Machine Learning Engineer Appliqué
Quartermaster, une entreprise du secteur industrie et hardware, recrute pour le poste de Applied Machine Learning Engineer. Le travail se fait sur site, lieu : Arlington, États-Unis. Nous le classons comme un poste de niveau confirmé en data et machine learning. L’offre mentionne PyTorch, TensorFlow et Python. 4+ ans d’expérience sont requis. Un master est requis. Il y a 7 postes ouverts chez Quartermaster sur ce site, dont 3 en IT et ingénierie.
Publiée il y a 29 jours · Dernière vérification 2026-10-24
À propos de Quartermaster
Industrie et hardware Entreprise non tech avec une équipe IT 7 postes ouverts, dont 43 % en IT et ingénierie. Métiers les plus ouverts : Data et machine learning (2), Ressources humaines / recrutement (2), Ingénierie hors logiciel et techniciens (1).
Offres similaires
offres d’emploi data et machine learning aux États-Unis : 1 048 ouverts
- SVP - Data Engineering, Data Science & Analytics — AXS, San Francisco, CA
- Business Intelligence Asscoaite — Farther, Hybrid - New York, NY
- AI/ML Engineering Intern — Amperesand, Sunnyvale, California, United States
- Associate AI Engineer — Fuel Cycle, Los Angeles Office
- Staff Machine Learning Engineer, Retrieval & Targeting — Reddit, Remote - United States
- Ingénieur/e Analytique Senior — Rocket Money, San Francisco, CA, Washington, D.C., New York City, N.Y., Detroit, MI, Phoenix, AZ, Miami, FL, Denver, CO., Remote (USA)Original : Senior Analytics Engineer
- Data Engineer Senior — SoFi, Cottonwood Heights, Utah, United StatesOriginal : Senior Data Engineer
- Data Analyst Senior — Hippo Insurance, Austin, Texas, United States; Dallas, Texas, United StatesOriginal : Senior Data Analyst
| Mode de travail | Sur site |
| Niveau d’expérience | Confirmé |
| Métier | Data et machine learning |
| Pays | États-Unis |
| Langues | Python |
| Type d’emploi | FullTime |
| Points clés | Stack: Python, PyTorch, TensorFlow · Expérience : 4+ ans · Master requis · Habilitation de sécurité requise |
La description complète se trouve sur l’offre d’origine. Les étiquettes sont attribuées automatiquement et peuvent être erronées. À propos des données