Data Scientist/Machine Learning Engineer (req-316)
Data Scientist/Machine Learning Engineer (req-316) ist eine offene Stelle bei CATHEXIS, ein Unternehmen aus der Branche Beratung, Agenturen und Unternehmensdienstleistungen. Standort: Tysons, Vereinigte Staaten. Unsere Labels ordnen sie als eine Stelle mit mittlerem Erfahrungslevel im Bereich Data und Machine Learning ein. Technologien in der Anzeige: AWS, Azure, GCP, LLM und Python. Verlangt werden 3+ Jahre Berufserfahrung. Ein Hochschulabschluss ist erforderlich. CATHEXIS hat 10 offene Stellen auf dieser Website, davon 8 in IT und Engineering.
Veröffentlicht vor 23 Tagen · Zuletzt geprüft 2026-10-24
Über CATHEXIS
Beratung, Agenturen und Unternehmensdienstleistungen Nicht-Tech-Unternehmen mit IT-Team 10 offene Stellen, 80 % in IT und Engineering. Rollen mit den meisten offenen Stellen: Data und Machine Learning (7), Kreativ, Medien und Text (1), DevOps / SRE / Plattform / Cloud (1).
Ähnliche Jobs
Jobs im Bereich Data und Machine Learning in den USA: 1.055 offen
- Data Scientist Fellow — AI/ML — Axle, Bethesda,MD
- Data Scientist Fellow — Multi-Omics Analysis — Axle, Bethesda, MD
- Data Science Fellow — Organoid Biochemistry — Axle, Bethesda, MD
- Data Scientist Fellow, Bioinformatics and Image Analysis — Axle, Bethesda, MD
- Marketing & GTM Data Analyst — Deepgram, USA - Remote
- 2027 Sommerpraktikant/in, MS/PhD, Machine Learning, Driver Refinement Foundations — Waymo, San Francisco, CA, USAOriginal: 2027 Summer Intern, MS/PhD, Machine Learning, Driver Refinement Foundations
- SVP - Data Engineering, Data Science & Analytics — AXS, San Francisco, CA
- Business Intelligence Asscoaite — Farther, Hybrid - New York, NY
| Arbeitsort | Arbeitsort nicht angegeben |
| Erfahrungsstufe | Mittleres Level |
| Rolle | Data und Machine Learning |
| Länder | Vereinigte Staaten |
| Sprachen | Python |
| Beschäftigungsart | Full-time |
| Eckdaten | Stack: Python, AWS, Azure, GCP, LLM · Erfahrung: 3+ Jahre · Hochschulabschluss erforderlich |
Die vollständige Beschreibung steht in der Originalanzeige. Labels werden automatisch gesetzt und können falsch sein. Über die Daten