Scientifique Appliqué/e Senior, Inférence LLM Efficace & Optimisation de Modèles
Nebius, un éditeur de logiciels du secteur outils pour développeurs et infrastructure, recrute pour le poste de Senior Applied Scientist, Efficient LLM Inference & Model Optimization. Lieu du poste : Zürich, Suisse. Nos libellés le classent comme un poste de niveau senior en data et machine learning. L’offre mentionne LLM, PyTorch et Python. Un doctorat est requis. Nebius a 92 postes ouverts sur ce site, dont 27 en IT et ingénierie.
Publiée il y a 11 jours · Dernière vérification 2026-10-24
À propos de Nebius
Outils pour développeurs et infrastructure Éditeur de logiciels 92 postes ouverts, dont 29 % en IT et ingénierie. Métiers les plus ouverts : Développement logiciel (général) (17), Data et machine learning (16), Finance et juridique (12).
Offres similaires
offres d’emploi data et machine learning en Suisse : 33 ouverts
- Data Scientist Senior — TripleLift , Zürich, Zürich, SwitzerlandOriginal : Senior Data Scientist
- Membre du Staff Technique, Machine Learning — Bjak, Zurich, SwitzerlandOriginal : Member of Technical Staff, Machine Learning
- Machine Learning Engineer Appliqué — Bjak, Zurich, SwitzerlandOriginal : Applied Machine Learning Engineer
- Machine Learning Engineer, AI Appliquée — Bjak, SwitzerlandOriginal : Machine Learning Engineer, Applied AI
- Machine Learning Engineer, Classement & Récupération — Bjak, Zurich, SwitzerlandOriginal : Machine Learning Engineer, Ranking & Retrieval
- Ingénieur/e AI Appliquée — Bjak, Zurich, SwitzerlandOriginal : Applied AI Engineer
- Ingénieur/e Applications LLM — Bjak, SwitzerlandOriginal : LLM Application Engineer
- Data Scientist, Laboratoire & Données Protéiques — Adaptyv, LausanneOriginal : Data Scientist, Lab & Protein Data
| Mode de travail | Mode de travail non indiqué |
| Niveau d’expérience | Senior |
| Métier | Data et machine learning |
| Pays | Suisse |
| Langues | Python |
| Points clés | Stack: Python, LLM, PyTorch · Doctorat requis |
La description complète se trouve sur l’offre d’origine. Les étiquettes sont attribuées automatiquement et peuvent être erronées. À propos des données