Senior ML Engineer - Email Security in Sachseln

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 Systemengineering, 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.

Accountabilities:

• Sie tragen über den gesamten Lebenszyklus des maschinellen Lernens und den Produktionsengineering-Stack hinweg bei und stellen sicher, dass die E-Mail-Erkennungsmodelle genau, effizient und zuverlässig in realen Hosting-Umgebungen sind.
• Model Training and Deployment: 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.
• Production ML Engineering: Entwicklung der Produktionskomponenten eines neuen E-Mail-Filter-Engines in Go, einschließlich des Inferenzdienstes, Mail-Filter-Integrationen, Tokenisierung und Streaming-Nachrichtenanalyse.
• Detection Quality Improvement: Untersuchung von vom Kunden gemeldeten Spam- und Phishing-Vorfällen, Nachverfolgung von Erkennungsfehlern und Implementierung geeigneter Korrekturen durch Regeln, Datensatzverbesserungen oder Modellneutrainings.
• Model Performance Optimization: Ausbalancierung der Erkennungsraten gegenüber Risiken von Fehlalarmen, um sicherzustellen, dass legitime Nachrichten nicht unnötig blockiert werden, während bösartige Inhalte effektiv identifiziert werden.
• Training Infrastructure and Data Tooling: Pflege der Corpus-Management-Tools und der Trainingsinfrastruktur, die erforderlich sind, um zuverlässige Experimente und Modellfreigaben zu unterstützen.
• Code and Model Reviews: Überprüfung und Genehmigung von Klassifizierer-, Regel- und Modelländerungen zur Verbesserung der Qualität, zum Austausch technischer Kenntnisse und zur Gewährleistung, dass Freigaben ohne Abhängigkeit von einem einzelnen Ingenieur erfolgen können.
• Technical Collaboration: Unterstützung der Partneringenieure beim Verständnis der Klassifikationsergebnisse, Erklärung des Verhaltens der Modellscores und Bereitstellung klarer technischer Anleitungen bei auftretenden Fragen.
• Documentation and Knowledge Sharing: Schreiben von technischen Spezifikationen, Handbüchern, Merge-Request-Beschreibungen und Nachbesprechungen, die Entscheidungen verständlich machen und eine effektive Zusammenarbeit unterstützen.
• Independent Delivery: Fortschritt in Richtung definierter Meilensteine, einschließlich der unabhängigen Lieferung einer Regelmodellfreigabe im ersten Monat, der Bereitstellung einer Komponente der neuen Engine zur Staging-Umgebung bis zum dritten Monat und der Unterstützung einer Modellfreigabe unabhängig bis zum sechsten Monat.

Requirements:

Der ideale Kandidat ist ein erfahrener Machine Learning Engineer 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.

• Production Detection Experience: 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 Ownership: Erfahrung in der eigenständigen Übernahme mindestens eines maschinellen Lernklassifizierers in die Produktion, einschließlich Corpus-Konstruktion, Schwellenwertauswahl, Fehleranalyse und Freigabentscheidungen.
• Transformer Training Expertise: Praktische Erfahrung im Training von Transformern mit PyTorch, einschließlich Tokenizern, Masked-Language-Pre-Training, Fine-Tuning, ONNX-Export und CPU-Inferenzleistungsmessung.
• Systems and Development Skills: Starke praktische Kenntnisse in Linux, Shell-Scripting und Python, einschließlich der Arbeit mit Shared-Servern und GPU-Ressourcen.
• AI-Assisted Development: Regelmäßige Nutzung von KI-Coding-Agenten und Entwicklungstools zur Unterstützung der Ingenieursproduktivität.
• Written Communication: Englischkenntnisse auf B2-Niveau oder höher, mit besonders starken schriftlichen Kommunikationsfähigkeiten für technische Dokumentation, Spezifikationen und Code-Reviews.
• Ownership and Judgment: 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:

• Email Protocols and Infrastructure: Kenntnisse über SMTP, MIME, Transferencodierungen, SPF, DKIM und DMARC sowie darüber, 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.
• Systems Programming: Vertrautheit mit Go oder Rust, insbesondere für Parser, Streaming-Systeme, Parallelität und speichereingeschränkte Anwendungen.
• Spam Filtering Frameworks: Erfahrung mit rspamd oder SpamAssassin-Interna, einschließlich Regeln, zusammengesetzten Regeln, Lua-Plugins und Massentestbewertung.
• Large-Scale Dataset Management: Erfahrung in der Arbeit mit mehrmillionenproben Korpora, Labeling-Pipelines und Annotationstools.
• Model Optimization: Kenntnisse über Quantisierung, Destillation, leichte Modellarchitekturen und Latenzoptimierung für ressourcenschonende Hardware.
• AI-Assisted Annotation: Erfahrung in der Nutzung von LLM-basierten Labelern oder Validierern zur Skalierung der Datenannotation und Qualitätssicherung.
• Hosting Platforms: Vertrautheit mit Hosting-Control-Panels wie cPanel, Plesk oder DirectAdmin.

Benefits:

• Fully Remote Work: Arbeiten Sie remote mit der Flexibilität, Ihren Zeitplan zu organisieren und von verschiedenen Standorten weltweit zu arbeiten, abhängig von Rolle und Einstellungsvereinbarungen.
• Flexible Working Hours: Autonomie, Ihren Arbeitstag um Ihre Produktivität und Verpflichtungen herum zu strukturieren.
• Paid Vacation: 24 Tage bezahlter Urlaub jährlich.
• Public Holidays: 10 Tage nationale Feiertage.
• Sick Leave: Unbegrenzter Krankheitsurlaub.
• Healthcare Support: Finanzielle Unterstützung für private Krankenversicherung.
• Wellness Benefits: Erstattung für Co-Working-Spaces und Fitness- oder Sportaktivitäten.
• Learning and Development: Ein Bildungsbudget und ein Fokus auf kontinuierliches berufliches Wachstum.
• Innovation Rewards: Die Möglichkeit, eine Belohnung für die Entwicklung einer innovativen Idee zu erhalten, die patentiert werden kann.
• Technical Challenges: Möglichkeiten, an anspruchsvollen Projekten im Bereich maschinelles Lernen, Cybersicherheit und Produktionsengineering mit messbarem Einfluss in der realen Welt zu arbeiten.