Cambridge, MA
Pasantía PhD Aplicada en ML/CS (6+ meses)
Original: Applied ML/CS PhD Internship (6+ months)Salario: desconocidoJuniorPhD
Applied ML/CS PhD Internship (6+ months) es una oferta abierta en Cartesian Systems, una empresa del sector e-commerce y comercio. El empleo está en Estados Unidos. Lo clasificamos en datos y machine learning. Cartesian Systems tiene 5 puestos abiertos en este sitio, 2 de ellos en IT e ingeniería.
Publicado hace 17 días · Última revisión: 2026-10-25
Sobre Cartesian Systems
E-commerce y comercio Empresa no tecnológica con equipo IT 5 puestos abiertos, 40% en IT e ingeniería. Roles con más ofertas: Datos y machine learning (2), Finanzas y legal (1), Operaciones y administración (1).
Empleos similares
Ingeniero/a de AIOriginal: AI EngineerMomentic · San FranciscoUSD 175K–250K / añoSr. Data AnalystOriginal: Sr. Data AnalystCenterfield · Remote, United StatesUSD 95K–115K / año2027 Becario/a de Verano, MS/PhD, Aprendizaje Automático, Fundamentos de Refinamiento de ControladoresOriginal: 2027 Summer Intern, MS/PhD, Machine Learning, Driver Refinement FoundationsWaymo · San Francisco, CA, USAUSD 70 / horaBecario/a de Ingeniería AI/MLOriginal: AI/ML Engineering InternAmperesand · Sunnyvale, California, United StatesIngeniero/a de AI Asociado/aOriginal: Associate AI EngineerFuel Cycle · Los Angeles OfficeUSD 90K–110K / añoMachine Learning Engineer Staff, Recuperación y SegmentaciónOriginal: Staff Machine Learning Engineer, Retrieval & TargetingReddit · Remote - United StatesUSD 230K–322K / añoIngeniero/a de Analítica SeniorOriginal: Senior Analytics EngineerRocket Money · San Francisco, CA, Washington, D.C., New York City, N.Y., Detroit, MI, Phoenix, AZ, Miami, FL, Denver, CO., Remote (USA)USD 150K–190K / añoData Engineer SeniorOriginal: Senior Data EngineerSoFi · Cottonwood Heights, Utah, United StatesUSD 124,8K–156K / año
| Modalidad | Modalidad no indicada |
| Nivel | Junior |
| Rol | Datos y machine learning |
| Países | Estados Unidos |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos