Machine Learning Engineer
RECYCLEYE, ein Tech-Dienstleister aus der Branche KI und Daten, sucht eine Person für die Stelle Machine Learning Engineer. Die Stelle ist hybrid, Standort: Stratford, Vereinigte Staaten. Unsere Labels ordnen sie als eine Stelle mit mittlerem Erfahrungslevel im Bereich Data und Machine Learning ein. Die Anzeige nennt Docker, GitHub Actions, Azure, CI/CD, AWS und GCP. Verlangt werden 3+ Jahre Berufserfahrung. Benefits laut Anzeige: Unbegrenzter Urlaub und Weiterbildungsbudget. RECYCLEYE hat 3 offene Stellen auf dieser Website, davon 2 in IT und Engineering.
Veröffentlicht vor 3 Tagen · Zuletzt geprüft 2026-10-24
Über RECYCLEYE
KI und Daten Tech-Dienstleister / Agentur / Beratung 3 offene Stellen, 67 % in IT und Engineering. Rollen mit den meisten offenen Stellen: Data und Machine Learning (1), Ingenieurwesen (ohne Software) und Technik (1), Softwareentwicklung (allgemein) (1).
Ähnliche Jobs
Jobs im Bereich Data und Machine Learning in den USA: 1.056 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
- Senior/Staff Data Scientist (ACF) — Skylight, United States
- SVP - Data Engineering, Data Science & Analytics — AXS, San Francisco, CA
| Arbeitsort | Hybrid |
| Erfahrungsstufe | Mittleres Level |
| Rolle | Data und Machine Learning |
| Länder | Vereinigte Staaten |
| Sprachen | GolangPython |
| Eckdaten | Stack: Golang, Python, Docker, GitHub Actions, Azure, CI/CD, AWS, GCP · Erfahrung: 3+ Jahre · Unbegrenzter Urlaub · Weiterbildungsbudget |
Die vollständige Beschreibung steht in der Originalanzeige. Labels werden automatisch gesetzt und können falsch sein. Über die Daten