Data Scientist (DMAG)

О проекте:

• Мы разрабатываем методы детектирования от составления обучающей выборки и выявление признаков, до реализации и контроля качества на production системах.
• Разработанные методы далее используются во многих продуктах Лаборатории Касперского непосредственно защищая наших пользователей.
• С примерами задач команды можно ознакомиться по ссылкам:
• How to improve SOC analyst efficiency using ML - DataFest. ML & Security track.
• Краткий ликбез по ML метрикам и их связи с бизнес-метриками - LeadDS meetup.
• DeepQuarantine for Suspicious Mail - whitepaper.
• Detection is not a classification: review of ML techniques for cybersecurity specs - slides.
• Monotonic models for real-time dynamic malware detection - whitepaper.

Задачи:

• Классификация исполняемых файлов как по статическим признакам, так и по их поведению.
• Анализ android/mac файлов.
• Распознавание вредоносных интернет ресурсов основываясь на статистических данных, графах связей IP адресов.
• Кластеризация, быстрый поиск похожих вредоносных объектов.

Требования:

• Вести DS проекты от начальных до заключительных стадий.
• Активно участвовать в генерации и проверке гипотез по улучшению качества текущих алгоритмов и экспериментов с новыми подходами.
• Готовы развивать и обогащать текущий стек технологий на основе python, spark, docker, Azure Devops.
• Обогащать принятые в команде практики MLOps (Code Review, CI/CD, deployment, monitoring, alerting).
• Делиться знаниями в форме выступлений и публикаций на профильных конференциях.