Deutsch
Español
Hrvatski
Italiano
Lietuvių
Nederlands
Norsk
Polski
Português
Română
SlovenščinaRedwood City, CA | Remote, US | Remote, EU | New York, NY | Seattle, WA | London, UK
Chercheur/euse / Ingénieur/e – Optimisation des Performances
Original : Research Scientist / Engineer – Performance OptimizationUSD 195K–395K / anHybridePyTorch
Lumaai, un éditeur de logiciels, recrute pour le poste de Research Scientist / Engineer – Performance Optimization. Le poste est hybride (London). Nous le classons en data et machine learning. L’offre mentionne PyTorch. Lumaai a 7 postes ouverts sur ce site, dont 4 en IT et ingénierie.
Publiée il y a 17 jours · Dernière vérification 2026-10-26
À propos de Lumaai
Éditeur de logiciels 7 postes ouverts, dont 57 % en IT et ingénierie. Métiers les plus ouverts : Data et machine learning (8), Développement logiciel (général) (3), Création, médias et rédaction (1).
Offres similaires
Machine Learning Engineer, Classement & RécupérationOriginal : Machine Learning Engineer, Ranking & RetrievalBjak · United StatesTélétravailMembre du Staff Technique, Machine LearningOriginal : Member of Technical Staff, Machine LearningBjak · United StatesTélétravailMachine Learning Engineer AppliquéOriginal : Applied Machine Learning EngineerBjak · United KingdomHybrideMachine Learning Engineer, AI AppliquéeOriginal : Machine Learning Engineer, Applied AIBjak · United KingdomHybrideData Engineer SeniorOriginal : Senior Data EngineerMidnite · United KingdomGBP 85K–100K / anTech Lead, Machine LearningOriginal : Technical Lead, Machine LearningBjak · United KingdomHybrideMachine Learning Engineer StaffOriginal : Staff Machine Learning EngineerBjak · United StatesTélétravailMachine Learning Engineer PrincipalOriginal : Principal Machine Learning EngineerBjak · United KingdomHybride
| Mode de travail | Hybride |
| Niveau d’expérience | Non indiqué |
| Métier | Data et machine learning |
| Pays | Royaume-Uni, États-Unis |
| Type d’emploi | FullTime |
| Points clés | Stack: PyTorch |
La description complète se trouve sur l’offre d’origine. Les étiquettes sont attribuées automatiquement et peuvent être erronées. À propos des données