H-1BGreen card en trámite para este puesto
REG. 2082267
Ingeniero de Software, Infraestructura de Datos
Thinking Machines Lab Inc.
- Lugar: San Francisco, CA
- Área: Tecnologia
- Visa probable: H-1B
- Empleo visto por última vez el 18/7/2026
Ingeniero de software en San Francisco; empresa con 5 aprobaciones de LCA en los últimos 12 meses.
Cuenta gratis — el contacto y el enlace oficial del empleo están en el portal.
Descripción del empleo
Traducción automática del anuncio original del empleador.
################################################################################################################################################################################################################################################################ La misión de Thinking Machines Lab es empoderar a la humanidad promoviendo la inteligencia general colaborativa. Estamos construyendo un futuro donde todos tienen acceso a los conocimientos y herramientas para hacer que la IA funcione para sus necesidades y metas únicas.
Somos científicos, ingenieros y constructores que han creado algunos de los productos AI más utilizados, incluyendo ChatGPT y Character.ai, modelos de peso abierto como Mistral, así como proyectos populares de código abierto como PyTorch, OpenAI Gym, Fairseq y Segment Cualquier cosa.
Estamos buscando a un ingeniero que se una a nosotros y contribuya a la infraestructura de datos. Te unirás a un pequeño equipo de alto impacto responsable de diseñar y escalar la infraestructura central detrás de tuberías de entrenamiento distribuidas, catálogos de datos multimodales y sistemas de procesamiento inteligente que operan sobre petabytes de datos.
La infraestructura es crítica para nosotros: es la roca base que permite cada avance. Trabajará directamente con investigadores para acelerar experimentos, desarrollar nuevos conjuntos de datos, mejorar la eficiencia de la infraestructura y permitir información clave en nuestros activos de datos.
Si te entusiasman los sistemas distribuidos, la minería de datos a gran escala, las herramientas de código abierto como Spark, Kafka, Beam, Ray y Delta Lake, y disfrutar de la construcción desde el suelo, nos encantaría saber de ti.
- No. Nota: Este es un "empreverde papel" que seguimos abiertos sobre una base continua para expresar interés. Recibimos muchas aplicaciones, y puede que no siempre haya un papel inmediato que se ajuste perfectamente a su experiencia y habilidades. Aún así, te animamos a aplicar. Revisamos continuamente las solicitudes y llegamos a los solicitantes como nuevas oportunidades abiertas. Usted es bienvenido a volver a aplicar si usted tiene más experiencia, pero por favor evitar aplicar más de una vez cada 6 meses. También puede encontrar que ponemos publicaciones para roles singulares para necesidades específicas separadas, de proyecto o de equipo. En esos casos, usted es bienvenido a aplicar directamente además de un papel siempre verde.
Lo que harás será lo siguiente:
■ul
> > > > > > > > > > >
i) Sistemas de alto rendimiento para la ingestión, procesamiento y transformación de datos, incluyendo catálogos de datos de capacitación, deduplicación, cheques de calidad y búsqueda.
■li Construir sistemas de trazabilidad, reproducibilidad y control de calidad robusto en cada etapa del ciclo de vida de datos.
< < > > > > > > > >
Trabajar con equipos de investigación para desbloquear nuevas características, mejorar la calidad de los datos y acelerar ciclos de capacitación.
■/ul
■h2 títulos y clasificaciones
> > >
■ul
> < > > > > > > > >
> Proficiencia en al menos un idioma de backend (utilizamos Python o Rust).
< > > > > > > >
■li Están profundamente familiarizados con la infraestructura de la nube, las arquitecturas de los lagos de datos y los oleoductos de lote y streaming.
> < > > > > > >
■li Entorpece en un entorno altamente colaborativo con muchos, diferentes socios interfuncionales y expertos en materia temática.
■li Un sesgo para la acción con una mentalidad para tomar iniciativa para trabajar a través de diferentes pilas y diferentes equipos donde se observa la oportunidad de asegurarse de algo barcos.
■/ul
■p Confecciones preferidas - le animamos a aplicar si usted cumple algunos pero no todos estos:
■ul
■li Tener experiencia práctica con Kafka, dbt, Terraform y Airflow.
■li Tener experiencia construyendo un rastreador web.
■li Tener una amplia experiencia de comprensión y escalar la deduplicación, la minería de datos y la búsqueda.
■li Tener un conocimiento fuerte de los formatos de archivos y sistemas de almacenamiento (por ejemplo, Parquet, Delta Lake, etc.) y cómo impactan el rendimiento y la escalabilidad.
■li Son proactivos sobre documentación, pruebas y potenciar a sus compañeros de equipo con buenas herramientas.
■/ul
■h2 títuloLogistics obtenidos/h2 título
■ul
Este papel está basado en San Francisco, California.
Dependiendo de los antecedentes, habilidades y experiencia, el rango de salario anual previsto para esta posición es de 350.000 dólares - $475,000 USD.
Patrocinio de нелинаннинин: Patrocinamos visas. Aunque no podemos garantizar el éxito de cada candidato o papel, si usted es el adecuado, estamos comprometidos a trabajar a través del proceso de visa juntos.
■li $beneficios: Las Máquinas de Pensamiento ofrecen beneficios generosos de salud, dental y visión, PTO ilimitado, licencia parental pagada y soporte de reubicación según sea necesario.
"Conclusión de contenido" Como se establece en la política de igualdad de oportunidades de empleo de las máquinas de pensamiento, no discriminamos sobre la base de cualquier condición de grupo protegido bajo cualquier ley aplicable.
- No. Thinking Machines Lab considerará para los solicitantes calificados de empleo con historias delictivas de una manera compatible con los requisitos de la Ley de la Cancillería de California, la Ordenanza de la Cancillería de San Francisco, y cualquier otra ordenanza o ley estatal o local de justas posibilidades.
Ver el texto original en inglés
<div class="content-intro"><p data-pm-slice="1 1 []">Thinking Machines Lab's mission is to empower humanity through advancing collaborative general intelligence. We're building a future where everyone has access to the knowledge and tools to make AI work for their unique needs and goals. </p>
<p>We are scientists, engineers, and builders who’ve created some of the most widely used AI products, including ChatGPT and Character.ai, open-weights models like Mistral, as well as popular open source projects like PyTorch, OpenAI Gym, Fairseq, and Segment Anything.</p></div><h2>About the Role</h2>
<p>We’re looking for an engineer to join us and contribute to data infrastructure. You'll join a small, high-impact team responsible for architecting and scaling the core infrastructure behind distributed training pipelines, multimodal data catalogs, and intelligent processing systems that operate over petabytes of data.</p>
<p>Infrastructure is critical to us: it's the bedrock that enables every breakthrough. You'll work directly with researchers to accelerate experiments, develop new datasets, improve infrastructure efficiency, and enable key insights across our data assets.</p>
<p>If you're excited by distributed systems, large-scale data mining, open-source tools like Spark, Kafka, Beam, Ray, and Delta Lake, and enjoy building from the ground up, we'd love to hear from you.</p>
<p><em>Note: This is an "evergreen role" that we keep open on an on-going basis to express interest. We receive many applications, and there may not always be an immediate role that aligns perfectly with your experience and skills. Still, we encourage you to apply. We continuously review applications and reach out to applicants as new opportunities open. You are welcome to reapply if you get more experience, but please avoid applying more than once every 6 months. You may also find that we put up postings for singular roles for separate, project or team specific needs. In those cases, you're welcome to apply directly in addition to an evergreen role.</em></p>
<h2>What You’ll Do</h2>
<ul>
<li>Design, build, and operate scalable, fault-tolerant infrastructure for LLM Research: distributed compute, data orchestration, and storage across modalities.</li>
<li>Develop high-throughput systems for data ingestion, processing, and transformation — including training data catalogs, deduplication, quality checks, and search.</li>
<li>Build systems for traceability, reproducibility, and robust quality control at every stage of the data lifecycle.</li>
<li>Implement and maintain monitoring and alerting to support platform reliability and performance.</li>
<li>Collaborate with research teams to unlock new features, improve data quality, and accelerate training cycles.</li>
</ul>
<h2>Skills and Qualifications</h2>
<p>Minimum qualifications:</p>
<ul>
<li>Bachelor’s degree or equivalent experience in computer science, engineering, or similar.</li>
<li>Proficiency in at least one backend language (we use Python or Rust).</li>
<li>Are fluent in distributed compute frameworks such as Apache Spark or Ray.</li>
<li>Are deeply familiar with cloud infrastructure, data lake architectures, and batch and streaming pipelines.</li>
<li>Comfort operating across the stack and owning projects end-to-end.</li>
<li>Thrive in a highly collaborative environment involving many, different cross-functional partners and subject matter experts.</li>
<li>A bias for action with a mindset to take initiative to work across different stacks and different teams where you spot the opportunity to make sure something ships.</li>
</ul>
<p>Preferred qualifications — we encourage you to apply if you meet some but not all of these:</p>
<ul>
<li>Have hands-on experience with Kafka, dbt, Terraform, and Airflow.</li>
<li>Have experience building a web crawler.</li>
<li>Have extensive experience understanding and scaling deduplication, data mining, and search.</li>
<li>Have strong knowledge of file formats and storage systems (e.g., Parquet, Delta Lake, etc.) and how they impact performance and scalability.</li>
<li>Are proactive about documentation, testing, and empowering your teammates with good tooling.</li>
</ul>
<h2>Logistics</h2>
<ul>
<li>Location: This role is based in San Francisco, California. </li>
<li>Compensation: Depending on background, skills and experience, the expected annual salary range for this position is $350,000 - $475,000 USD.</li>
<li>Visa sponsorship: We sponsor visas. While we can't guarantee success for every candidate or role, if you're the right fit, we're committed to working through the visa process together.</li>
<li>Benefits: Thinking Machines offers generous health, dental, and vision benefits, unlimited PTO, paid parental leave, and relocation support as needed.</li>
</ul><div class="content-conclusion"><p><em>As set forth in Thinking Machines' Equal Employment Opportunity policy, we do not discriminate on the basis of any protected group status under any applicable law. </em></p>
<p><em>Thinking Machines Lab will consider for employment qualified applicants with criminal histories in a manner consistent with the requirements of the California Fair Chance Act, the San Francisco Fair Chance Ordinance, and any other applicable state or local fair chance ordinance or law.</em></p></div>
Cuenta gratis — el contacto y el enlace oficial del empleo están en el portal.