О роли
Мы ищем человека, который умеет превращать сырые данные (логи, события, инциденты) в работающие ML-сервисы. Не просто «обучил модель в ноутбуке и забыл», а довёл от гипотезы до прототипа, завернул в API и сопроводил в проде. Вы будете работать на стыке машинного обучения и информационной безопасности — это значит, что данные здесь настоящие, задачи нетипичные, а результат видит вся команда мониторинга и реагирования.
Чем предстоит заниматься
•Исследовать и прототипировать — придумывать, как ML может решить задачи SOC/MDR, проверять гипотезы на реальных данных и собирать прототипы, которые не стыдно показать бизнесу.
•Доводить до прода — превращать прототип в рабочий сервис: API на FastAPI, Docker, типизация, всё как у взрослых. Сопровождать в Production, мониторить, дорабатывать.
•Решать прикладные задачи ML — классификация событий безопасности, поиск аномалий в логах, парсинг и обработка текстов, анализ временных рядов, анализ ролевой модели доступа.
•Работать с LLM — строить приложения на больших языковых моделях: RAG, embeddings, structured output, tool calling, агентные сценарии. Оценивать качество ответов, чтобы не галлюцинировало.
•Развивать аналитическое ядро — поддерживать и улучшать существующие ML/DS-проекты, переобучать модели на свежих данных, адаптировать под новые требования.
•Участвовать в пилотах — помогать внедрять продукты у заказчиков, разбираться в их данных, показывать, что ML реально работает.
•Взаимодействовать с разработкой — ставить задачи по доработке сервисов, обсуждать архитектуру, проводить code review.
•Реальные задачи, где ML влияет на безопасность продукта, а не «тренировка моделей ради метрик».
•Современный стек: Python 3.10+, PyTorch, Hugging Face, vLLM, SGLang, LangGraph, Qdrant, FastAPI, PostgreSQL, Prefect, Docker, GitLab CI/CD, pytest, Ruff, mypy, uv.
Что мы ожидаем
Опыт и образование
•От 1,5 лет в анализе данных, ML, ML-инженерии или backend-разработке с ML-задачами;
•Высшее техническое (или учитесь): математика, ИТ, ИБ, анализ данных или смежное. Подойдёт и бакалавр/магистр в процессе — главное, чтобы руки уже были в коде.
Код и инженерия
•Python — уверенно. Не просто "GPT помоги", а сам понимаешь, что написано;
•Опыт разработки API и сервисов на Python;
•FastAPI, uv, Docker, vLLM — будет большим плюсом.
ML и данные
•Практический опыт с pandas, numpy, scikit-learn на данных из реальных систем (не только Kaggle);
•Классический ML: классификация, поиск аномалий, обработка текстов, временные ряды — понимание, когда и что применять;
•SQL — извлекать, проверять, агрегировать данные без чужой помощи;
•Понимание принципов построения LLM-приложений: промптинг, embeddings, RAG, structured output, tool calling, оценка качества;
•Если делали агентные решения — отлично.
Доменная область
•Готовность разобраться в данных SOC/MDR: события безопасности, инциденты, логи, метрики, результаты работы аналитиков;
•Опыт в ИБ не обязателен — важно желание и способность быстро погружаться.
Будет преимуществом
•Опыт в информационной безопасности: SOC, MDR/MSSP или смежные задачи;
•Агентные решения на базе LLM — разработка или практическое использование. ML/LLM-решения для закрытых внутренних контуров (on-premise, без внешних API);
•Grafana, ELK, работа с логами, метриками и событиями.
Что вы получаете
•Стабильную официальную окладную часть + бонусы и премии;
•Оформление по ТК РФ;
•До 10 day-off в год по результатам работы;
•Full Time office формат работы с графиком 5/2 (гибридный график работы — обсуждается);
•Работу в молодой и дружной команде профессионалов (средний возраст сотрудников ниже 30 лет);
•Возможность прохождения обучения как по внутренним, так и по сторонним обучающим программам;
•Отличную возможность для реализации идей (руководство компании открыто к новым стратегиям);
•ДМС + стоматология — после испытательного срока;
•Партнерскую программу скидок.
