Abnormal Security正在寻找一名机器学习工程师加入消息检测-攻击检测团队。
在Abnormal，我们保护客户免受不断演变的恶意对手的攻击，这些对手不断改变他们的技术和策略，以打败和破坏传统的安全方法。
Abnormal一直被评为顶级的网络安全初创公司之一，我们的行为AI系统帮助我们赢得了各种网络安全奖项，从而被信任保护超过8%的财富1000强企业（而且还在不断增长）。
在一个只要发生一次成功的攻击就可能导致数百万美元的财务损失的环境中，攻击检测团队扮演着构建极高召回率的检测引擎的核心角色，该引擎可以在毫秒级延迟下处理数亿条消息。
该团队正在解决一个多层次的检测问题，其中涉及建模通信模式以建立企业范围的基线，将这些模式作为强有力的信号，并将这些信号与上下文信息结合起来创建极其精确的系统。
然后，这些信号被合并和利用来训练高度准确的基于模型和启发式检测器。
此外，为了不断适应新的未知攻击，该团队在我们的自动化模型重新训练流程中构建了不同的阶段，包括数据分析和生成阶段、建模阶段、生产评估阶段以及自动化部署阶段。
这个角色还将有机会对团队的整体任务、方向和路线图产生重大影响。
机器学习工程师将参与了解虚阴性（即可能导致重大客户工作流中断的当前和未来攻击）的领域。
他们将帮助定义解决最紧迫的客户问题所需的技术路线图，并同时以极高的召回率操作我们的检测决策系统。
在高级工程师的指导下，设计和实施将规则、模型、特征工程、业务和产品输入结合到电子邮件检测产品中的系统。
通过特征工程、规则和机器学习建模，积极监控和提高我们的消息检测产品攻击类别的虚阴性率和功效率。
分析虚阴性和虚阳性的数据集，分类能力缺陷并推荐短期特征和规则想法以提高我们的检测效果。
在堆栈的其他领域做出贡献：构建和调试数据流水线，或在需要时向客户展示我们工具中的结果。
在文本理解、实体识别、自然语言处理、计算机视觉、推荐系统或搜索等领域中设计、构建和部署机器学习应用程序的3年以上经验。
拥有撰写稳定且面向生产的模型训练和评估流水线的经验，从而产生可重复的模型和度量。
具备数据分析和使用SQL+pandas+spark框架进行数据和度量生成流水线构建的经验，并能回答关于系统功效或反事实处理的关键问题。
以系统化的方法调试ML/启发式模型中的数据和系统问题。
精通Python和numpy、sklearn、pytorch和tensorflow等机器学习工具包。
具备有效的软件工程技能，能够从代码库中快速找到答案，并编写结构化、可读性强、经过充分测试和高效的代码。
计算机科学、应用科学、信息系统或其他相关工程领域的学士学位。
计算机科学、电气工程或其他相关工程领域的硕士学位
具备大数据、统计学和机器学习的经验
此职位不是：
专注于优化现有机器学习模型的角色
统计/数据科学与机器学习相结合的角色
#我们是全球增长最快的网络安全公司，致力于使云成为企业更安全的地方。通过将机器学习、人工智能和行为数据科学应用于网络安全领域，我们引领着保护现代工作场所免受各种攻击的浪潮。
作为一家公司，我们致力于设计员工体验，提供有趣且具有挑战性的问题，并在一个支持性和低自我环境中解决问题。
关心团队成员不仅仅局限于办公室。股权是我们作为一家上市前初创公司总体薪酬策略的重要和令人兴奋的部分。我们每年还会放假12天。
100%的医疗保险费用由公司承担
关心团队成员不仅仅局限于办公室。我们承担员工医疗保险费用的100%。
如果添加家属，我们将承担75%的医疗保险费用，因此您可以确保您和您的家人处于最佳健康状态。
远程工作为主
作为一家以远程工作为主的公司，意味着我们可以与才华横溢的人们合作，无论他们住在哪里。我们将深度专注时间与Zoom会议以及定期的面对面活动相平衡。
作为一个快速发展的初创公司，我们根据团队的意见不断审查、改进和个性化我们的福利待遇。包容性至关重要
所有合格的申请人将不受种族、宗教、性别、性别认同、性取向、国籍、遗传信息、残疾、年龄或退伍军人身份的限制。
隐私政策
了解更多关于Abnormal的隐私政策，请点击这里。 
多伦多