Data Scientist Expert — Production ML

Что предстоит делать

<p>Playtika ищет <strong>Data Scientist Expert — Production ML</strong> для присоединения к отделу Data &amp; AI</p> <p>На этой позиции вы присоединитесь к междисциплинарной команде, специализирующейся на персонализации с использованием методов обучения с подкреплением (Reinforcement Learning). За последние несколько лет мы создали рекомендательную систему реального времени на основе байесовских многоруких бандитов (Bayesian Multi-Armed Bandits) — включая нашу библиотеку с открытым исходным кодом PyBandits — обслуживающую миллионы игроков в нескольких студиях и сценариях использования.</p> <p>Это прикладная исследовательская роль, где влияние измеряется в production. Ваш основной вклад будет заключаться в развитии математических и статистических основ наших существующих решений: выявление ограничений, разработка принципиальных улучшений и доведение этих улучшений до production. Вам не будут ставить исследовательские задачи сверху — вы будете находить их самостоятельно, внутри систем, которые уже работают в масштабе.</p> <p>Масштабирование здесь — это, по сути, математическая задача: поиск лучших статистических методов, доказательство их применимости в реальных условиях и точное понимание степени их отклонения от идеала. Именно это отличает данную роль.</p> <p><strong>Обязанности</strong></p> <p>Выявлять математические и статистические ограничения в существующих ML-решениях и предлагать доказуемо корректные, более эффективные альтернативы<br>Проверять корректность масштабированных решений — диагностировать, где распределенное выполнение или аппроксимация делают недействительными результаты прототипов, и соответствующим образом перепроектировать<br>Отвечать за полный жизненный цикл своих улучшений: от исследований и прототипирования до production-развертывания и измерения влияния<br>Способствовать развитию и масштабируемости наших систем персонализации и рекомендаций для удовлетворения будущих бизнес- и технических требований<br>Вносить вклад в сквозные исследования на основе данных, включая определение проблемы, сбор данных, разработку модели, оценку и развертывание<br>Сотрудничать с кросс-функциональными командами (инженеры, BI, Product) для быстрого и эффективного внедрения решений<br>Наставлять Data Scientists и ML Engineers, а также служить техническим референтом по вопросам статистической и математической строгости в организации</p> <p><strong>Квалификация</strong></p> <p>M.Sc или PhD в области Computer Science, математики, статистики, инженерии или смежной области<br>5+ лет соответствующего рабочего опыта, включая значительную ответственность за production ML<br>Подтвержденный опыт перевода статистически сложных моделей от прототипа до production и их успешной эксплуатации в реальных бизнес-ограничениях.<br>Опыт работы с архитектурами нейронных сетей, включая способность диагностировать, интерпретировать и отлаживать их поведение в вероятностных контекстах или контекстах принятия решений (например, Bayesian Neural Networks, Neural Linear models)</p> <p>Сильная теоретическая база как минимум в одной из областей: Multi-Armed Bandits, байесовские методы, онлайн-обучение, рекомендательные системы или смежные фреймворки принятия решений<br>Глубокое понимание экспериментирования, каузального вывода (causal inference) и статистической оценки онлайн-систем принятия решений.<br>Навыки практического Python-программирования, позволяющие проектировать, реализовывать, рецензировать и поддерживать production-код, используя современные AI-ассистенты (например, Claude, Cursor) для повышения производительности и качества кода<br>Владение SQL<br>Четкая письменная и устная коммуникация — способность объяснять статистические рассуждения нетехническим заинтересованным сторонам<br>Способность действовать автономно и влиять на решения в разных командах без прямых полномочий.</p> <p><strong>Будет плюсом</strong></p> <p>Опыт работы с фреймворками вероятностного программирования (например, PyMC или Numpyro)<br>Знакомство с MLOps-инструментарием (отслеживание экспериментов, serving моделей, мониторинг)<br>Знакомство с методами приближенного вывода (вариационный вывод, MCMC)<br>Опыт работы с PySpark<br>Опыт работы в индустрии мобильных игр</p> <div> <a href="https://jobs.dou.ua/companies/playtika-ua/vacancies/364930/#reply-btn-id">Откликнуться на вакансию</a> </div>