San Francisco
Ingeniero/a de AI Aplicada Fundador/a
Original: Founding Applied AI EngineerUSD 230K–260K / añoPresencialDatos y machine learning
LLMRAGPostgreSQLProcurementERP systemsPrototyping
Founding Applied AI Engineer es una oferta abierta en DOSS, una empresa de software del sector software empresarial (SaaS). El puesto es presencial en San Francisco, Estados Unidos. Lo clasificamos en datos y machine learning. Tecnologías que menciona la oferta: LLM, RAG y PostgreSQL. DOSS tiene 9 puestos abiertos en este sitio, 3 de ellos en IT e ingeniería.
Publicado hoy · Última revisión: 2026-10-27
Sobre DOSS
Software empresarial (SaaS) Empresa de producto de software 9 puestos abiertos, 33% en IT e ingeniería. Roles con más ofertas: Estrategia, consultoría y análisis (2), Producto y diseño (2), Ventas (2).
Empleos similares
Ingeniero/a de Analítica SeniorOriginal: Senior Analytics EngineerAttentive · United StatesUSD 144,4K–183K / añoMachine Learning Engineer StaffOriginal: Staff Machine Learning EngineerSimpliSafe · Boston, MAUSD 183,5K–244,6K / añoData Analyst SeniorOriginal: Senior Data AnalystToast · BostonUSD 102K–163K / añoData 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 / año
| Modalidad | Presencial |
| Nivel | No indicado |
| Rol | Datos y machine learning |
| Países | Estados Unidos |
| Tipo de empleo | FullTime |
| Datos clave | Stack: LLM, RAG, PostgreSQL |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos