Задачи:
— Решать сложную исследовательскую задачу на стыке probabilistic ML, sequential decision making и моделирования поведения агентов.
— Моделировать поведение участников в стохастической многоагентной среде с частичной наблюдаемостью и использовать эти прогнозы для принятия решений в условиях неопределённости и ограниченного inference budget.
— Проводить эксперименты и доказывать, почему новый подход лучше сильного baseline.
Требования:
— Опыт самостоятельной разработки или существенного улучшения ML/математических методов.
— Умение работать с неопределённостью.
— 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.
— Сильная математическая база, опыт собственных R&D-разработок и публикации либо сильный applied research опыт.
— PhD будет плюсом, но не обязателен.
— Важна способность подробно разбирать свой проект: проблема → baseline → ваша идея → альтернативы → эксперимент → измеримый результат.
Условия:
— Формат работы: remote.
— Контракт от 3 месяцев.
— Приоритетно full-time, но возможен part-time для сильных кандидатов.
— Данные и вычислительная инфраструктура предоставлены, высокая исследовательская свобода.
Стек для прототипирования: Python, PyTorch.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.