Обязанности:
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 наших серверах.Для кандидатов с сильной релевантной экспертизой готовы индивидуально обсуждать доход выше указанного диапазона.Будем ждать Ваши отклики!Похожие вакансии