О компании
BrainShells — технологическая компания, которая разрабатывает интеллектуальные системы на стыке машинного обучения, вероятностного моделирования и алгоритмов принятия решений.
О проекте
Ищем сильного ML-исследователя для работы над системой принятия решений в стохастической многоагентной среде. Основная задача — сделать прогнозы модели надёжнее там, где на них опираются решения, и научиться точнее измерять реальный эффект изменений при высокой дисперсии результатов.
Чем предстоит заниматься
Оценка и принятие решений
•повышать точность оценки качества агента по шумным данным;
•применять variance reduction, control variates, importance sampling, off-policy evaluation;
•исследовать причины расхождения ожидаемого и фактического результата;
•развивать value-модели и подходы к planning under uncertainty.
Моделирование поведения
•улучшать модели поведения участников с учётом того, как их использует планировщик;
•работать с calibration и uncertainty estimation;
•моделировать скрытые состояния при неполных и смещённых наблюдениях;
•решать cold start и персонализацию при небольшом количестве истории.
Кого ищем
Важно, чтобы вы лично разрабатывали или существенно улучшали ML/статистический метод и могли показать, как он обошёл сильный baseline.
Будет плюсом опыт в:
•Bayesian inference и latent variable models;
•off-policy evaluation / model-based RL;
•opponent modeling и multi-agent systems;
•sequential decision making;
•алгоритмическом трейдинге или pricing;
•distillation и оптимизации inference.
Нужен уверенный Python / PyTorch. Публикации на NeurIPS, ICML, ICLR, AISTATS, UAI, AAAI, IJCAI или AAMAS — плюс, но PhD не обязателен.
Условия
•Полностью удалённо
•40–80 часов в месяц
•Контракт на 3 месяца
•Обучение и эксперименты проводятся на серверах компании
•Для кандидатов с сильной релевантной экспертизой готовы индивидуально обсуждать доход выше указанного диапазона
