San Francisco
Ingénieur/e AI Appliquée Fondateur
Original : Founding Applied AI EngineerUSD 230K–260K / anSur siteData et machine learning
LLMRAGPostgreSQLProcurementERP systemsPrototyping
Founding Applied AI Engineer est une offre ouverte chez DOSS, un éditeur de logiciels du secteur logiciels d’entreprise (SaaS). Le poste est sur site (San Francisco, États-Unis). Nous le classons en data et machine learning. Technologies citées dans l’offre : LLM, RAG et PostgreSQL. DOSS a 9 postes ouverts sur ce site, dont 3 en IT et ingénierie.
Publiée aujourd’hui · Dernière vérification 2026-10-27
À propos de DOSS
Logiciels d’entreprise (SaaS) Éditeur de logiciels 9 postes ouverts, dont 33 % en IT et ingénierie. Métiers les plus ouverts : Stratégie, conseil et analyse (2), Produit et design (2), Vente (2).
Offres similaires
Ingénieur/e Analytique SeniorOriginal : Senior Analytics EngineerAttentive · United StatesUSD 144,4K–183K / anMachine Learning Engineer StaffOriginal : Staff Machine Learning EngineerSimpliSafe · Boston, MAUSD 183,5K–244,6K / anData Analyst SeniorOriginal : Senior Data AnalystToast · BostonUSD 102K–163K / anData ScientistOriginal : Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 140K–160K / anData Scientist Associé/eOriginal : Associate Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 110K–140K / anData AnalystOriginal : Data AnalystRVO Health · Charlotte, North Carolina, United StatesUSD 70K–95K / anScientifique Principal de Recherche - RisqueOriginal : Principal Research Scientist - RiskNeara · New York CityUSD 180K–220K / anData Scientist, GéospatialOriginal : Data Scientist, GeospatialNeara · HoustonUSD 140K–160K / an
| Mode de travail | Sur site |
| Niveau d’expérience | Non indiqué |
| Métier | Data et machine learning |
| Pays | États-Unis |
| Type d’emploi | FullTime |
| Points clés | Stack: LLM, RAG, PostgreSQL |
La description complète se trouve sur l’offre d’origine. Les étiquettes sont attribuées automatiquement et peuvent être erronées. À propos des données