Deutsch
Español
Français
Hrvatski
Italiano
Lietuvių
Nederlands
Norsk
Polski
Română
SlovenščinaNew York City
Machine Learning Engineer
Original: Machine Learning EngineerUSD 140K–250K / anoPresencialDados e machine learning
PythonLLMRAGPyTorchTensorFlowCompliance
Solstice, uma empresa do setor biotecnologia, farmacêutica e dispositivos médicos, procura preencher a vaga de Machine Learning Engineer. A vaga é presencial em New York City, Estados Unidos. Classificamo-la em dados e machine learning. A oferta menciona LLM, RAG, PyTorch, TensorFlow e Python. A Solstice tem 2 vagas abertas neste site, 2 das quais em TI e engenharia.
Publicada hoje · Última verificação: 2026-11-11
Sobre Solstice
Biotecnologia, farmacêutica e dispositivos médicos 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 Analyst SeniorOriginal: Senior Data AnalystClarity Pediatrics · United StatesUSD 150K–175K / anoData Engineer de AIOriginal: AI Data EngineerMonster Energy · USA - Corona, CAUSD 105K–140K / anoEngenheiro/a de Analytics StaffOriginal: Staff Analytics EngineerZocdoc · New York, NY; Silicon Valley, CAUSD 180K–250K / anoEngenheiro/a AI Forward DeployedOriginal: Forward Deployed AI EngineerTuring · Los Angeles, California, United StatesUSD 200K–250K / anoHead of DataOriginal: Head of DataMulberry · Kensington Office, LondonHíbridoProgramador/a BIOriginal: BI DeveloperBALLY’S INTRALOT SA · Little Rock , Arkansas, United StatesHíbridoProgramador/a BIOriginal: BI DeveloperBALLY’S INTRALOT SA · Little Rock , Arkansas, United StatesHíbridoCientista de Investigação SeniorOriginal: Senior Research ScientistJobgether · USUSD 62,8K–104,5K / ano
| Local de trabalho | Presencial |
| Nível de experiência | Não indicado |
| Área | Dados e machine learning |
| Países | Estados Unidos |
| Idiomas | Python |
| Tipo de emprego | FullTime |
| Dados principais | Stack: Python, LLM, RAG, PyTorch, TensorFlow |
A descrição completa está na oferta original. As etiquetas são definidas automaticamente e podem estar erradas. Sobre os dados