Nous utilisons des cookies techniques et le journal de visites anonymisé de Zorky. Yandex Metrica (données stockées sur des serveurs en Russie) ne fonctionne qu'avec votre consentement. Nous ne vendons jamais de données. En savoir plus sur les cookies et les statistiques.
Zorky est en mode test — tout est gratuit. Les offres et les pages des entreprises sont ouvertes à tous ; les liens vers les annonces et votre sélection personnelle s'ouvrent après inscription. Inscription →
← Toutes les offres

Senior ML Engineer - Email Security

SeniorremoteEstonia, EEil y a 3 sem.
Analyses du marché
📊 AI / ML / Data Science: salaires et demande sur le marché
Stack
go
Détails
Expérience
5 ans et plus
Anglais
B2, requis
Afficher l'entreprise et le lien
Gratuit, après connexion.
Postuler
Ouvrez l'entreprise et le lien ci-dessus — votre candidature arrive directement dans le système de recrutement de l'entreprise, sans intermédiaire.

Description

Accountabilities:

  • You will contribute across the machine learning lifecycle and production engineering stack, ensuring that email detection models are accurate, efficient, and reliable in real-world hosting environments. Your responsibilities will include: Model Training and Deployment: Train, evaluate, and release spam-detection models, including building and maintaining training corpora, selecting decision thresholds, analyzing precision and recall, and determining whether models are ready for production.
  • Production ML Engineering: Develop the production components of a new email-filtering engine in Go, including the inference service, mail-filter integrations, tokenization, and streaming message parsing.
  • Detection Quality Improvement: Investigate customer-reported spam and phishing incidents, trace detection failures, and implement appropriate fixes through rules, dataset improvements, or model retraining.
  • Model Performance Optimization: Balance detection rates against false-positive risks, ensuring legitimate messages are not unnecessarily blocked while malicious content is effectively identified.
  • Training Infrastructure and Data Tooling: Maintain the corpus management tools and training infrastructure required to support reliable experimentation and model releases.
  • Code and Model Reviews: Review and approve classifier, rule, and model changes to improve quality, share technical knowledge, and ensure releases can proceed without depending on a single engineer.
Description complète, entreprise et lien pour postuler : après connexion. Se connecter
Les contacts de l'employeur (e-mail/téléphone/telegram) sont masqués dans l'aperçu public.
Question urgente ? Écrivez à @termdocs