Инженер по машинному обучению @ Staffbit в Staffbit

Создание системы, позволяющей моделировать игровой процесс во многих конфигурациях игровой экономики, где моделируемый игрок - агент - с навыками автономного принятия решений взаимодействует с окружающей средой.

Использование алгоритмов искусственного интеллекта с подкреплением, в частности PPO и IMPALA. Обученный ИИ-агент будет представлять собой нейронную сеть, которая выбирает действие из конечного набора, которое максимизирует ожидаемое вознаграждение. Агент будет иметь ограничения, идентичные физическим ограничениям реального игрока, такие как ограниченность видимой информации и ограничения на выполнение действий. Награда будет рассчитана на основе вашего игрового счета. Обученный агент позволит оценить заданную конфигурацию игровой экономики, в которой он обучался.

Будет выбрана оптимальная конфигурация с точки зрения правил хорошего игрового дизайна, которые будут определены по согласованию со специалистами игрового дизайна, чтобы игрок достиг ожидаемого уровня в игре через определенное время или определенное количество взаимодействий.

Цель следующего этапа — получить модель, которая улучшит монетизацию как минимум на 10%. Конечным результатом проекта станет реализация инновационной технологии, разработанной в ходе НИОКР, в виде набора инструментов для моделирования игровой экономики без необходимости использования исторических данных игроков, для поддержки геймдизайнера в выборе оптимального параметры игры и для создания персонализированных предложений. Разработанная технология объединит методы хранения и анализа больших наборов данных и машинное обучение.

• Разработка структуры ИИ-симулятора, которая сможет моделировать различные сценарии и конфигурации на основе входных данных
• Выбор и реализация алгоритмов как метода оптимизации
• Механизмы реализации, позволяющие сократить количество конфигураций, необходимых для тестирования
• Анализ производительности модели с точки зрения скорости
• Создание моделей машинного обучения для имитации поведения игрока
<> li>Работы, связанные с входными данными в модель о платящих пользователях и их категоризацией
• Генерация искусственных входных данных для второй задачи с использованием моделей ИИ
• Имитация игрового процесса с использованием искусственного интеллекта
• Работы по созданию системы персонализированных предложений
• Вердация моделей на основе исторических данных

Создание системы, позволяющей моделировать игровой процесс во многих конфигурациях игровой экономики, где моделируется игрок – агент – обладающий навыками автономного принятия решений, взаимодействует с окружающей средой.

Использование алгоритмов искусственного интеллекта с подкреплением, в частности PPO и IMPALA. Обученный ИИ-агент будет представлять собой нейронную сеть, которая выбирает действие из конечного набора, которое максимизирует ожидаемое вознаграждение. Агент будет иметь ограничения, идентичные физическим ограничениям реального игрока, такие как ограниченность видимой информации и ограничения на выполнение действий. Награда будет рассчитана на основе вашего игрового счета. Обученный агент позволит вам оценить заданную конфигурацию игровой экономики, в которой он находился.уважаемый.

Будет выбрана оптимальная конфигурация с точки зрения правил хорошего игрового дизайна, которые будут определены по согласованию со специалистами игрового дизайна, чтобы игрок достиг ожидаемого уровня в игре через определенное время или определенное количество взаимодействий.

Цель следующего этапа — получить модель, которая улучшит монетизацию как минимум на 10%. Конечным результатом проекта станет реализация инновационной технологии, разработанной в ходе НИОКР, в виде набора инструментов для моделирования игровой экономики без необходимости использования исторических данных игроков, для поддержки геймдизайнера в выборе оптимального параметры игры и для создания персонализированных предложений. Разработанная технология объединит методы хранения и анализа больших наборов данных и машинное обучение.

Требования: Python, машинное обучение
Дополнительно: Плоская структура, небольшие команды.