# О компании Telnyx
Telnyx — лидер отрасли, который не просто представляет будущее глобальной связи — мы его создаём. От проектирования и расширения охвата частной, глобальной, мультиоблачной IP-сети до предоставления гиперлокальных edge технологий прямо у вас под рукой через интуитивно понятные API, мы формируем новую эру бесшовного взаимодействия между людьми, устройствами и приложениями.
Нас движет желание трансформировать и модернизировать устаревшее, автоматизировать ручные процессы и решать реальные задачи с помощью инновационных решений в области связи. Мы гордимся тем, что являемся финансово стабильной и прибыльной компанией. Наша высокая прибыльность позволяет нам не только инвестировать в передовые технологии, но и создавать среду для непрерывного обучения и развития нашей команды.
Роль
В качестве инженера по машинному обучению в команде Messaging вы будете отвечать за системы, которые в реальном времени принимают решения — какие из миллионов исходящих сообщений в день достигают реальных людей, а какие блокируются. Вы будете создавать и эксплуатировать системы обнаружения мошенничества и злоупотреблений на нашей платформе обмена сообщениями: фишинг и смс-фишинг, имитация брендов, искусственно завышенный трафик (AIT) и социально-инженерные мошеннические схемы, нацеленные на реальных пользователей.
Вы присоединитесь к нам в переломный момент. Мы перестраиваем наш стек обнаружения на современной архитектуре движка принятия решений — inline hot-path принятие решений, полный журнал аудита решений и состояние риска на уровне сущностей — с активными программами по обнаружению социально-инженерных атак, фишинга и имитации брендов.
Что вы будете делать
•Проектировать, обучать, оценивать и эксплуатировать текстовые классификаторы от начала до конца: курирование данных, разметка, офлайн-оценка, развертывание и мониторинг дрейфа в продакшене.
•Проводить оценки в теневом режиме на размеченных корпусах мошенничества и проверенных вручную легитимных контролях до того, как модель получит полномочия для применения; отчёты по точности, полноте и калибровке для каждого типа злоупотреблений.
•Создавать системы обнаружения, устойчивые к противодействию: замаскированный и легко путаемый брендовый текст, обход URL и доменов, а также сквозное распознавание шаблонов по аккаунтам.
•Обслуживать модели обнаружения inline на пути отправки сообщений с жёсткими ограничениями по задержке, с продуманным поведением fail-open/fail-closed для каждой зависимости.
•Обеспечивать поддержку процесса проверки мошенничества с участием человека: инструменты для рецензентов, качество разметки и преобразование результатов проверки в сигналы для повторного воспроизведения и обучения.
•Сотрудничать с командами по борьбе с мошенничеством, доверием и безопасностью, а также с межфункциональными инженерными командами.
•Участвовать в код-ревью и помогать повышать качество и стандарты кода.
Что вы приносите
•Более 3 лет опыта в разработке программного обеспечения и/или машинном обучении.
•Глубокие знания асинхронных Python веб-сервисных фреймворков (например, FastAPI).
•Опыт создания и эксплуатации систем текстовой классификации в продакшене в областях мошенничества, спама, злоупотреблений или доверия и безопасности.
•Строгая методология оценки: размеченные корпуса, отложенные выборки, баланс точности и полноты, а также калибровка.
•Опыт использования больших языковых моделей (LLM) в качестве классификаторов или арбитров в рамках более широкой цепочки принятия решений.
•Опыт развертывания и поддержки моделей машинного обучения в продакшене.
•Отличные коммуникативные навыки и способность эффективно работать в межфункциональных командах.
Желательно иметь
•Знания в области злоупотреблений A2P-сообщениями: искусственно завышенный трафик, смс-фишинг, имитация брендов и режимы верификации 10DLC / бесплатных номеров.
•Опыт в области противодействия в машинном обучении: устойчивое к обходу обнаружение, обработка маскировки или укрепление поверхности атаки.
•Опыт работы с масштабными данными в ClickHouse, PostgreSQL, Redis и потоковыми системами, такими как Kafka.
•Опыт работы с облачными технологиями (например, Docker, Kubernetes, Prometheus).
•Опыт распределённого пакетного скоринга (например, Ray).
