Вакансия: Senior ML-инженер (Игровой ИИ)
Описание вакансии
О проекте:
Команда разрабатывает передовые игровые ИИ, способный обыгрывать профессионалов в различных дисциплинах. Система строится на самых современных подходах глубокого обучения и должна поддерживать работу в режиме реального времени с высокой производительностью.
Что нужно будет делать:
- Проектировать и реализовывать модели глубокого обучения на основе Deep Reinforcement Learning (Deep Q-Learning, PPO, DDPG), отвечать за их эффективность и производительность.
- Экспериментировать с архитектурами нейронных сетей (включая CNN, RNN, Transformer ) и адаптировать их под специфику покерной задачи.
- Разрабатывать и поддерживать эффективные процессы автоматизированного обучения ( self-play ) и переобучения моделей в режиме реального времени.
- Оптимизировать производительность моделей, реализовывать инференс с минимальными задержками (менее 3 секунд на принятие решения в многопоточном режиме).
- Реализовывать алгоритмы оценки вероятностей и математического ожидания с высокой точностью (Монте-Карло, GTO-анализ).
- Настраивать pipeline автоматической оптимизации гиперпараметров с использованием Optuna и других современных решений.
- Интегрировать модели с игровой платформой и модулями обработки данных, взаимодействуя с backend-разработчиками и DevOps-командой.
- Организовывать мониторинг работы моделей, отслеживать метрики и стабилизировать работу системы в условиях высокой нагрузки.
- Внедрять best practices в области MLOps: контейнеризация ( Docker ), оркестрация ( Kubernetes ), и настройка процессов CI/CD.
Требуемый технический стек и навыки:
- Профессиональное владение Python , глубокое знание ML-фреймворков: PyTorch , TensorFlow .
- Отличные знания методов глубокого обучения и Reinforcement Learning ( Q-Learning, PPO, DDPG, Actor-Critic ).
- Опыт проектирования и оптимизации производительности нейросетей ( CNN, RNN, Transformer ) под задачи принятия решений в реальном времени.
- Практический опыт работы с GPU (CUDA) и распределённым обучением ( PyTorch Distributed , TensorFlow Multi-GPU training).
- Уверенные знания и опыт работы с реляционными и колоночными базами данных ( PostgreSQL, ClickHouse ).
- Глубокий опыт работы с инструментами автоматического подбора гиперпараметров ( Optuna, Hyperopt, Bayesian optimization ).
- Понимание и внедрение процессов MLOps: опыт контейнеризации ( Docker ), работы с Kubernetes, GitHub Actions, Jenkins.
Мы предлагаем:
- Работу над интересным и амбициозным проектом (-ами).
- Возможность профессионального роста и обучения.
- Гибкий график и возможность удаленной работы.
- Конкурентную заработную плату и бонусы.
- Современный офис и дружный коллектив.
