Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой — после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Команда Disrupt в Сбере входит в блок ГенИИ и развивает новые воплощения Гиги на разных рынках. Команда работает как фабрика гипотез: ищет перспективные сценарии, запускает MVP и масштабирует лучшие продукты.
задачи
Строить рекомендации и ранжирование для контента, заданий, событий и игровых режимов;
Прогнозировать поведение игроков, включая вовлечённость, отток и следующий шаг;
Сегментировать аудиторию;
Создавать прототипы агентов с памятью, планированием действий и взаимодействием со средой;
Применять контекстные бандиты, офлайн-RL или обучение по примерам;
Проектировать симуляции и офлайн-тесты;
Устанавливать ограничения безопасности и защиту от взлома наград;
Готовить данные и пайплайны обучения;
Запускать пакетный инференс в реальном времени;
Отслеживать дрейф данных и качество рекомендаций;
Планировать A/B-тесты и оценивать их влияние на удержание, глубину сессии, разнообразие механик и удовлетворённость игроков;
Работать вместе с геймдизайнерами;
Переводить игровые механики в формальные цели без нарушения баланса.
требования
Опыт в Data Science или ML Engineering от двух лет либо сильное производственное или исследовательское портфолио;
Уверенное владение Python, SQL и PyTorch;
Понимание классического машинного обучения, теории вероятностей и методов оптимизации;
Практический опыт хотя бы в одной области: рекомендательные системы, reinforcement learning, игровой ИИ, персонализация или моделирование пользователей;
Знание устройства рекомендательных систем: генерация кандидатов, ранжирование, неявная обратная связь, cold start, смещения данных, офлайн-метрики и A/B-тесты;
Умение доводить модель от ноутбука до рабочего сервиса или пайплайна, покрывать её тестами, настраивать мониторинг и делать обучение воспроизводимым;
Умение чётко формулировать метрику качества и заранее видеть способы, которыми модель может её «сломать»;
Будет плюсом опыт с контекстными бандитами, офлайн-RL, обучением по примерам, мультиагентными системами или планированием, создание LLM-агентов со структурированным использованием инструментов и контролируемой памятью для NPC или игровых помощников, работа с Unity/Unreal и ML-Agents или симуляторами на базе PettingZoo, Gymnasium, RLlib, 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;
Страхование для семьи;
Льготная программа ипотеки для сотрудников;
Бесплатная подписка СберПрайм+;
Скидки на продукты компаний-партнёров;
Вознаграждение за рекомендацию друзей в команду Сбера.