San Francisco HQ
Cientista de Investigação (pós-treino)
Original: Research Scientist (post-training)Salário: desconhecidoDados e machine learning
PyTorchLLMRLHFPhD
Genmo, uma empresa do setor indústria e hardware, procura preencher a vaga de Research Scientist (post-training). O local de trabalho é San Francisco, Estados Unidos. Classificamo-la em dados e machine learning. A oferta menciona PyTorch e LLM. É exigido um doutoramento. A Genmo tem 2 vagas abertas neste site, 2 das quais em TI e engenharia.
Publicada há 7 dias · Última verificação: 2026-10-27
Sobre Genmo
Indústria e hardware Empresa não tecnológica com equipa de TI 2 vagas abertas, 100% em TI e engenharia. Áreas com mais vagas: Dados e machine learning (2).
Ofertas semelhantes
Data ScientistOriginal: Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 140K–160K / anoData Scientist Associado/aOriginal: Associate Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 110K–140K / anoData AnalystOriginal: Data AnalystRVO Health · Charlotte, North Carolina, United StatesUSD 70K–95K / anoCientista Principal de Investigação - RiscoOriginal: Principal Research Scientist - RiskNeara · New York CityUSD 180K–220K / anoData Scientist, GeoespacialOriginal: Data Scientist, GeospatialNeara · HoustonUSD 140K–160K / anoMachine Learning Engineer StaffOriginal: Staff Machine Learning EngineerPinterest · San Francisco, CA, US; Remote, USRemotoMembro Técnico Staff, Machine LearningOriginal: Member of Technical Staff, Machine LearningAntioch · New York CityPresencialData ScientistOriginal: Data ScientistCenterfield · Los Angeles, CaliforniaUSD 95K–115K / ano
| Local de trabalho | Local de trabalho não indicado |
| Nível de experiência | Não indicado |
| Área | Dados e machine learning |
| Países | Estados Unidos |
| Tipo de emprego | FullTime |
| Dados principais | Stack: PyTorch, LLM · Doutoramento obrigatório |
A descrição completa está na oferta original. As etiquetas são definidas automaticamente e podem estar erradas. Sobre os dados