{"id":1569987,"url":"https://alion.io/job/rt-ib-ml-inzhener-gibrid","title":"ML-аналитик (ИБ)","company":{"id":812524,"name":"RT-IB","domain":"rt-ib.ru","url":"https://alion.io/company/rtib","size_band":"501-1000","is_staffing_agency":false,"employer_type":"direct","is_intermediary":false,"listed_via":null,"ats_vendor":"HeadHunter","truth_index":null},"role":"Analytics","role_family":"Analytics","seniority":null,"employment_type":"full_time","work_mode":"hybrid","remote_scope":null,"remote_scope_basis":null,"remote_working_hours":null,"hiring_geo_confidence":"structured","locations":["Moscow, Russia"],"countries":["RU"],"hiring_countries":[],"hiring_countries_total":0,"salary":null,"salary_estimate":null,"experience_years_min":null,"visa_sponsorship":false,"relocation_package":false,"has_equity":false,"technologies":[{"name":"AI Agents","optional":false},{"name":"CI/CD","optional":false},{"name":"Docker","optional":false},{"name":"Embeddings","optional":false},{"name":"FastAPI","optional":false},{"name":"Function Calling","optional":false},{"name":"Git","optional":false},{"name":"GitLab CI","optional":false},{"name":"Hugging Face","optional":false},{"name":"LangGraph","optional":false},{"name":"LLM","optional":false},{"name":"Machine Learning","optional":false},{"name":"MS SQL","optional":false},{"name":"Mypy","optional":false},{"name":"PostgreSQL","optional":false},{"name":"Pytest","optional":false},{"name":"Python","optional":false},{"name":"PyTorch","optional":false},{"name":"Qdrant","optional":false},{"name":"RAG","optional":false},{"name":"Ruff","optional":false},{"name":"SGLang","optional":false},{"name":"Structured Outputs","optional":false},{"name":"Tool Use","optional":false},{"name":"vLLM","optional":false},{"name":"Grafana","optional":true},{"name":"LangChain","optional":true},{"name":"NumPy","optional":true},{"name":"Scikit-learn","optional":true},{"name":"SQL","optional":true}],"status":"live","first_seen_at":"2026-10-01T07:23:37Z","employer_posted_date":"2026-10-01","last_verified_at":"2026-10-02T16:09:00Z","board_verified":true,"closed_at":null,"days_open":1,"trust":{"level":"ok","repost_count":null,"flags":[],"days_open":1},"description":"Мы ищем человека, который умеет превращать сырые данные (логи, события, инциденты) в работающие ML-сервисы. Не просто «обучил модель в ноутбуке и забыл» , а довёл от гипотезы до прототипа, завернул в API и сопроводил в проде. Вы будете работать на стыке машинного обучения и информационной безопасности - это значит, что данные здесь настоящие, задачи нетипичные, а результат видит вся команда мониторинга и реагирования.\n Чем предстоит заниматься:\n Исследовать и прототипировать - придумывать, как ML может решить задачи SOC/MDR, проверять гипотезы на реальных данных и собирать прототипы, которые не стыдно показать бизнесу.\n Доводить до прода - превращать прототип в рабочий сервис: API на FastAPI, Docker, типизация, всё как у взрослых. Сопровождать в Production, мониторить, дорабатывать.\n Решать прикладные задачи ML - классификация событий безопасности, поиск аномалий в логах, парсинг и обработка текстов, анализ временных рядов, анализ ролевой модели доступа.\n Работать с LLM - строить приложения на больших языковых моделях: RAG, embeddings, structured output, tool calling, агентные сценарии. Оценивать качество ответов, чтобы не галлюцинировало.\n Развивать аналитическое ядро - поддерживать и улучшать существующие ML/DS-проекты, переобучать модели на свежих данных, адаптировать под новые требования.\n Участвовать в пилотах - помогать внедрять продукты у заказчиков, разбираться в их данных, показывать, что ML реально работает.\n Взаимодействовать с разработкой - ставить задачи по доработке сервисов, обсуждать архитектуру, проводить code review.\n Реальные задачи, где ML влияет на безопасность продукта, а не «тренировка моделей ради метрик».\n Современный стек: Python 3.10+, PyTorch, Hugging Face, vLLM, SGLang, LangGraph, Qdrant, FastAPI, PostgreSQL, Prefect, Docker, GitLab CI/CD, pytest, Ruff, mypy, uv.\n Что мы ожидаем:\n Опыт и образование:\n От 1,5 лет в анализе данных, ML, ML-инженерии или backend-разработке с ML-задачами;\n Высшее техническое (или учитесь): математика, ИТ, ИБ, анализ данных или смежное. Подойдёт и бакалавр/магистр в процессе - главное, чтобы руки уже были в коде.\n Код и инженерия:\n Python - уверенно. Не просто \"GPT помоги, а сам понимаешь, что написано\";\n Опыт разработки API и сервисов на Python;\n FastAPI, uv, Docker, vLLM - будет большим плюсом.\n ML и данные:\n Практический опыт с pandas, numpy, scikit-learn на данных из реальных систем (не только Kaggle);\n Классический ML: классификация, поиск аномалий, обработка текстов, временные ряды - понимание, когда и что применять;\n SQL - извлекать, проверять, агрегировать данные без чужой помощи;\n Понимание принципов построения LLM-приложений: промптинг, embeddings, RAG, structured output, tool calling, оценка качества;\n Если делали агентные решения - отлично.\n Доменная область.\n Готовность разобраться в данных SOC/MDR: события безопасности, инциденты, логи, метрики, результаты работы аналитиков;\n Опыт в ИБ не обязателен - важно желание и способность быстро погружаться.\n Будет преимуществом:\n Опыт в информационной безопасности: SOC, MDR/MSSP или смежные задачи;\n Агентные решения на базе LLM - разработка или практическое использование. ML/LLM-решения для закрытых внутренних контуров (on-premise, без внешних API);\n Grafana, ELK, работа с логами, метриками и событиями;\n Опыт в ИБ не обязателен - важно желание и способность быстро погружаться.\n Работая в команде РТ-Информационная безопасность, вы получаете:\n Стабильную официальную окладную часть + бонусы и премии;\n Оформление по ТК РФ;\n До 10 day-off в год по результатам работы;\n Full Time office формат работы с графиком 5/2 (гибридный график работы - обсуждается);\n Работу в молодой и дружной команде профессионалов (средний возраст сотрудников ниже 30 лет);\n Возможность прохождения обучения как по внутренним, так и по сторонним обучающим программам;\n Отличную возможность для реализации идей (руководство компании открыто к новым стратегиям);\n ДМС + стоматология - после испытательного срока;\n Партнерскую программу скидок.","description_format":"text","description_chars":3987,"description_truncated":false,"requirements":{"experience_years_min":null,"management_years_min":null,"team_size_min":null,"manages_managers":false,"education":{"level":"bachelor","optional":false},"security_clearance":false,"languages":[{"language":"Russian","level":"Advanced (C1)","optional":false}]},"benefits":[],"hiring_locations":[{"name":"Russia","iso":"RU","kind":"country"}],"hiring_excludes":[],"relocation_offered":false,"industries":["Information Security"],"lifecycle":[{"event":"open","at":"2026-10-01T07:28:22Z"}],"liveness":{"score":86,"band":"hot","label":"Hiring now","p_open":1,"p_active":0.86,"p_room":1,"age_days":0,"expected_fill_days":27,"reasons":["conf:22","win:early"],"computed_at":"2026-10-02T05:45:00Z"},"pay":null,"html_url":"https://alion.io/job/rt-ib-ml-inzhener-gibrid","json_url":"https://alion.io/job/rt-ib-ml-inzhener-gibrid.json","meta":{"generated_at":"2026-10-03T02:03:21Z","cache_seconds":300,"methodology":"https://alion.io/methodology","terms":"https://alion.io/terms","contact":"https://alion.io/contact","api":"https://alion.io/developers","usage":{"tier":"crawler","counted_by":"address","units_charged":1,"used_today":2193,"day_limit":5000,"remaining_today":2807,"minute_limit":60,"resets_at":"2026-10-04T00:00:00Z"}}}