализа поведения оппонентов.
- Проводить эксперименты по подбору гиперпараметров и оптимизировать архитектуру моделей при помощи Optuna.
- Создавать и улучшать модели классификации и кластеризации игроков по их игровым стилям (VPIP, PFR, AF).
- Проводить расчёты вероятностей и математического ожидания (EV-анализ) для различных игровых сценариев.
- Визуализировать результаты экспериментов, формировать отчёты и рекомендации по улучшению моделей.
- Участвовать в интеграции моделей в рабочий pipeline с использованием контейнеризации (Docker) и оркестрации (Kubernetes).
Требуемый технический стек и навыки:
- Уверенный уровень владения Python.
- Профессиональный опыт работы с ML-фреймворками: PyTorch и TensorFlow.
- Глубокое понимание методов обучения с подкреплением (RL, Q-Learning, PPO, CFR).
- Практический опыт автоматизации подбора гиперпараметров (Optuna, Hyperopt).
- Опыт работы с SQL и NoSQL базами данных: PostgreSQL, ClickHouse, MongoDB.
- Знание и опыт использования библиотек обработки данных (Pandas, NumPy, SciPy).
- Навыки работы с инструментами визуализации и мониторинга (Matplotlib, Plotly, Grafana, Prometheus).
- Понимание принципов работы с большими объёмами данных (ClickHouse, Apache Spark).
- Знание принципов и практик MLOps: Docker, Kubernetes, CI/CD.
Условия:
- Работу над интересным и амбициозным проектом (-ами).
- Возможность профессионального роста и обучения.
- Гибкий график и возможность удаленной работы.
- Конкурентную заработную плату и бонусы.
- Современный офис и дружный коллектив.