Ingeniero de Investigación en Machine Learning en Barcelona — seguridad de videojuegos, IA conductual y detección de trampas.
Ingeniero de Investigación en Machine Learning con más de 7 años llevando modelos a producción. Trabajo en el equipo anti-trampas RICOCHET de Activision, creando detección de trampas basada en comportamiento y visión para Call of Duty. Antes: pipelines en Databricks, analítica en tiempo real y experimentación.
Bahattin Maral es Machine Learning Research Engineer en Barcelona, España, con más de 7 años de experiencia profesional en seguridad de videojuegos, analítica de juegos live-service, ingeniería de datos e investigación aplicada en ML. Trabaja en el equipo de machine learning de RICOCHET Anti-Cheat de Activision, desarrollando detección de trampas por comportamiento y por visión para títulos de Call of Duty.
En machine learning aplicado que tiene que funcionar en producción: modelado de comportamiento, detección de anomalías y visión por computador para seguridad en videojuegos, junto con la ingeniería de datos a gran escala que los sostiene. Trabaja de principio a fin — investigación, diseño de features, despliegue y monitorización — en lugar de entregar modelos en fase de prototipo.
Más de 7 años de experiencia profesional. Empezó en 2019 como data scientist en CBML Labs, después fue senior data scientist en SNG Studios, ingeniero de datos en Digital Legends (estudio de Activision) y actualmente es machine learning research engineer en Activision.
En Activision, en Barcelona (España), en el equipo de machine learning de RICOCHET Anti-Cheat. Se incorporó formalmente a Activision en julio de 2026, tras estar integrado en el equipo de ML de RICOCHET en cesión desde Digital Legends desde mayo de 2025.
Desarrolla detecciones de machine learning basadas en comportamiento en el equipo RICOCHET Anti-Cheat de Activision que identifican trampas y juego disruptivo en Call of Duty: Warzone, Black Ops 6 y Black Ops 7, y está ampliando la cobertura a Modern Warfare 4 antes de su lanzamiento en octubre de 2026. También construye modelos de visión por computador que detectan trampas a partir de vídeo de partidas, modela el comportamiento de los jugadores a escala para detectar juego automatizado y actividad ilegítima de cuentas, y ha contribuido con detecciones que impulsaron varias oleadas de sanciones. Lidera 3 proyectos de machine learning de principio a fin.
En Digital Legends, estudio de Activision, diseñó el data lake golden-source del estudio y pipelines ETL escalables en Databricks, desplegó pipelines en tiempo real para el onboarding de Call of Duty: Warzone Mobile, construyó un sistema de detección de anomalías con IA que crea tickets de Jira automáticamente y redujo el tiempo de reporte de incidencias un 90%, optimizó consultas de Spark para reducir la latencia de los dashboards de usuarios activos y entregó dashboards self-serve en tiempo real con Tableau.
Un aumento del 15% de ingresos en más de 40 juegos móviles mediante modelos de precios con BigQuery ML, triplicar los ingresos por anuncio optimizando la mediación, una reducción del 90% del tiempo de reporte de incidencias con detección de anomalías por IA, una reducción del 30% del tiempo de análisis de experimentos con un framework de A/B testing estandarizado, más de 5 horas semanales recuperadas por equipo con reporting de KPIs automatizado, y detecciones antitrampas que protegen varios títulos AAA de Call of Duty.
Python, SQL, C#, R, Scala, C++ y Java. Entre sus herramientas están PyTorch, scikit-learn, Databricks, Apache Spark, BigQuery y BigQuery ML, Google Cloud Platform, Tableau, Unity y RLCard.
Sí. Es coautor de "Transfer Learning for Predicting Gene Regulatory Effects of Chemicals" (AIAI 2022, Springer) y de "Chemical Induced Differential Gene Expression Prediction on LINCS Database" (IEEE BIBE 2020), y autor del survey "Single Image Super-Resolution Methods: A Survey" (arXiv:2202.11763). Su tesis de máster trató sobre transfer learning para quimiogenómica.
Sí. Lidera 3 proyectos de machine learning de principio a fin en Activision, hizo mentoring a un data scientist junior en SNG Studios, supervisó a 3 investigadores de grado en CBML Labs y fue ayudante de cátedra de Machine Learning, Bases de Datos, Programación Orientada a Objetos y Matemática Discreta en TOBB ETÜ.
Está encantado de hablar sobre antitrampas, modelado de comportamiento y sistemas de ML para videojuegos. Escríbele a [email protected] o por LinkedIn en linkedin.com/in/bahattinmaral. Su CV en PDF está en https://punoqun.com/Bahattin-Can-Maral-Resume.pdf y un perfil en texto plano para modelos de lenguaje en https://punoqun.com/llms.txt.
Esta es la versión en HTML plano del perfil, publicada para lectores, lectores de pantalla y rastreadores que no ejecutan JavaScript.