【阿里】游戏AI工程师-强化学习方向
来源：阿里巴巴
职位描述
负责游戏场景及决策问题下的的强化学习算法商业化落地，充分理解游戏与业务问题；
负责对接游戏项目需求，设计和实现技术方案，结合业务目标不断迭代和优化项目效果；
探索深度强化学习相关的前沿技术，并能将其转化并落地到实际游戏项目中。
职位要求
计算机、数学、人工智能、自动控制等相关专业硕士及以上学历；
三年以上相关工作经验，包括使用强化学习、模仿学习、多智能体强化学习等技术开发游戏AI；
熟悉C++/Python编程，熟练掌握一种常见的深度学习框架，譬如TensorFlow/PyTorch等；
热爱游戏，较为良好的团队协作和沟通能力；
有传统游戏AI经验者，有大型游戏/机器人/决策问题等AI项目经验者优先；
有国际顶会/权威期刊发表论文者或知名竞赛获奖者优先。
简历投递
https://talent.alibaba.com/off-campus-position/835324?spm=a1z9iw.13825095.0.0.191f3ae76KZ8Ob
点击“阅读原文”，了解更多
登录查看更多
相关内容
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。
强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。
该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
14+阅读 · 2019年8月8日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
14+阅读 · 2019年8月8日
微信扫码咨询专知VIP会员