Machine Learning Engineer (Junior+/Mid) – Python / Applied ML

Rozwijamy wIDS (Web-based Intrusion Detection System) – autorski system monitorowania stron i aplikacji internetowych, który wykorzystuje Machine Learning, analizę treści i kodu oraz algorytmy analizy obrazu do wykrywania anomalii i potencjalnych zagrożeń cyberbezpieczeństwa. Nasz system wykorzystuje modele LightGBM, Random Forest, Sentence Transformers i EfficientNet, które analizują m.in. adresy URL, linki, treści stron internetowych, kod JavaScript oraz wygląd stron WWW.

Szukamy osoby, która dołączy do naszego zespołu i pomoże nam rozwijać, doskonalić oraz utrzymywać istniejące modele ML, a także tworzyć nowe mechanizmy detekcji.

Nie szukamy wyłącznie osoby z wieloletnim doświadczeniem. Jesteśmy otwarci również na ambitnych studentów ostatnich lat studiów i absolwentów, którzy mają solidne podstawy programowania i uczenia maszynowego, potrafią samodzielnie analizować problemy i chcą rozwijać swoje kompetencje przy rzeczywistym produkcie.

Co nas wyróżnia?

• Praca nad własnym produktem – rozwijasz rozwiązania, które są wykorzystywane w rzeczywistym środowisku produkcyjnym, a nie wyłącznie prototypy czy projekty demonstracyjne.
• Realny wpływ na rozwój technologii – masz możliwość proponowania własnych rozwiązań, eksperymentowania i wdrażania usprawnień.
• Różnorodność zagadnień ML – od klasycznych modeli klasyfikacyjnych, przez NLP, po deep learning i analizę obrazów.
• Mały, zgrany zespół – bez rozbudowanej hierarchii i skomplikowanych procesów decyzyjnych, z bezpośrednim kontaktem z osobami rozwijającymi produkt.
• Możliwość szybkiego rozwoju – wielu naszych pracowników zaczynało u nas swoją karierę zawodową i rozwijało kompetencje wraz z firmą.

Cenimy samodzielność, dociekliwość, logiczne myślenie i umiejętność rozwiązywania problemów bardziej niż liczbę technologii wpisanych w CV.

Jeśli lubisz rozumieć, dlaczego model działa (albo dlaczego nie działa), analizować wyniki eksperymentów i szukać lepszych rozwiązań, a jednocześnie chcesz widzieć praktyczne efekty swojej pracy – zapraszamy do naszego zespołu!

Daily tasks

• Rozwój i utrzymanie modeli Machine Learning wykorzystywanych w systemie wIDS do wykrywania anomalii i potencjalnych zagrożeń na stronach internetowych.
• Doskonalenie modeli klasyfikujących podejrzane adresy URL i linki, wykorzystujących algorytmy takie jak LightGBM oraz analizę cech strukturalnych.
• Rozwój modeli NLP służących do rozpoznawania podejrzanych treści na stronach WWW, z wykorzystaniem embeddingów tekstowych i algorytmów klasyfikacyjnych.
• Rozwój modeli analizy obrazów (CNN, EfficientNet) służących do wykrywania podejrzanego wyglądu stron internetowych na podstawie zrzutów ekranu.
• Rozwijanie i optymalizacja mechanizmów analizy kodu JavaScript, w tym wykrywania podejrzanych wzorców i potencjalnie złośliwych zachowań.
• Przygotowywanie, czyszczenie i przetwarzanie zbiorów danych treningowych i testowych, w tym ekstrakcja oraz selekcja cech.
• Trenowanie, testowanie i optymalizacja modeli ML, dobór hiperparametrów oraz analiza skuteczności klasyfikacji.
• Analiza błędnych predykcji (false positives i false negatives), identyfikowanie ograniczeń modeli i opracowywanie metod poprawy ich skuteczności.
• Integracja modeli z istniejącym systemem, rozwój mechanizmów inferencji oraz optymalizacja ich wydajności.
• Monitorowanie jakości działania modeli w środowisku produkcyjnym, aktualizowanie i wersjonowanie modeli oraz dokumentowanie wprowadzanych zmian.
• Współpraca z zespołem programistycznym przy projektowaniu i wdrażaniu nowych mechanizmów wykrywania zagrożeń.

Requirements

• Dobra znajomość Pythona i umiejętność pisania czytelnego, dobrze zorganizowanego kodu.
• Praktyczna znajomość podstaw Machine Learning, w szczególności klasyfikacji, przygotowywania danych, trenowania i oceny skuteczności modeli.
• Znajomość popularnych bibliotek ML, takich jak scikit-learn, PyTorch, pandas, NumPy.
• Znajomość przynajmniej jednego z obszarów:
• Klasyczny ML – Random Forest, LightGBM, feature engineering, klasyfikacja danych strukturalnych.
• NLP – przetwarzanie tekstu, embeddingi, Sentence Transformers, klasyfikacja treści.
• Analiza obrazów (Deep Learning) – sieci CNN, EfficientNet, klasyfikacja obrazów.
• Umiejętność poprawnego projektowania eksperymentów, interpretowania wyników i identyfikowania problemów z jakością modeli (np. overfitting, false positives, data leakage).
• Znajomość Gita oraz podstaw pracy w środowisku Linux.
• Samodzielność, analityczne myślenie, dociekliwość i umiejętność rozwiązywania nietypowych problemów technicznych.

Mile widziane

• Doświadczenie w realizacji własnych projektów ML (komercyjnych, akademickich lub open source).
• Doświadczenie z wdrażaniem modeli ML, tworzeniem API (np. FastAPI), Dockerem lub narzędziami MLOps.
• Znajomość zagadnień cyberbezpieczeństwa, szczególnie phishingu, analizy podejrzanych adresów URL i kodu JavaScript.
• Znajomość metod analizy podobieństwa obrazów, transfer learningu lub analizy strukturalnej kodu (AST).
• Doświadczenie z automatyzacją analizy stron WWW, np. Playwright, BeautifulSoup.
• Znajomość SQL i pracy z większymi zbiorami danych.

Must have: Python, Machine Learning

Nice to have: API, FastAPI, Docker, MLOps, PyTorch, NumPy, pandas, Deep learning, NLP, Linux, Playwright, SQL, scikit-learn