Machine Learning Engineer II

Abnormal AI sucht einen Machine Learning Engineer für das Team Message Detection - Attack Detection. Bei Abnormal schützen wir unsere Kunden vor böswilligen Angreifern, die ständig ihre Techniken und Taktiken weiterentwickeln, um traditionelle Sicherheitsansätze zu überlisten und zu untergraben. Unser neuartiger verhaltensbasierter Ansatz ist das, was uns so… Abnormal macht. Abnormal wurde ständig als eines der besten Cybersecurity-Startups ausgezeichnet, und unser verhaltensbasiertes KI-System hat uns geholfen, verschiedene Cybersecurity-Auszeichnungen zu gewinnen, was dazu geführt hat, dass wir mehr als 25 % der Fortune 500 (und immer mehr) schützen dürfen.

Das Attack Detection-Team spielt eine zentrale Rolle beim Aufbau einer extrem hochpräzisen Erkennungsengine, die in der Lage ist, Hunderte von Millionen von Nachrichten mit Millisekunden-Latenz zu verarbeiten. Die Mission des Attack Detection-Teams ist es, eine erstklassige Detektoreffizienz zu bieten, um sich an die sich ändernde Bedrohungslandschaft anzupassen, indem eine Kombination aus generalisierbaren und automatisch trainierten Modellen sowie spezifischen Detektoren für hochpriorisierte Angriffskategorien verwendet wird. Dieses Team löst ein mehrschichtiges Erkennungsproblem, das die Modellierung von Kommunikationsmustern umfasst, um unternehmensweite Baselines zu etablieren, diese Muster als robuste Signale zu integrieren und diese Signale mit kontextuellen Informationen zu kombinieren, um extrem präzise Systeme zu schaffen.

Das Team erstellt diskriminative Signale auf verschiedenen Ebenen, einschließlich der Nachrichtenebene (z. B. das Vorhandensein bestimmter Phrasen), der Absender-Ebene (z. B. Häufigkeit des Absenders) und der Empfänger-Ebene (z. B. Wahrscheinlichkeit, eine sichere Nachricht zu erhalten). Diese Signale werden dann kombiniert und genutzt, um hochgenaue modellbasierte sowie heuristische Detektoren zu trainieren. Um sich kontinuierlich an neue, unbekannte Angriffe anzupassen, entwickelt das Team verschiedene Phasen in unseren automatisierten Modellen zur Neutrainierung, einschließlich Datenanalyse- und Generierungsphasen, Modellierungsphasen, Produktionsbewertungsphasen sowie automatisierte Bereitstellungsphasen.

In dieser Rolle haben Sie die Möglichkeit, einen erheblichen Einfluss auf das Gesamtziel, die Richtung und den Fahrplan des Teams zu haben. Der Machine Learning Engineer wäre daran beteiligt, das Gebiet der falsch negativen Ergebnisse zu verstehen, d. h. die aktuellen und zukünftigen Angriffe, die erhebliche Störungen im Arbeitsablauf der Kunden verursachen können. Sie würden helfen, den technischen Fahrplan zu definieren, der erforderlich ist, um die dringendsten Kundenprobleme anzugehen, und gleichzeitig unser Entscheidungssystem zur Erkennung bei extrem hoher Rückrufquote zu betreiben.

Was Sie tun werden:

• Systeme entwerfen und implementieren, die Regeln, Modelle, Merkmalsengineering und geschäftliche sowie produktbezogene Eingaben in ein E-Mail-Erzeugungsprodukt kombinieren, mit Anleitung durch erfahrene Ingenieure.
• Verstehen, welche Merkmale sichere E-Mails von E-Mail-Angriffen unterscheiden und wie unser Modellstapel es uns ermöglicht, sie zu erfassen.
• Neue Merkmalsgruppen oder ML-Modellansätze identifizieren und empfehlen, die die Erkennungseffizienz eines Produkts erheblich verbessern können.
• Mit Infrastruktur- und Systemingenieuren zusammenarbeiten, um Signale zu produzieren, die in das Erkennungssystem eingespeist werden.
• Code schreiben, wobei Testbarkeit, Lesbarkeit, Randfälle und Fehler berücksichtigt werden.
• Modelle auf gut definierten Datensätzen trainieren, um die Effizienz des Modells bei spezialisierten Angriffen zu verbessern.
• Aktiv die FN-Raten und Effizienzraten für unsere Produktkategorien zur Nachrichtenerkennung überwachen und verbessern, durch Merkmalsengineering, Regeln und ML-Modellierung.
• FN- und FP-Datensätze analysieren, um Fähigkeitslücken zu kategorisieren und kurzfristige Ideen für Merkmale und Regeln zur Verbesserung unserer Erkennungseffizienz zu empfehlen.
• In anderen Bereichen des Stacks beitragen: Datenpipelines erstellen und debuggen oder Ergebnisse bei Bedarf unseren Kunden in unseren Tools präsentieren.

Must Have:

• 3+ Jahre Erfahrung in der Gestaltung, dem Aufbau und der Bereitstellung von Anwendungen für maschinelles Lernen in einem der Bereiche Textverständnis, Entitätserkennung, NLP, Computer Vision, Empfehlungssysteme oder Suche.
• 1+ Jahre Erfahrung im Schreiben stabiler und produktionsreifer Pipelines für das Training und die Bewertung von Modellen, die zu reproduzierbaren Modellen und Metriken führen.
• Erfahrung mit Datenanalytik und dem Umgang mit SQL+pandas+spark-Framework, um sowohl Daten- und Metrikgenerierungspipelines zu erstellen als auch kritische Fragen zur Systemeffizienz oder kontrafaktischen Behandlungen zu beantworten.
• Fähigkeit, Geschäftsanforderungen gründlich zu verstehen und eine Neigung zur Gestaltung eines einfachsten, aber generalisierbaren ML-Modells / Systems, das das Ziel erreichen kann.
• Systematischer Ansatz zur Fehlersuche sowohl bei Daten- als auch bei Systemproblemen innerhalb von ML / heuristischen Modellen.
• Fließend in Python und mit Werkzeugen für maschinelles Lernen wie numpy, sklearn, pytorch und tensorflow vertraut.
• Effektive Software-Engineering-Fähigkeiten, die schnell Antworten aus dem Code-Basis finden und strukturierten, lesbaren, gut getesteten und effizienten Code schreiben können.
• BS-Abschluss in Informatik, angewandten Wissenschaften, Informationssystemen oder einem anderen verwandten Ingenieurfeld.

Nice To Have:

• MS-Abschluss in Informatik, Elektrotechnik oder einem anderen verwandten Ingenieurfeld.
• Erfahrung mit Big Data, Statistik und maschinellem Lernen.
• Erfahrung mit Algorithmen und Optimierung.

Diese Position ist nicht:

• Eine Rolle, die sich auf die Optimierung bestehender Modelle für maschinelles Lernen konzentriert.
• Eine forschungsorientierte Rolle, die zwei Schritte vom Produkt oder Kunden entfernt ist.
• Eine Rolle, die Statistik/Datenwissenschaft mit ML verbindet.

Bei Abnormal AI sind bestimmte Rollen für einen Bonus, eingeschränkte Aktienoptionen (RSUs) und Leistungen berechtigt. Individuelle Vergütungspakete basieren auf Faktoren, die einzigartig für jeden Kandidaten sind, einschließlich ihrer Fähigkeiten, Erfahrungen, Qualifikationen und anderer arbeitsbezogener Gründe. Grundgehaltsspanne: 168.300—198.000 USD.

Abnormal AI ist ein Arbeitgeber, der Chancengleichheit bietet. Qualifizierte Bewerber werden ohne Berücksichtigung von Rasse, Hautfarbe, Religion, Geschlecht, nationaler Herkunft, Behinderung, geschütztem Veteranenstatus oder anderen gesetzlich geschützten Merkmalen berücksichtigt. Für unsere EEO-Richtlinie klicken Sie bitte hier.