Ingeniero/a de Plataforma de Software Lead, MLOps
Lead Software Platform Engineer, MLOps es una oferta abierta en TetraScience, una empresa de software del sector IA y datos. El empleo está en Estados Unidos. Nuestras etiquetas lo marcan como un puesto de nivel senior en datos y machine learning. Tecnologías que menciona la oferta: LLM, Databricks, MLflow, AWS, RAG y Docker. Pide 10+ años de experiencia. Beneficios que menciona la oferta: vacaciones ilimitadas. TetraScience tiene 3 puestos abiertos en este sitio, 2 de ellos en IT e ingeniería.
Publicado hace 7 días · Última revisión: 2026-10-23
Sobre TetraScience
IA y datos Empresa de producto de software 3 puestos abiertos, 67% en IT e ingeniería. Roles con más ofertas: Datos y machine learning (3), Ingeniería no software y técnicos (1).
Empleos similares
empleos de datos y machine learning en Estados Unidos: 1054 abiertos
- 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
- Ingeniero/a de Analítica Senior — Rocket Money, San Francisco, CA, Washington, D.C., New York City, N.Y., Detroit, MI, Phoenix, AZ, Miami, FL, Denver, CO., Remote (USA)Original: Senior Analytics Engineer
- Data Engineer Senior — SoFi, Cottonwood Heights, Utah, United StatesOriginal: Senior Data Engineer
- Data Analyst Senior — Hippo Insurance, Austin, Texas, United States; Dallas, Texas, United StatesOriginal: Senior Data Analyst
- Group Product Manager, Data/ML — Discord, San Francisco Bay Area
- Data Scientist Senior — Clarity Innovations, MacDill AFB, FLOriginal: Senior Data Scientist
| Modalidad | Modalidad no indicada |
| Nivel | Senior |
| Rol | Datos y machine learning |
| Países | Estados Unidos |
| Lenguajes | PythonTypeScript |
| Datos clave | Stack: Python, TypeScript, LLM, Databricks, MLflow, AWS, RAG, Docker, CI/CD · Experiencia: 10+ años · Vacaciones ilimitadas |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos