Ingegnere del Software, Machine Learning Platform - Gen AI
Software Engineer, Machine Learning Platform - Gen AI è un’offerta aperta presso DoorDash USA, un’azienda del settore logistica. L’offerta indica San Francisco, Stati Uniti come sede. La classifichiamo come una posizione di livello intermedio in dati e machine learning. Tecnologie citate nell’offerta: LLM, Kubernetes, AWS, GCP, RAG e Python. Sono richiesti 3+ anni di esperienza. Ci sono 132 posizioni aperte di DoorDash USA su questo sito, di cui 35 in IT e ingegneria.
Pubblicata 15 giorni fa · Ultimo controllo: 2026-10-24
Informazioni su DoorDash USA
Logistica Azienda non tech con un team IT 132 posizioni aperte, 27% nell’IT e nell’ingegneria. Ruoli con più offerte: Operations e amministrazione (29), Vendite (14), Sviluppo software (generale) (14).
Offerte simili
offerte di lavoro dati e machine learning negli Stati Uniti: 1051 aperte
- Stagista Estivo 2027, MS/PhD, Machine Learning, Fondamenti di Affinamento dei Driver — Waymo, San Francisco, CA, USAOriginale: 2027 Summer Intern, MS/PhD, Machine Learning, Driver Refinement Foundations
- 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
- Ingegnere Analytics Senior — Rocket Money, San Francisco, CA, Washington, D.C., New York City, N.Y., Detroit, MI, Phoenix, AZ, Miami, FL, Denver, CO., Remote (USA)Originale: Senior Analytics Engineer
- Data Engineer Senior — SoFi, Cottonwood Heights, Utah, United StatesOriginale: Senior Data Engineer
| Modalità di lavoro | Modalità non indicata |
| Livello | Intermedio |
| Ruolo | Dati e machine learning |
| Paesi | Stati Uniti |
| Lingue | Python |
| Dati principali | Stack: Python, LLM, Kubernetes, AWS, GCP, RAG · Esperienza: 3+ anni |
La descrizione completa si trova nell’offerta originale. Le etichette vengono assegnate automaticamente e possono essere errate. Informazioni sui dati