Data Scientist / ML Engineer - Game AI в команду Disrupt

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.

• 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.

• 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.

• 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.