San Francisco
Ingegnere AI Applicata Founding
Originale: Founding Applied AI EngineerUSD 230K–260K / annoIn sedeDati e machine learning
LLMRAGPostgreSQLProcurementERP systemsPrototyping
Founding Applied AI Engineer è un’offerta aperta presso DOSS, un’azienda di software del settore software aziendale (SaaS). La posizione è in sede (San Francisco, Stati Uniti). La classifichiamo in dati e machine learning. Tecnologie citate nell’offerta: LLM, RAG e PostgreSQL. DOSS ha 9 posizioni aperte su questo sito, di cui 3 in IT e ingegneria.
Pubblicata oggi · Ultimo controllo: 2026-10-27
Informazioni su DOSS
Software aziendale (SaaS) Azienda di prodotti software 9 posizioni aperte, 33% nell’IT e nell’ingegneria. Ruoli con più offerte: Strategia, consulenza e analisi (2), Prodotto e design (2), Vendite (2).
Offerte simili
Ingegnere Analytics SeniorOriginale: Senior Analytics EngineerAttentive · United StatesUSD 144,4K–183K / annoMachine Learning Engineer StaffOriginale: Staff Machine Learning EngineerSimpliSafe · Boston, MAUSD 183,5K–244,6K / annoData Analyst SeniorOriginale: Senior Data AnalystToast · BostonUSD 102K–163K / annoData ScientistOriginale: Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 140K–160K / annoData Scientist Associato/aOriginale: Associate Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 110K–140K / annoData AnalystOriginale: Data AnalystRVO Health · Charlotte, North Carolina, United StatesUSD 70K–95K / annoRicercatore/trice Principal - RischioOriginale: Principal Research Scientist - RiskNeara · New York CityUSD 180K–220K / annoData Scientist, GeospazialeOriginale: Data Scientist, GeospatialNeara · HoustonUSD 140K–160K / anno
| Modalità di lavoro | In sede |
| Livello | Non indicato |
| Ruolo | Dati e machine learning |
| Paesi | Stati Uniti |
| Tipo di impiego | FullTime |
| Dati principali | Stack: LLM, RAG, PostgreSQL |
La descrizione completa si trova nell’offerta originale. Le etichette vengono assegnate automaticamente e possono essere errate. Informazioni sui dati