Data Scientist

Описание роли

На позиции Data Scientist в Kaspersky вы станете ключевым специалистом в команде кибербезопасности, отвечающей за разработку и внедрение ML-моделей для своевременного выявления угроз. Основные задачи включают сбор и анализ данных о поведении зловредных программ, построение и оценку эффективности классификаторов, интерпретацию результатов и презентацию выводов как внутренним стейкхолдерам, так и внешним заказчикам. Вы будете работать над проектами, где нельзя ограничиться простым импортом готовых алгоритмов — требуется глубокое погружение в логи, поиск паттернов, формирование и проверка гипотез на реальных данных. Роль подразумевает тесное взаимодействие с командой исследователей, инженеров по MLOps и аналитиков безопасности, а также участие в планировании дорожной карты развития продуктов.

Уникальность вакансии

Kaspersky предлагает работать на передовом рубеже кибербезопасности: ваши решения будут защищать миллионы пользователей по всему миру. Внутри компании налажено интенсивное обмен знаниями — регулярные код-ревью, встречи с экспертами по анализу угроз и участие в международных конференциях. Команда открыта к экспериментам с новыми инструментами, включая GPU-вычисления и распределённые вычисления на Spark-кластере. В Касперском вы сможете развивать навыки в области MLOps, публиковаться в профильных изданиях и завоёвывать экспертизу в отрасли.

О компании

Kaspersky — один из мировых лидеров по разработке решений в области информационной и кибербезопасности. Компания основана в 1997 году, имеет представительства более чем в 200 странах и более 400 миллионов пользователей. Корпоративная культура строится на принципах открытости, сотрудничества и постоянного обучения: сотрудники участвуют в внутренних тренингах и семинарах, а также имеют доступ к международным курсам.

Обязанности

• Проектирование, обучение и оптимизация моделей машинного обучения для детектирования и классификации угроз.
• Предобработка и анализ больших объёмов данных из логов и телеметрии.
• Валидация алгоритмов, настройка гиперпараметров и оценка эффективности моделей.
• Подготовка отчётов и презентаций для внутренних команд и внешних партнёров.

Требования

• Опыт применения классических ML-алгоритмов и библиотек (scikit-learn, CatBoost) не менее 3 лет.
• Глубокие знания Python и умение писать чистый, документированный код.
• Владение Docker, основы контейнеризации приложений (готовность создавать Docker-файлы).
• Знакомство с распределёнными вычислениями на Spark или готовность обучаться.
• Понимание статистических методов (доверительные интервалы, A/B-тестирование).
• Интерес к кибербезопасности, терминология полиморфа и фишинга не вызывает затруднений.

Условия

• Офис в центре Москвы: оборудованные рабочие места и лаборатории для ML-исследований.
• Полная занятость с гибким началом рабочего дня.
• Корпоративное ДМС, ежегодный бюджет на обучение и участие в профильных конференциях.
• Возможность публиковаться и выступать на международных мероприятиях, чёткие перспективы карьерного роста в R&D.