Senior ML Engineer - Email Security

Diese Position wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Bewerbungen und nächsten Schritte verwaltet. Unser Partner sucht einen Senior ML Engineer - Email Security, der remote in der Schweiz arbeitet. Der Senior ML Engineer wird helfen, fortschrittliche Machine-Learning-Technologie zu entwickeln und bereitzustellen, um die E-Mail-Infrastruktur gegen Spam, Phishing und andere sich entwickelnde Cyber-Bedrohungen zu schützen. Sie werden an einer produktionsreifen Sicherheitslösung arbeiten, die bereits E-Mails über etwa 5.000 Hosting-Server filtert. Die Rolle kombiniert praktisches Training von Transformermodellen mit Systemtechnik, um leichte, effiziente Inferenztechnologie zu entwickeln, die auf den CPUs der Kunden mit minimalem Ressourcenverbrauch läuft. Sie übernehmen die Verantwortung für den gesamten Erkennungslebenszyklus, von der Datensatzvorbereitung und Modellevaluation bis hin zu Produktionsfreigaben und laufenden Qualitätsverbesserungen. In enger Zusammenarbeit mit einem erfahrenen Engineering-Partner werden Sie helfen, die bestehende Filterpipeline zu modernisieren und die Freigaben zuverlässiger und skalierbarer zu gestalten.

Verantwortlichkeiten:

• Modelltraining und -bereitstellung: Trainieren, bewerten und freigeben von Spam-Erkennungsmodellen, einschließlich Aufbau und Pflege von Trainingskorpora, Auswahl von Entscheidungsschwellen, Analyse von Präzision und Rückruf sowie Bestimmung, ob Modelle bereit für die Produktion sind.
• Produktions-ML-Engineering: Entwicklung der Produktionskomponenten einer neuen E-Mail-Filtermaschine in Go, einschließlich des Inferenzdienstes, Mail-Filter-Integrationen, Tokenisierung und Streaming-Nachrichtenanalyse.
• Verbesserung der Erkennungsqualität: Untersuchung von vom Kunden gemeldeten Spam- und Phishing-Vorfällen, Nachverfolgung von Erkennungsfehlern und Implementierung geeigneter Korrekturen durch Regeln, Datensatzverbesserungen oder Modellneutrainings.
• Optimierung der Modellleistung: Ausbalancierung der Erkennungsraten gegenüber dem Risiko von Fehlalarmen, um sicherzustellen, dass legitime Nachrichten nicht unnötig blockiert werden, während bösartige Inhalte effektiv identifiziert werden.
• Trainingsinfrastruktur und Datentools: Pflege der Corpus-Management-Tools und der Trainingsinfrastruktur, die erforderlich sind, um zuverlässige Experimente und Modellfreigaben zu unterstützen.
• Code- und Modellüberprüfungen: Überprüfung und Genehmigung von Änderungen an Klassifizierern, Regeln und Modellen zur Verbesserung der Qualität, zum Teilen technischer Kenntnisse und zur Gewährleistung, dass Freigaben ohne Abhängigkeit von einem einzelnen Ingenieur erfolgen können.
• Technische Zusammenarbeit: Unterstützung von Partneringenieuren beim Verständnis von Klassifikationsergebnissen, Erklärung des Verhaltens der Modellscores und Bereitstellung klarer technischer Anleitungen bei auftretenden Fragen.
• Dokumentation und Wissensaustausch: Schreiben technischer Spezifikationen, Handbücher, Beschreibungen von Merge-Anfragen und Nachbesprechungen, die Entscheidungen verständlich machen und eine effektive Zusammenarbeit unterstützen.
• Unabhängige Lieferung: Fortschritt in Richtung definierter Meilensteine, einschließlich der unabhängigen Bereitstellung einer Regelmodellfreigabe im ersten Monat, der Lieferung einer Komponente der neuen Maschine an die Staging-Umgebung bis zum dritten Monat und der Unterstützung einer Modellfreigabe unabhängig bis zum sechsten Monat.

Anforderungen:

Der ideale Kandidat ist ein erfahrener Machine-Learning-Ingenieur mit einem starken Hintergrund in Produktionsklassifizierungssystemen, praktischer Transformer-Expertise und den Ingenieursfähigkeiten, um zuverlässige Sicherheitstechnologie bereitzustellen. Sie sollten sich wohlfühlen, technische Entscheidungen zu treffen, komplexe Erkennungsprobleme zu untersuchen und Ihre Arbeit klar zu kommunizieren. Wichtige Qualifikationen umfassen:

• Erfahrung in der Produktionsdetektion: Mindestens fünf Jahre Erfahrung in der Bereitstellung von Erkennungs- oder Klassifizierungssystemen, bei denen Fehlalarme bedeutende Konsequenzen haben, wie z.B. Anti-Spam, Anti-Phishing, Anti-Malware, Betrugsprävention oder Missbrauchserkennung.
• End-to-End-ML-Eigentum: Erfahrung in der eigenständigen Übernahme mindestens eines Machine-Learning-Klassifizierers in die Produktion, einschließlich Corpus-Konstruktion, Schwellenwertauswahl, Fehleranalyse und Freigabentscheidungen.
• Expertise im Training von Transformern: Praktische Erfahrung im Training von Transformern mit PyTorch, einschließlich Tokenizern, Masked-Language-Pre-Training, Fine-Tuning, ONNX-Export und CPU-Inferenzleistungsmessung.
• System- und Entwicklungsfähigkeiten: Starke praktische Kenntnisse in Linux, Shell-Scripting und Python, einschließlich der Arbeit mit gemeinsamen Servern und GPU-Ressourcen.
• KI-unterstützte Entwicklung: Regelmäßige Nutzung von KI-Coding-Agenten und Entwicklungstools zur Unterstützung der Ingenieursproduktivität.
• Schriftliche Kommunikation: Englischkenntnisse auf B2-Niveau oder höher, mit besonders starken schriftlichen Kommunikationsfähigkeiten für technische Dokumentation, Spezifikationen und Code-Überprüfungen.
• Eigenverantwortung und Urteilsvermögen: Die Fähigkeit, die Modellleistung zu analysieren, evidenzbasierte Freigabentscheidungen zu treffen, schwierige Probleme zu untersuchen und die Erkennungseffektivität mit den Kosten von Fehlalarmen auszubalancieren.

Zusätzliche Erfahrungen, die wertvoll wären, umfassen:

• E-Mail-Protokolle und Infrastruktur: Kenntnisse in SMTP, MIME, Transferkodierungen, SPF, DKIM und DMARC sowie wie Exim, Postfix und Dovecot mit E-Mail-Filtern integriert werden.
• Embedded Machine Learning: Erfahrung im Aufbau von Modellen, die in eingeschränkten Umgebungen betrieben werden sollen.
• Systemprogrammierung: Vertrautheit mit Go oder Rust, insbesondere für Parser, Streaming-Systeme, Parallelität und speichereingeschränkte Anwendungen.
• Spam-Filter-Frameworks: Erfahrung mit rspamd oder SpamAssassin-Interna, einschließlich Regeln, zusammengesetzten Regeln, Lua-Plugins und Massentestbewertung.
• Management großer Datensätze: Erfahrung in der Arbeit mit mehrmillionenproben Korpora, Labeling-Pipelines und Annotationstools.
• Modelloptimierung: Kenntnisse in Quantisierung, Destillation, leichten Modellarchitekturen und Latenzoptimierung für ressourcenschonende Hardware.
• KI-unterstützte Annotation: Erfahrung in der Nutzung von LLM-basierten Labelern oder Validierern zur Skalierung der Datenannotation und Qualitätssicherung.
• Hosting-Plattformen: Vertrautheit mit Hosting-Control-Panels wie cPanel, Plesk oder DirectAdmin.

Vorteile:

• Vollständig remote Arbeiten: Arbeiten Sie remote mit der Flexibilität, Ihren Zeitplan zu organisieren und von verschiedenen Standorten weltweit zu arbeiten, abhängig von Rolle und Einstellungsvereinbarungen.
• Flexible Arbeitszeiten: Autonomie, Ihren Arbeitstag um Ihre Produktivität und Verpflichtungen herum zu strukturieren.
• Bezahlter Urlaub: 24 Tage bezahlter Urlaub jährlich.
• Öffentliche Feiertage: 10 Tage nationale Feiertage.
• Krankheitsurlaub: Unbegrenzter Krankheitsurlaub.
• Gesundheitsunterstützung: Finanzielle Unterstützung für private Krankenversicherungen.
• Wellness-Leistungen: Erstattung für Co-Working-Spaces und Fitness- oder Sportaktivitäten.
• Lernen und Entwicklung: Ein Bildungsbudget und ein Fokus auf kontinuierliches berufliches Wachstum.
• Innovationsbelohnungen: Die Möglichkeit, eine Belohnung für die Entwicklung einer innovativen Idee zu erhalten, die patentiert werden kann.
• Technische Herausforderungen: Möglichkeiten, an anspruchsvollen Projekten in den Bereichen Machine Learning, Cybersicherheit und Produktionsengineering mit messbarem Einfluss in der realen Welt zu arbeiten.