ML-аналитик (офис)

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;
• Опыт в ИБ не обязателен — важно желание и способность быстро погружаться.

Работая в команде РТ-Информационная безопасность, 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.