Palo Alto, California, United States
Ingeniero/a de MLOps Staff
Original: Staff MLOps EngineerUSD 230K–270K / añoHíbridoStaffDatos y machine learning
CI/CDAWSDockerKubernetes
AiDASH, Inc., una empresa de software del sector energía y clima, tiene una vacante de Staff MLOps 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 CI/CD, AWS, Docker y Kubernetes. AiDASH, Inc. tiene 12 puestos abiertos en este sitio, 7 de ellos en IT e ingeniería.
Publicado hace 17 días · Última revisión: 2026-10-27
Sobre AiDASH, Inc.
Energía y clima Empresa de producto de software 12 puestos abiertos, 58% en IT e ingeniería. Roles con más ofertas: Ingeniería backend (2), Dirección general y ejecutivos (2), QA y testing (2).
Empleos similares
Data ScientistOriginal: Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 140K–160K / añoData Scientist Asociado/aOriginal: Associate Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 110K–140K / añoData AnalystOriginal: Data AnalystRVO Health · Charlotte, North Carolina, United StatesUSD 70K–95K / añoCientífico/a Investigador/a Principal - RiesgoOriginal: Principal Research Scientist - RiskNeara · New York CityUSD 180K–220K / añoData Scientist, GeoespacialOriginal: Data Scientist, GeospatialNeara · HoustonUSD 140K–160K / añoMachine Learning Engineer StaffOriginal: Staff Machine Learning EngineerPinterest · San Francisco, CA, US; Remote, USRemotoMiembro del Staff Técnico, Aprendizaje AutomáticoOriginal: Member of Technical Staff, Machine LearningAntioch · New York CityPresencialData ScientistOriginal: Data ScientistCenterfield · Los Angeles, CaliforniaUSD 95K–115K / año
| Modalidad | Híbrido |
| Nivel | Staff |
| Rol | Datos y machine learning |
| Países | Estados Unidos |
| Datos clave | Stack: CI/CD, AWS, Docker, Kubernetes |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos