Categorías
···
Entrar / Registro
Resumen: Buscamos un Ingeniero Senior de ML para construir desde cero una pila de aprendizaje automático destinada a la seguridad de APIs, centrándose en la detección de anomalías y en definir la dirección técnica. Aspectos destacados: 1. Oportunidad de ser el primer ingeniero especializado en aprendizaje automático con una trayectoria hacia liderazgo 2. Construir desde cero la pila de aprendizaje automático para detección de anomalías lista para producción 3. Responsabilidad integral desde la exploración de datos hasta la implementación en producción Desde 2016, Wallarm se ha propuesto proteger la infraestructura crítica de internet: las APIs. Hoy somos la opción de confianza para más de 200 de las empresas más innovadoras del mundo, desde startups de rápido crecimiento hasta líderes de Fortune 500 y Nasdaq. Nuestra plataforma unificada ofrece seguridad API durante todo el ciclo de vida —ayudando a los equipos a descubrir su superficie de ataque, protegerse contra amenazas modernas y responder a incidentes en tiempo real. Como graduados de Y Combinator y respaldados recientemente por una ronda **Serie C de 55 millones de dólares**, estamos ampliando nuestro equipo global y remoto de más de 150 innovadores para resolver los desafíos de seguridad de la próxima generación. Estamos desarrollando sistemas de detección impulsados por ML que protegen las APIs contra abusos automatizados: inyección masiva de credenciales, scraping, enumeración y patrones de ataque que evolucionan diariamente. Se trata de un proyecto totalmente nuevo: contamos con los datos y las ideas, pero la infraestructura de ML, las canalizaciones y los modelos deben construirse desde cero. Serás el primer ingeniero especializado en ML del equipo, trabajando estrechamente con ingenieros, investigadores de seguridad y DevOps. Este es un puesto senior individual con una clara vía hacia el liderazgo técnico —planeamos expandir la función de ML en torno a esta contratación. ### **Qué harás** * Construir desde cero la pila de ML —Diseñar e implementar las canalizaciones de datos, la extracción de características, el entrenamiento de modelos y la infraestructura de servicio necesarias para la detección de anomalías lista para producción. * Detectar anomalías en el tráfico de APIs —Tu primer resultado importante: construir un sistema que identifique patrones de comportamiento malicioso a través de sesiones de clientes con alta precisión y exhaustividad, entrenado por cliente. * Asumir responsabilidad integral del ciclo de vida —Desde la exploración de datos crudos y la ingeniería de características hasta el desarrollo, evaluación, implementación y monitoreo continuo de modelos. Sin transferencias a un equipo separado de "producción". * Diseñar experimentos y métricas —Construir evaluaciones fuera de línea, definir métricas de calidad de detección y supervisar falsos positivos, deriva y adaptación adversarial. * Trabajar con datos textuales y estructurados de comportamiento —Extraer señales de sesiones de API, secuencias de solicitudes, cargas útiles y metadatos de tráfico mediante técnicas de PLN y estadísticas. * Aprovechar modelos de lenguaje grande (LLM) donde aporten valor —Explorar modelos basados en incrustaciones y enfoques potenciados por LLM para enriquecer señales, clasificación y explicabilidad. * Definir la dirección técnica —Documentar hallazgos, presentarlos ante equipos multifuncionales y ayudar a definir la hoja de ruta de ML a medida que el equipo crezca. **Qué buscamos** **Requerido** * 5 o más años de experiencia en ML aplicado o ingeniería de ML con experiencia en implementación en producción (no perfiles centrados únicamente en investigación). * Experiencia sólida en PLN / datos textuales —trabajo práctico con clasificación de texto, extracción de patrones, tokenización, incrustaciones o similares. Esto constituye el núcleo del trabajo. * Competencia en Python y sistemas listos para producción (APIs, canalizaciones de datos, servicio de modelos). * Habilidades sólidas en ingeniería de datos —experiencia construyendo canalizaciones ETL/de datos, trabajando con datos por lotes y en tiempo real, y comprendiendo el ciclo de vida completo de los datos de ML (DAG, versionado de datos, almacenes de características). * Experiencia práctica profunda en fundamentos de ML: clasificación, detección de anomalías, agrupamiento y métodos estadísticos —y el criterio para elegir el enfoque adecuado según cada problema. * Capacidad para trabajar con datos imperfectos —etiquetas ruidosas, desequilibrio de clases, distribuciones cambiantes —y estrategias prácticas para etiquetado, evaluación e implementación de modelos fiables. * Mentalidad de responsabilidad integral —capacidad de llevar un problema desde los datos crudos hasta su implementación en producción, colaborando con DevOps para configurar la infraestructura necesaria. * Habilidades sólidas en experimentación: prototipar rápidamente, diseñar evaluaciones rigurosas, medir resultados y analizar compromisos (costo, calidad, latencia).**Altamente preferible** * Experiencia en dominios donde los atacantes se adaptan activamente a la detección (fraude, mitigación de bots, prevención de abusos, spam). La mentalidad de ML para manejar la deriva de concepto y la evasión adversarial importa más que el conocimiento específico del dominio. * Familiaridad con herramientas del ciclo de vida de ML: seguimiento de experimentos (MLflow, W&B), versionado de modelos (DVC), herramientas de supervisión débil (Snorkel, cleanlab), monitoreo de deriva. * Experiencia con pilas de grandes datos / transmisión en tiempo real (Spark, Kafka, BigQuery) o plataformas de ML en la nube (AWS SageMaker, GCP Vertex). * Antecedentes en investigación de seguridad o inteligencia sobre amenazas (no obligatorio —el contexto del dominio puede aprenderse).**Quién prospera aquí** * Eres un ingeniero de ML de pila completa —igualmente cómodo construyendo una canalización de datos y ajustando un modelo, diseñando un experimento e implementándolo en producción. * Ya has construido desde cero antes —sabes lo que implica pasar de "tenemos datos e ideas" a "tenemos un sistema de detección funcional". * Te entusiasma la ambigüedad y la responsabilidad —esto no es una cola bien definida de tareas, sino un espacio de problemas abierto en el que tú defines el camino. * Estás listo para crecer hacia el liderazgo —mentorear a ingenieros, definir la estrategia técnica y asumir la hoja de ruta de ML a medida que el equipo se expande a tu alrededor. * Aprovechas herramientas modernas (desarrollo asistido por IA, flujos de trabajo potenciados por LLM) para avanzar más rápido sin sacrificar calidad.
