Бизнес Успех

Senior Data Scientist (Игровой ИИ)

Не указана
  • Москва
  • Полная занятость
  • Удаленная работа
  • От 3 до 6 лет
  • 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.