Обязанности:
О нас DataLouna — киберспортивная аналитика нового поколения. 4 года превращаем сырые данные CS2 и Dota 2 в уникальную статистику, предсказания и беттинг-линии. Мы часть крупного киберспортивного холдинга (Team Spirit и другие проекты), работаем с топовыми букмекерами. Команда: 7 человек. Минимум бюрократии, максимум влияния на продукт. Цель: стать HLTV 2.0 в аналитике и главным поставщиком данных для беттинг-индустрии. Суть работы У нас есть уникальная база данных, собранная за годы работы с профессиональными аналитиками. Нужен человек, который раскроет её потенциал. Домен — киберспорт. Рекомендательные и скоринговые системы для CS2 и Dota 2. Бэкенд-команда готовит инфраструктуру. Аналитики помогут разобраться в тонкостях игр, вместе будете придумывать фичи. Пример задачи: Создать модель предсказания пиков и банов в Dota 2. Инфраструктуру и данные подготовим. Твоя задача — быстро провести эксперименты, выделить рабочие гипотезы, поговорить с аналитиками о фичах и собрать MVP за несколько недель. Чем будешь заниматься: Эксперименты с трансформерами для табличных данных (TabTransformer, FT-Transformer, TabNet) Модели для последовательностей (Temporal Fusion Transformer, Informer) Адаптация LLM-подходов к структурированным данным Гибридные архитектуры (нейросети + классика) Проектирование признаков вместе с аналитиками Что важно Классика на отлично. CatBoost, LightGBM, XGBoost. Temporal validation, data leakage, data drift — понимаешь и применяешь Современные подходы. Умеешь экспериментировать с трансформерами, нейросетями, новыми архитектурами. Не боишься пробовать PyTorch. Обучение, файнтюнинг, оптимизаторы, регуляризация AI как инструмент. Используешь ChatGPT, Claude для экспериментов и ускорения работы. Это часть процесса Результат, не ресёрч. Доводишь модели до прода, понимаешь бизнес-метрики. Сам предлагаешь гипотезу, проверяешь, приходишь с результатом Плюсом: ML-соревнования с нейросетевыми подходами MLOps: Spark, Airflow, ClickHouse Условия 💰 $4,500 – 7,500 (зависит от уровня) 📍 Удалённо, гибкий график Отбор Бизнес-собес (30 мин) — знакомство, мотивация, подход к задачам Тестовое задание (3-4 часа) Техническое интервью (1-2 часа) — разбор тестового, опыт, подходы Как откликнуться В отклике обязательно: Ссылки на GitHub / Kaggle / публикации (если есть) Последняя ML-задача которую довёл до результата: какая бизнес-проблема, какие подходы, какой результат Без этого не рассматриваем.Похожие вакансии