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.
