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.
