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