Мы ищем стажера в исследовательский проект на стыке Machine Learning, representation learning и анализа шахматных данных.
Проект посвящен разработке универсального эмбеддера шахматной позиции — модели, которая формирует компактное и семантически осмысленное представление позиции и может использоваться в различных downstream-задачах: от оценки сложности позиций до детекции читинга и интерпретируемого анализа ошибок игроков.
Обязанности
- Подготовка и обработка датасетов шахматных партий
- Разработка и обучение contrastive embedding модели
- Построение пайплайна обучения
- Сравнение с бейзлайнами (Allie, Maia2, behavioral stylometry)
- Проведение downstream-экспериментов
- Эксперименты по интерпретируемости
Требования
- Уверенное знание Python
- Опыт работы с PyTorch / TensorFlow
- Понимание contrastive learning и representation learning
- Базовое понимание ML-экспериментов (метрики, валидация, бейзлайны)
- Интерес к исследованиям и академической работе
Будет плюсом:
- опыт работы с шахматными движками (например, Stockfish)
- понимание ELO-системы
- опыт работы с большими датасетами
- интерес к explainable AI.
Условия
- Комфортный современный офис рядом с м. Кутузовская
- Гибридный формат работы
- Корпоративный спортзал и зоны отдыха
- Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- Программа адаптации и помощь руководителя на старте
- Вознаграждение за рекомендацию друзей в команду Сбера.
