ML-инженер

Описание

Innostage первый и единственный системный интегратор в России, который проверяет собственную киберустойчивость на практике, выйдя на багбаунти в режиме открытых кибериспытаний. 1200+ хакеров безуспешно ломают нас каждый день за 20 миллионов рублей! ТОП-3 крупнейших интеграторов РФ в сфере защиты информации
ТОП-10 поставщиков в сфере ИБ и крупнейших компаний в области кибербезопасности в РФ
1500+ профессионалов выбрали Innostage своим работодателем
Присоединяйся к команде, которая задает тренды в кибербезопасности!

Обязанности:

• Разработка и поддержка ML/LLM-компонентов продукта:
• Классификация и оценка репутации IoC (индикаторов компрометации)
• Анализ и оценка вредоносности PowerShell скриптов (PoSH)
• Разработка и оптимизация RAG-систем для автоматического обогащения инцидентов и генерации вердиктов
• Создание и поддержка LLM-пайплайнов для суммаризации инцидентов, извлечения сущностей и генерации отчетов
• Снижение false-positive инцидентов с помощью гибридных ML/LLM-решений
• NLP для анализа логов безопасности и классификации инцидентов
• MLOps и эксплуатация моделей:
• Полный жизненный цикл ML/LLM-моделей: от разработки до продакшена
• Оптимизация LLM-инференса: управление токенами, latency, cost
• Мониторинг качества моделей и деградации LLM-вердиктов
• Автоматизация процессов обучения, валидации и деплоя моделей
• Обеспечение отказоустойчивости и масштабируемости ML/LLM-сервисов
• Интеграция с бэкендом:
• Тесное взаимодействие с техлидом для интеграции ML/LLM-компонентов в основную систему
• Оптимизация производительности и отказоустойчивости LLM-сервисов
• Документирование API и интерфейсов ML/LLM-компонентов

Требования:

• Практический опыт работы с LLM в продакшене (не только эксперименты, но и боевые системы)
• Разработка и эксплуатация RAG-систем
• Оптимизация LLM-инференса для production
• Прикладные кейсы LLM в кибербезопасности (будет плюсом)
• Оценка качества LLM-решений
• Опыт выстраивания MLOps для ML и LLM: полный жизненный цикл моделей в продакшене
• MLflow/Model Registry; версии данных (DVC/lakeFS).
• Канареечные/теневые релизы, rollback; мониторинг дрейфа/качества.
• Инструменты MLOps: опыт с MLflow или аналогами, управление версиями моделей и данных

Технологии:

• Основные ML-библиотеки: scikit-learn, PyTorch/TensorFlow
• LLM фреймворки: LangChain/LlamaIndex или аналоги для построения RAG
• Vector databases: Qdrant/Milvus/pgvector (практический опыт)
• Pandas/NumPy для обработки данных
• Git, Docker, Kubernetes (базовое понимание для MLOps)

Условия:

• Помощь в адаптации для быстрого погружения в работу;
• ДМС (включая ежегодный Check UP, стоматологию, телемедицину, психологическую поддержку в онлайн-формате) после испытательного срока
• Страхование от несчастного случая и страхование при выезде за рубеж;
• Постоянное развитие - доступ к онлайн библиотеке, курсы, тренинги
• Частичную компенсацию затрат на занятия спортом ;
• Комьюнити единомышленников по увлечениям и интересам книги, спорт, фильмы и различные хобби;
• Имеем аккредитацию в Минцифры;
• Удаленный формат работы
• Официальное трудоустройство по ТК РФ;