ML Researcher: Probabilistic Modeling & Decision Making

Ищем сильного ML Researcher уровня Senior / Staff для сложной исследовательской задачи на стыке probabilistic ML, sequential decision making и моделирования поведения агентов.

Это не классическая вакансия Data Scientist с задачами на табличные данные. Нужен человек, который самостоятельно разрабатывал или существенно улучшал ML/математические методы, умеет работать с неопределённостью и может экспериментально доказать, почему новый подход лучше сильного baseline.

Задача: есть стохастическая многоагентная среда с частичной наблюдаемостью и десятки миллионов исторических эпизодов. Необходимо моделировать поведение участников и использовать эти прогнозы для принятия решений в условиях неопределённости и ограниченного inference budget.

Особенно интересен опыт в одном или нескольких направлениях: — RL / sequential decision making / POMDP / world models; — probabilistic & Bayesian ML, latent-variable models, uncertainty estimation; — behavior / opponent modeling, multi-agent systems; — off-policy evaluation, importance sampling, doubly robust estimation, variance reduction; — Monte Carlo / Markov models / stochastic optimization; — algorithmic trading / HFT / pricing / decision systems с реальными ограничениями на latency.

Кого особенно хотим увидеть: исследователей с сильной математической базой, опытом собственных R&D-разработок и публикациями либо сильным applied research опытом. PhD будет плюсом, но не является обязательным. Важнее возможность разобрать свой проект в формате: проблема → baseline → ваша идея → альтернативы → эксперимент → измеримый результат.

Стек для прототипирования: Python / PyTorch. Данные и вычислительная инфраструктура есть, задача предполагает много экспериментов и достаточно высокую исследовательскую свободу.

Формат: remote, контракт от 3 месяцев. Приоритетно рассматриваем full-time, но для сильного кандидата готовы обсуждать part-time.