Deutsch
Français
Hrvatski
Italiano
Lietuvių
Nederlands
Norsk
Polski
Português
Română
SlovenščinaUnited States
Machine Learning Engineer, Mantenimiento Predictivo
Original: Machine Learning Engineer, Predictive MaintenanceUSD 151K–175K / añoRemotoEHRPrototypingPhDQuality control
AssetWatch, Inc. tiene una vacante de Machine Learning Engineer, Predictive Maintenance. El puesto es en remoto, y la oferta indica Estados Unidos como ubicación. Lo clasificamos en ingeniería no software y técnicos. Beneficios que menciona la oferta: participación en la empresa y vacaciones ilimitadas. Se requiere un máster. AssetWatch, Inc. tiene 6 puestos abiertos en este sitio.
Publicado hace 24 días · Última revisión: 2026-10-26
Sobre AssetWatch, Inc.
Empresa no tecnológica 6 puestos abiertos. Roles con más ofertas: Ingeniería no software y técnicos (2), Finanzas y legal (2), Customer success y soporte (1).
Empleos similares
Ingeniero/a Eléctrico/a SeniorOriginal: Senior Electrical Engineerrainmaker · El Segundo, CATécnico/a de Integración de UAV LeadOriginal: Lead, UAV Integration Technicianrainmaker · El Segundo, CAIngeniero/a Eléctrico/aOriginal: Electrical Engineerrainmaker · El Segundo, CAIngeniero/a Mecánico/a SeniorOriginal: Senior Mechanical Engineerrainmaker · El Segundo, CATécnico/a de Integración de UAVOriginal: UAV Integration Technicianrainmaker · El Segundo, CAGerente, GNC e Ingeniería de PruebasOriginal: Manager, GNC and Test Engineeringrainmaker · Salt Lake City, UTTécnico/a de Servicio de Puertas Comerciales AutomáticasOriginal: Automatic Commercial Door Service TechnicianGalaxy Service Partners · Columbus, Ohio, United StatesTécnico/a de Servicio de Puertas Comerciales AutomáticasOriginal: Automatic Commercial Door Service TechnicianThomas Door · Columbus, OH
| Modalidad | Remoto |
| Nivel | No indicado |
| Rol | Ingeniería no software y técnicos |
| Países | Estados Unidos |
| Datos clave | Máster obligatorio · Remoto · Participación en la empresa · Vacaciones ilimitadas |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos