Data Scientist

Мы – команда Machine Learning Technology Research and Development (MLTech), и мы приглашаем специалистов по Data Science решать с нами задачи на стыке машинного обучения и кибербезопасности: детектировать зловредные файлы, распознавать фишинговые веб-страницы и ловить хакеров на взломанных компьютерах.

• имеешь опыт машинного обучения в индустрии;
• готов глубоко погружаться в данные, анализировать модели и строить интерпретации, общаться с заказчиками и превращать их пожелания в гипотезы;
• готов работать над задачами, в которых нельзя просто `import ml`;
• хочешь доводить проекты до прода и не боишься выходить за пределы jupyter-тетрадок;
• любишь обсуждать идеи, свой код и чужой код с коллегами;
• интересуешься безопасностью и не теряешься, услышав слова «полиморф» и «фишинг» (или хочешь во всем этом разобраться).

Хард-требования:

• умеешь писать чистый и понятный код на современном Python;
• хорошо ориентируешься в классическом ML и соответствующих библиотеках (scikit-learn, CatBoost);
• знаком с нейросетями и Pytorch;
• представляешь, как работать со Spark (или готов научиться);
• помнишь, что такое доверительный интервал;
• умеешь писать несложные Docker-файлы (или готов научиться).

Что предлагает наша команда:

• мы помогаем друг другу расти и добиваться результатов, решая прикладные задачи;
• у нас есть MLOps’ы, которые помогут не запутаться в инфраструктуре;
• не боимся использовать новые технологии и пробовать новые идеи;
• результаты твоей работы почувствуют на миллионах устройств по всему миру;
• используем Spark-кластер и GPU-кластер, чтобы обрабатывать огромные коллекции файлов;
• при желании о результатах работы можно рассказывать в статьях и на конференциях.

Где про нас послушать и почитать:

• Частотный и байесовский подходы оценки TPR при неполной разметке данных / Алан Савушкин - YouTube
• О хороших практиках построения инфраструктуры ML-моделей / Дмитрий Аникин - YouTube
• Prompt Injection и все-все-все: вытаскиваем максимум из AI-сервиса / Positive Hack Days 12 (phdays.com)
• How to confuse antimalware neural networks. Adversarial attacks and protection | Securelist
• Атаки на машинное обучение в антиспам-технологиях и защита от них | Securelist
• Проверяем способность ChatGPT распознавать фишинг | Securelist
• Детектирование вредоносных файлов
• Детектирование мошеннических веб-сайтов
• В будущем - и другие задачи, как про кибербез, так и про бизнес