Сбер

Data Scientist / ML Engineer — Game AI (Game AI)

Коротко

Data Scientist / ML Engineer в команде Disrupt (блок ГенИИ, Сбер) разрабатывает игровые и рекомендательные системы: ранжирование контента, прогноз поведения игроков, агентов с памятью и планированием, а также применяет reinforcement learning, контекстные бандиты и offline-RL. Требуется от двух лет опыта в Data Science/ML, уверенное владение Python, SQL, PyTorch, опыт с рекомендательными системами и умение доводить модели до продакшена. Работа в офисе у м. Кутузовская, Москва, зарплата от 300 000 ₽ на руки в месяц.

# Data Scientist / ML Engineer — Game AI в команду Disrupt
Локация: офис рядом с м. Кутузовская, Москва
Зарплата: от 300 000 ₽ в месяц на руки
Компания
Команда Disrupt в Сбере, входящая в блок ГенИИ, создаёт и масштабирует новые игровые и рекомендательные продукты.
Что делать
•Строить рекомендации и ранжирование для контента, заданий, событий и игровых режимов.
•Прогнозировать поведение игроков, отток и следующий шаг, сегментировать аудиторию.
•Создавать агентов с памятью, планированием и взаимодействием со средой.
•Применять контекстные бандиты, offline-RL и imitation learning, проектировать симуляции и офлайн-тесты.
•Готовить данные и ML-пайплайны, запускать batch-инференс в реальном времени, настраивать мониторинг и контролировать дрейф данных.
•Планировать A/B-тесты и работать с геймдизайнерами над формализацией игровых целей и сохранением баланса.
Требования
•От двух лет опыта в Data Science или ML Engineering либо сильное production- или research-портфолио.
•Уверенное владение Python, SQL и PyTorch; знание классического машинного обучения, теории вероятностей и методов оптимизации.
•Практический опыт с рекомендательными системами, reinforcement learning, игровым ИИ, персонализацией или моделированием пользователей.
•Знание генерации кандидатов, ранжирования, implicit feedback, cold start, смещений данных, офлайн-метрик и A/B-тестирования.
•Умение доводить модели до рабочего сервиса или пайплайна, покрывать их тестами, настраивать мониторинг и обеспечивать воспроизводимость обучения.
•Умение формулировать reward и заранее выявлять способы reward hacking.
Хорошо, если есть
•Опыт с контекстными бандитами, offline-RL, imitation learning, мультиагентными системами или планированием.
•Создание LLM-агентов для NPC или игровых помощников со структурированным использованием инструментов и контролируемой памятью.
•Опыт с Unity, Unreal, ML-Agents, PettingZoo, Gymnasium, RLlib или собственными симуляторами.
•Опыт real-time ranking, feature store, векторного поиска или графовых рекомендаций.
•Опыт в геймдеве, социальных сетях, UGC-платформах, развлечениях, беттинге или продуктах с высокой частотой событий.
Культура и преимущества
•Современный офис рядом с м. Кутузовская.
•Ежегодный пересмотр зарплаты и годовая премия.
•Корпоративный спортзал и зоны отдыха.
•Система профессионального и карьерного развития.
•Расширенный полис ДМС с первого дня и страхование для семьи.
•Льготная ипотека, подписка СберПрайм+ и скидки на продукты компаний-партнёров.

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте