Brasilien
Pentera
Azumo
Data Scientist
RemoteBrasilien
Brazil
PythonAWSGCPGo
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Azumo entwickelt und betreibt produktive KI-Systeme für Unternehmen, von Start-ups in der Frühphase bis zu Meta.
Wir stellen einen Data Scientist ein, der den Teil verantwortet, der vor der Existenz des Systems liegt: welche Frage wird tatsächlich gestellt, welche Methode beantwortet sie, ob die Antwort Bestand hat und wie jemand das überhaupt wissen würde.
Die Rolle ist vollständig remote in Lateinamerika angesiedelt und an den Arbeitstag Ihres Kunden angepasst.
Sie erhalten keine Spezifikation. Azumo hat seit 2016 Modelle in Produktion gebracht, und die Arbeit hier beginnt mit einem Kunden, der weiß, was ihn stört, und noch nicht weiß, was er messen soll. Dies in ein Modell, eine Basislinie und eine Zahl zu verwandeln, auf die jemand reagieren kann, ist die Aufgabe.
Wo diese Rolle angesiedelt ist
Die Engineering-Organisation von Azumo ist in vier Bereiche unterteilt. Der Data Engineer-Bereich verantwortet Pipelines, Speicher und die Abrufebene. Der AI Engineer-Bereich verantwortet das Verhalten in der Produktion. Der Software Engineer-Bereich verantwortet die KI-gestützte Produktlieferung. Diese Rolle ist der Data Scientist-Bereich und verantwortet die Frage und die Methode.
Eine Frage grenzt die Zuständigkeit ab: Wenn das Ergebnis falsch ist, wessen Problem ist es? „Die Methode war ungeeignet oder die Frage war falsch“ ist Ihr Problem. „Das System hat mit einer geeigneten Methode das Falsche getan“ ist das Problem des AI Engineers.
Nicht ganz Ihr Profil? Sehen Sie sich unsere anderen Stellenangebote an:
- Wenn Sie die Pipelines und die Abrufebene erstellen, auf denen Modelle basieren — Data Engineer
- Wenn Sie dafür verantwortlich sind, wie ein KI-System in der Produktion funktioniert — AI Engineer
- Wenn Sie Produktsoftware mit Agenten in Ihrer Toolchain ausliefern — AI-Augmented Software Engineer
- Wenn Sie all das oben Genannte getan haben und direkt dem Kunden gegenüber verantwortlich waren — Forward Deployed Engineer
Wie wir arbeiten
Unsere Ingenieure bauen täglich mit KI. Claude Code, Codex und ähnliche Tools sind hier Teil der Standard-Toolchain, kein Experiment. Wir führen eine automatisierte Prüfung des gesamten Codes auf Tag eins und jeden Tag danach durch, bewerten Sicherheit, Kosten und Architektur-Erkenntnisse nach Schweregrad mit der genauen Datei und Zeile, sodass ein kleines Team schnell und ohne Qualitätsverlust arbeiten kann. Wir bleiben herstellerneutral über OpenAI, Anthropic und Open-Weight-Modelle hinweg, und wir betreiben Valkyrie, unsere eigene Produktionsschicht, wenn eine einzige Schnittstelle zu jedem Modell die richtige Wahl ist.
Was Sie bauen werden
- Die Frage. Übersetzung einer Geschäftsentscheidung in etwas Messbares: Was würde als Erfolg gelten, was leistet die Basislinie bereits und was wäre eine nützliche Verbesserung im Vergleich dazu.
- Methode und Modell. Überwachte und unüberwachte Methoden, deep learning mit CNNs und Transformers in PyTorch, und das Urteilsvermögen, zwischen ihnen zu wählen, einschließlich der Fälle, in denen ein einfacheres Modell oder gar kein Modell die richtige Antwort ist.
- Fine-Tuning und Anpassung. Anpassung vortrainierter und Open-Weight-Modelle mit LoRA, QLoRA oder PEFT und eine klare Vorstellung davon, wann Fine-Tuning die falsche Antwort ist.
- Messung und Versuchsplanung. Basislinien, Holdouts, Offline- und Online-Evaluierung und ehrliche Berichterstattung über Unsicherheiten. Wenn Sie sagen, das Modell sei besser, sollten Sie sagen können, besser als was, um wie viel und wie sicher Sie sich sind.
- Fehleranalyse und Übergabe. Unterscheidung zwischen einem Datenproblem, einem Labelproblem, einem Methodenproblem und einem Framingproblem und Übergabe des Modells, verpackt, dokumentiert und mit der Metrik, die definiert, ob es noch funktioniert.
- Arbeit innerhalb der Umgebung des Kunden. Ihre Repositories, Ihre Stand-ups, manchmal ihre Kundengespräche. Azumo ist SOC 2 zertifiziert, Kundencode verbleibt in den Repositories des Kunden, und einige Engagements unterliegen zusätzlichen Anforderungen wie HIPAA.
Über Azumo
Azumo ist ein in San Francisco ansässiges Softwareentwicklungsunternehmen, das seit 2016 intelligente Anwendungen entwickelt. Wir stellen Organisationen, die produktive KI schneller benötigen, als sie sie einstellen können, Nearshore-KI-Engineering-Teams zur Verfügung: als eingebettetes Engineering-Team, als KI-Personalverstärkung neben einem bestehenden Team oder als vollständige Projektentwicklung. Unsere Ingenieure arbeiten von Lateinamerika aus, angepasst an die Zeitzonen der Vereinigten Staaten, und haben für Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth und CENTEGIX geliefert.
Wir stellen nach Seniorität ein und testen diese, bevor jemand einem Kundenteam beitritt. Wir unterstützen Ingenieure dabei, tief in den modernen KI-Stack einzutauchen, und wir geben Zeit für Open-Source-Arbeit, Community-Lehre und Philanthropie zurück.
Bewerben Sie sich unter azumo.com/join-our-team oder schreiben Sie uns an people@azumo.com.
Mindestanforderungen
Grundlegende Qualifikationen
- 5+ Jahre Erfahrung in der Erstellung und Validierung von Modellen anhand realer Entscheidungen, mit Python als Ihrer primären Sprache, plus die dazugehörigen Engineering-Grundlagen: Tests, Code-Reviews, Git, Container und Versionskontrolle für Daten und Experimente.
- Tiefgehende Kenntnisse in machine learning und deep learning: überwachte und unüberwachte Methoden, CNNs und Transformers, mit praktischer Erfahrung in PyTorch oder einem gleichwertigen Framework, einschließlich Training, benutzerdefinierten Modulen und Optimierung.
- Expertenkenntnisse in pandas, NumPy und scikit-learn.
- Starke Grundlagen in Statistik und Versuchsplanung: Basislinien, Holdouts, Signifikanz und die Fähigkeit, anzugeben, wie zuversichtlich Sie sind und warum.
- Fine-Tuning oder Anpassung von vortrainierten Modellen und eine klare Vorstellung davon, wann Fine-Tuning die falsche Antwort ist.
- Fehleranalyse als Disziplin. Sie können ein Datenproblem von einem Labelproblem, einem Methodenproblem und einem Framingproblem trennen, anstatt nach einem größeren Modell zu greifen.
- Cloud-Erfahrung mit AWS, GCP oder Azure und deren KI-Diensten wie Amazon SageMaker, Google Vertex AI oder Azure Machine Learning.
- Aktive Nutzung von KI-gestützten Coding-Tools wie Claude Code, Cursor oder GitHub Copilot in der realen Entwicklungsarbeit.
- Klares schriftliches und gesprochenes Englisch, C1 oder höher, und das Selbstvertrauen, einen technischen Kompromiss direkt gegenüber einem Kunden zu erklären.
- Bachelor- oder Master-Abschluss in Informatik, Data Science oder einem verwandten Fachgebiet oder gleichwertige Berufserfahrung.
Bevorzugte Qualifikationen
- Evaluierung von LLM-Systemen: Testset-Design, Model-as-Judge oder gleichwertige Bewertung und Auswahl von Benchmarks, die Sie verteidigen können.
- Open-Weight Fine-Tuning und Anpassung in der Tiefe: LoRA, QLoRA, PEFT und die damit verbundenen Kosten- und Latenzkompromisse.
- Multimodale Arbeit, die neben Text auch Bild-, Sprach- oder Dokumentenverständnis abdeckt.
- Kausale Inferenz, Uplift-Modellierung oder Forecasting in großem Maßstab.
- Experiment-Tracking und MLOps-Tools: MLflow, Weights & Biases, Kubeflow oder ähnliches.
- Lieferung unter einem Compliance-Regime wie SOC 2 oder HIPAA.
- Beiträge zu Open-Source-KI-Bibliotheken, veröffentlichte Forschungsarbeiten oder technische Artikel oder aktive Teilnahme an der KI-Community.
- Bezahlter Urlaub (PTO)
- US-Feiertage
- KI-Schulungen
- Betreute Karriereentwicklung
- Gewinnbeteiligung
- Vergütung in US-Dollar
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen