Ingeniero/a de AI
Embedding VC, una empresa del sector IA y datos, tiene una vacante de AI Engineer. El puesto es híbrido, con base en Palo Alto, Estados Unidos. Lo clasificamos en datos y machine learning. El stack de la oferta incluye PyTorch, Kubernetes y Python. Beneficios que menciona la oferta: participación en la empresa. Embedding VC tiene 25 puestos abiertos en este sitio, 4 de ellos en IT e ingeniería.
Publicado hoy · Última revisión: 2026-10-23
Sobre Embedding VC
IA y datos Empresa no tecnológica con equipo IT 25 puestos abiertos, 16% en IT e ingeniería. Roles con más ofertas: Producto y diseño (5), Dirección general y ejecutivos (3), Marketing y comunicación (3).
Empleos similares
empleos de datos y machine learning en Estados Unidos: 1043 abiertos
- Data Scientist: Product — Thatch, Austin, Texas, United States; New York, New York, United States; Remote (US); San Francisco, California, United States
- Ingeniero/a de AI — Makai Labs, New York | California | Massachusetts | Texas | New Jersey | North CarolinaOriginal: AI Engineer
- Ingeniero/a AI/ML Senior — Tempo, United States | CanadaOriginal: Senior AI/ML Engineer
- Sr. Data Analyst — Centerfield, Remote, United StatesOriginal: Sr. Data Analyst
- Data Engineer — CuspAI, Cambridge, UK | Amsterdam, NL | Berlin, DE | Cambridge, UKOriginal: Data Engineer
- Sr. Data Analyst, Cumplimiento — Kraken, United StatesOriginal: Sr. Data Analyst, Compliance
- Copia de Ingeniero/a de AI/ML de AI Aplicada (100 % remote) (m/f/d) — EWOR GmbH, Austin, Unnamed recordOriginal: Copy of Applied AI AI/ML Engineer (100 % remote) (m/f/d)
- Copia de Ingeniero/a AI AI/ML (100 % remote) (m/f/d) — EWOR GmbH, Palo Alto, Unnamed recordOriginal: Copy of AI AI/ML Engineer (100 % remote) (m/f/d)
| Modalidad | Híbrido |
| Nivel | No indicado |
| Rol | Datos y machine learning |
| Países | Estados Unidos |
| Lenguajes | Python |
| Tipo de empleo | FullTime |
| Datos clave | Stack: Python, PyTorch, Kubernetes · Participación en la empresa |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos