Data Scientist / ML Engineer - Game AI в команду Disrupt

Навыки

• A/B-тесты
• AI-агенты
• Обратная связь
• Гейм-дизайн
• LLM
• Machine Learning
• MVP и discovery

О компании и продукте

• Data Scientist / ML Engineer - Game AI в команду Disrupt
• 17 августа 2026 • г Москва • ПАО Сбербанк • Информационные технологии:Дата-сайентист
• 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.

Задачи

• 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

Требования

• 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

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 и страхование для семьи
• льготная программа ипотеки для сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.