Детали

Грейд

Senior

Опыт работы

от 5 лет

Формат работы

Удалённо

Уровень английского

C1, продвинутый

Сопроводительное письмо к вакансии

Письмо на почту или сообщение рекрутеру в Telegram

О вакансии

Azumo разрабатывает и управляет производственными ИИ-системами для компаний от стартапов на ранних стадиях до Meta. Мы нанимаем специалиста по данным (Data Scientist), который будет отвечать за этапы, предшествующие созданию системы: какой вопрос на самом деле задается, какой метод его решает, выполняется ли ответ, и как кто-либо узнает об этом. Работа полностью удаленная по всей Латинской Америке, с учетом рабочего дня клиента.

Спецификация не будет предоставлена. Azumo поставляет модели в производство с 2016 года, и работа здесь начинается с клиента, который знает, что его беспокоит, но еще не знает, что измерять. Превратить это в модель, базовый уровень и число, на которое кто-то может действовать, — вот задача.

Где находится эта роль

Инженерная организация Azumo построена вокруг четырех направлений. Инженер данных (Data Engineer) отвечает за конвейеры, хранилища и уровень извлечения данных. Инженер ИИ (AI Engineer) отвечает за производственное поведение. Инженер-программист (Software Engineer) отвечает за доставку продукта с помощью ИИ. Эта роль — специалист по данным (Data Scientist), отвечающий за вопрос и метод.

Один вопрос определяет границу: когда результат неверен, чья это проблема? "Метод был неподходящим, или вопрос был неправильным" — это ваша ответственность. "Система сделала что-то не так с подходящим методом" — это ответственность инженера ИИ.

Не совсем ваш профиль? Ознакомьтесь с другими нашими вакансиями:

Если вы создаете конвейеры и модели уровня извлечения данных, от которых зависят модели — Инженер данных (Data Engineer)
Если вы отвечаете за то, как ИИ-система ведет себя в производстве — Инженер ИИ (AI Engineer)
Если вы поставляете продуктовое программное обеспечение с агентами в вашем инструментарии — Инженер-программист с ИИ-усилением (AI-Augmented Software Engineer)
Если вы делали все вышеперечисленное и напрямую отчитывались перед клиентом — Инженер по развертыванию (Forward Deployed Engineer)

Задачи

Вопрос. Преобразование бизнес-решения во что-то измеримое: что будет считаться успехом, чего уже достигает базовый уровень, и как будет выглядеть полезное улучшение
Метод и модель. Методы обучения с учителем и без учителя, глубокое обучение с использованием CNN и Transformers в PyTorch, а также суждение для выбора между ними, включая случаи, когда более простая модель или отсутствие модели — правильное решение
Тонкая настройка и адаптация. Адаптация предварительно обученных моделей и моделей с открытым весом с использованием LoRA, QLoRA или PEFT, а также четкое понимание того, когда тонкая настройка является неправильным решением
Измерение и экспериментальный дизайн. Базовые уровни, резервирование, офлайн- и онлайн-оценка, а также честное представление неопределенности. Если вы говорите, что модель лучше, вы должны уметь сказать, чем лучше, насколько и насколько вы уверены
Анализ ошибок и передача. Различение проблемы данных, проблемы меток, проблемы метода и проблемы постановки задачи, а также передача модели в упакованном, документированном виде с метрикой, определяющей, продолжает ли она работать
Работа в среде клиента. Их репозитории, их стендапы, иногда их звонки с клиентами. Azumo имеет сертификат SOC 2, код клиента остается в репозиториях клиента, а некоторые проекты требуют дополнительных условий, таких как HIPAA

Как мы работаем

Наши инженеры ежедневно работают с ИИ. Claude Code, Codex и аналогичные инструменты являются частью стандартного инструментария здесь, а не экспериментом. Мы проводим автоматический аудит всего кода с первого дня и каждый последующий день, оценивая безопасность, стоимость и архитектуру по степени серьезности с указанием точного файла и строки, чтобы небольшая команда могла быстро работать без потери качества. Мы остаемся вендор-независимыми в отношении моделей OpenAI, Anthropic и моделей с открытым весом, и используем Valkyrie, наш собственный производственный уровень, когда правильным решением является единый интерфейс к любой модели.

О Azumo

Azumo — компания по разработке программного обеспечения, базирующаяся в Сан-Франциско, которая создает интеллектуальные приложения с 2016 года. Мы предоставляем близлежащие команды инженеров по ИИ организациям, которым нужны производственные ИИ быстрее, чем они могут нанять: в качестве встроенной инженерной команды, в качестве дополнения штата по ИИ к существующей команде или в качестве полной сборки проекта. Наши инженеры работают из Латинской Америки, привязаны к часовым поясам США и работали для Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth и CENTEGIX.

Мы нанимаем на позиции старшего уровня и проверяем это, прежде чем кто-либо присоединится к команде клиента. Мы поддерживаем инженеров в углубленном изучении современного стека ИИ и выделяем время на работу с открытым исходным кодом, обучение сообщества и благотворительность.

Требования

Базовая квалификация

Более 5 лет создания и проверки моделей в контексте реальных решений, с использованием Python в качестве основного языка, а также соответствующих инженерных основ: тестирование, обзор кода, Git, контейнеры и управление версиями данных и экспериментов
Глубокие знания в области машинного обучения и глубокого обучения: методы обучения с учителем и без учителя, CNN и Transformers, с практическим опытом работы с PyTorch или эквивалентным фреймворком, включая обучение, пользовательские модули и оптимизацию
Экспертное владение pandas, NumPy и scikit-learn
Прочные знания в области статистики и экспериментального дизайна: базовые уровни, резервирование, значимость и способность точно определять степень уверенности и причины
Опыт тонкой настройки или адаптации предварительно обученных моделей, а также четкое понимание того, когда тонкая настройка является неправильным решением
Анализ ошибок как дисциплина. Вы можете отделить проблему данных от проблемы меток, проблемы метода и проблемы постановки задачи, а не переходить к более крупной модели
Опыт работы в облаке с AWS, GCP или Azure и их ИИ-сервисами, такими как Amazon SageMaker, Google Vertex AI или Azure Machine Learning
Активное использование инструментов кодирования с помощью ИИ, таких как Claude Code, Cursor или GitHub Copilot, в реальной работе
Свободное владение английским языком (устно и письменно) на уровне C1 или выше, а также уверенность в возможности напрямую объяснить технический компромисс клиенту
Степень бакалавра или магистра в области компьютерных наук, науки о данных или смежной области, или эквивалентный профессиональный опыт

Будет плюсом

Оценка систем LLM: дизайн тестовых наборов, использование модели в качестве судьи или эквивалентная оценка, а также выбор бенчмарков, которые вы можете обосновать
Глубокая тонкая настройка и адаптация моделей с открытым весом: LoRA, QLoRA, PEFT, а также связанные с ними компромиссы по стоимости и задержке
Мультимодальная работа, охватывающая зрение, речь или понимание документов наряду с текстом
Причинно-следственный вывод, моделирование прироста или прогнозирование в масштабе
Отслеживание экспериментов и инструменты MLOps: MLflow, Weights & Biases, Kubeflow или аналогичные
Доставка в рамках режима соответствия, такого как SOC 2 или HIPAA
Вклад в библиотеки ИИ с открытым исходным кодом, опубликованные исследования или технические статьи, или активное участие в сообществе ИИ

Условия

Оплачиваемый отпуск (PTO) Праздники США Обучение ИИ Менторское развитие карьеры Разделение прибыли Вознаграждение в долларах США

Azumo builds and operates production AI systems for companies ranging from seed-stage startups to Meta. We are hiring a Data Scientist to own the part that comes before the system exists: what question is actually being asked, which method answers it, whether the answer holds up, and how anyone would know. The role is fully remote across Latin America, aligned to your client's working day.

You will not be handed a specification. Azumo has shipped models into production since 2016, and the work here starts with a client who knows what bothers them and does not yet know what to measure. Turning that into a model, a baseline, and a number someone can act on is the job.

Where this role sits

Azumo's engineering organization is built around four lanes. The Data Engineer lane owns pipelines, storage, and the retrieval layer. The AI Engineer lane owns production behavior. The Software Engineer lane owns AI-augmented product delivery. This role is the Data Scientist lane, and it owns the question and the method.

One question places the boundary: when the output is wrong, whose problem is it? "The method was inappropriate, or the question was the wrong one" is yours . "The system did the wrong thing with an appropriate method" is the AI Engineer's.

Not quite your profile? Check our other openings:

If you build the pipelines and retrieval layer models depend on — Data Engineer
If you own how an AI system behaves in production — AI Engineer
If you ship product software with agents in your toolchain — AI-Augmented Software Engineer
If you've done all of the above and answered to the client directly — Forward Deployed Engineer

What you will build

The question. Translating a business decision into something measurable: what would count as success, what the baseline already achieves, and what a useful improvement over it would look like.
Method and model. Supervised and unsupervised methods, deep learning with CNNs and Transformers in PyTorch, and the judgment to choose between them, including the cases where a simpler model or no model at all is the right answer.
Fine-tuning and adaptation. Adapting pretrained and open-weight models with LoRA, QLoRA or PEFT, and a clear view of when fine-tuning is the wrong answer.
Measurement and experimental design. Baselines, holdouts, offline and online evaluation, and honest reporting of uncertainty. If you say the model is better, you should be able to say better than what, by how much, and how sure you are.
Error analysis and handover. Telling apart a data problem, a label problem, a method problem and a framing problem, and handing the model over packaged, documented, and with the metric that defines whether it is still working.
Work inside the client's environment. Their repositories, their standups, sometimes their customer calls. Azumo is SOC 2 certified, client code stays in client repositories, and some engagements carry additional requirements such as HIPAA.

How we work

Our engineers build with AI every day. Claude Code, Codex, and similar tools are part of the standard toolchain here, not an experiment. We run an automated audit across the whole codebase on day one and every day after, grading security, cost, and architecture findings by severity with the exact file and line, so a small team can move quickly without quality drifting. We stay vendor-neutral across OpenAI, Anthropic, and open-weight models, and we run Valkyrie, our own production layer, when a single interface to any model is the right call.

About Azumo

Azumo is a San Francisco based software development company that has been building intelligent applications since 2016. We provide nearshore AI engineering teams to organizations that need production AI faster than they can hire for it: as an embedded engineering team, as AI staff augmentation alongside an existing team, or as a full project build. Our engineers work from Latin America, aligned to United States time zones, and have delivered for Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth, and CENTEGIX.

We hire for seniority and test for it before anyone joins a client team. We support engineers in going deep on the modern AI stack, and we give time back to open-source work, community teaching, and philanthropy.

Apply at or write to us at .

Requirements

Basic qualifications

5+ years building and validating models against real decisions, with Python as your primary language, plus the engineering fundamentals that go with it: testing, code review, Git, containers, and version control for data and experiments.
Depth in machine learning and deep learning: supervised and unsupervised methods, CNNs and Transformers, with hands-on PyTorch or an equivalent framework, including training, custom modules, and optimization.
Expert command of pandas, NumPy and scikit-learn.
Strong foundation in statistics and experimental design: baselines, holdouts, significance, and the ability to state how confident you are and why.
Fine-tuning or adaptation of pretrained models, and a clear view of when fine-tuning is the wrong answer.
Error analysis as a discipline. You can separate a data problem from a label problem, a method problem and a framing problem, rather than reaching for a larger model.
Cloud experience with AWS, GCP or Azure and their AI services such as Amazon SageMaker, Google Vertex AI or Azure Machine Learning.
Active use of AI-assisted coding tools such as Claude Code, Cursor, or GitHub Copilot in real delivery work.
Clear written and spoken English, C1 or above, and the confidence to explain a technical trade-off directly to a client.
Bachelor's or Master's degree in Computer Science, Data Science, or a related field, or equivalent professional experience.

Preferred qualifications

Evaluation of LLM systems: test-set design, model-as-judge or equivalent scoring, and benchmark selection you can defend.
Open-weight fine-tuning and adaptation at depth: LoRA, QLoRA, PEFT, and the cost and latency trade-offs involved.
Multimodal work covering vision, speech, or document understanding alongside text.
Causal inference, uplift modeling, or forecasting at scale.
Experiment tracking and MLOps tooling: MLflow, Weights & Biases, Kubeflow or similar.
Delivery under a compliance regime such as SOC 2 or HIPAA.
Contributions to open-source AI libraries, published research or technical writing, or active participation in the AI community.

Benefits

Paid time off (PTO) U.S. Holidays AI Training Mentored career development Profit sharing $US remuneration

Подходит ли тебе эта вакансия?

Сравним навыки, грейд, формат работы и зарплату

Ключевые навыки

Python
Git
Docker
Machine Learning
Deep Learning
PyTorch
Convolutional Neural Networks
Transformers
LoRA
QLoRA
PEFT
pandas
NumPy
scikit-learn
Статистика
Проведение экспериментов
AWS
Google Cloud Platform
Microsoft Azure
SageMaker
Google Vertex AI
Azure Machine Learning
Claude Code
OpenAI Codex
Cursor
GitHub Copilot
MLflow
Weights & Biases
Kubeflow
Causal Inference
Uplift-моделирование
Прогнозирование

Оценка зарплаты

4 240USDв месяц

Чаще всего от 3 350 до 5 710

Where this role sits

Not quite your profile? Check our other openings:

If you build the pipelines and retrieval layer models depend on — Data Engineer
If you own how an AI system behaves in production — AI Engineer
If you ship product software with agents in your toolchain — AI-Augmented Software Engineer
If you've done all of the above and answered to the client directly — Forward Deployed Engineer

What you will build

The question. Translating a business decision into something measurable: what would count as success, what the baseline already achieves, and what a useful improvement over it would look like.
Method and model. Supervised and unsupervised methods, deep learning with CNNs and Transformers in PyTorch, and the judgment to choose between them, including the cases where a simpler model or no model at all is the right answer.
Fine-tuning and adaptation. Adapting pretrained and open-weight models with LoRA, QLoRA or PEFT, and a clear view of when fine-tuning is the wrong answer.
Measurement and experimental design. Baselines, holdouts, offline and online evaluation, and honest reporting of uncertainty. If you say the model is better, you should be able to say better than what, by how much, and how sure you are.
Error analysis and handover. Telling apart a data problem, a label problem, a method problem and a framing problem, and handing the model over packaged, documented, and with the metric that defines whether it is still working.
Work inside the client's environment. Their repositories, their standups, sometimes their customer calls. Azumo is SOC 2 certified, client code stays in client repositories, and some engagements carry additional requirements such as HIPAA.

How we work

About Azumo

Apply at or write to us at .

Requirements

Basic qualifications

5+ years building and validating models against real decisions, with Python as your primary language, plus the engineering fundamentals that go with it: testing, code review, Git, containers, and version control for data and experiments.
Depth in machine learning and deep learning: supervised and unsupervised methods, CNNs and Transformers, with hands-on PyTorch or an equivalent framework, including training, custom modules, and optimization.
Expert command of pandas, NumPy and scikit-learn.
Strong foundation in statistics and experimental design: baselines, holdouts, significance, and the ability to state how confident you are and why.
Fine-tuning or adaptation of pretrained models, and a clear view of when fine-tuning is the wrong answer.
Error analysis as a discipline. You can separate a data problem from a label problem, a method problem and a framing problem, rather than reaching for a larger model.
Cloud experience with AWS, GCP or Azure and their AI services such as Amazon SageMaker, Google Vertex AI or Azure Machine Learning.
Active use of AI-assisted coding tools such as Claude Code, Cursor, or GitHub Copilot in real delivery work.
Clear written and spoken English, C1 or above, and the confidence to explain a technical trade-off directly to a client.
Bachelor's or Master's degree in Computer Science, Data Science, or a related field, or equivalent professional experience.

Preferred qualifications

Evaluation of LLM systems: test-set design, model-as-judge or equivalent scoring, and benchmark selection you can defend.
Open-weight fine-tuning and adaptation at depth: LoRA, QLoRA, PEFT, and the cost and latency trade-offs involved.
Multimodal work covering vision, speech, or document understanding alongside text.
Causal inference, uplift modeling, or forecasting at scale.
Experiment tracking and MLOps tooling: MLflow, Weights & Biases, Kubeflow or similar.
Delivery under a compliance regime such as SOC 2 or HIPAA.
Contributions to open-source AI libraries, published research or technical writing, or active participation in the AI community.

Benefits

Paid time off (PTO) U.S. Holidays AI Training Mentored career development Profit sharing $US remuneration

Ключевые навыки

Python

Git

Docker

Machine Learning

Deep Learning

PyTorch

Convolutional Neural Networks

Transformers

LoRA

QLoRA

PEFT

pandas

NumPy

scikit-learn

Статистика

Проведение экспериментов

AWS

Google Cloud Platform

Microsoft Azure

SageMaker

Google Vertex AI

Azure Machine Learning

Claude Code

OpenAI Codex

Cursor

GitHub Copilot

MLflow

Weights & Biases

Kubeflow

Causal Inference

Uplift-моделирование

Прогнозирование

Детали

Сопроводительное письмо к вакансии