FirstPrinciples Holding Company focuses on building and scaling a portfolio of successful commercial businesses. The company leverages strategic insight and operational expertise to maximize value and growth within its portfolio companies. FirstPrinciples aims to provide sustainable solutions that drive long-term success for its partners and stakeholders.

A FirstPrinciples Holding Company tem foco em construir e escalar um portfólio de negócios comerciais bem-sucedidos. A empresa utiliza insights estratégicos e expertise operacional para maximizar valor e crescimento nas empresas do seu portfólio. A FirstPrinciples busca oferecer soluções sustentáveis que impulsionem o sucesso de longo prazo para seus parceiros e stakeholders.

FirstPrinciples Holding Company se concentre sur la création et le passage à l’échelle d’un portefeuille d’entreprises commerciales performantes. L’entreprise s’appuie sur une vision stratégique et une expertise opérationnelle pour maximiser la valeur et la croissance au sein de ses sociétés en portefeuille. FirstPrinciples vise à fournir des solutions durables qui favorisent la réussite à long terme de ses partenaires et parties prenantes.

FirstPrinciples Holding Company konzentriert sich auf den Aufbau und die Skalierung eines Portfolios erfolgreicher kommerzieller Unternehmen. Das Unternehmen nutzt strategische Insights und operative Expertise, um Wertschöpfung und Wachstum innerhalb seiner Portfoliounternehmen zu maximieren. FirstPrinciples hat das Ziel, nachhaltige Lösungen bereitzustellen, die den langfristigen Erfolg für Partner und Stakeholder vorantreiben.

FirstPrinciples starts, acquires, and advises B2B SaaS Companies. We strive to create $100mm in enterprise value every year that we can realize within 7 years. We like to build and scale businesses in the Martech, Fintech, and HR Space.We have developed marketing and sales playbooks to generate revenue and product engineering processes to build enterprise-grade applications fast. FirstPrinciples invests heavily in developing its people. Our team of over a 110 people work remotely across different countries with the largest presence in India.

A FirstPrinciples inicia, adquire e assessora empresas B2B SaaS. Buscamos criar US$ 100 milhões em enterprise value por ano, que possamos realizar em até 7 anos. Gostamos de construir e escalar negócios nas áreas de Martech, Fintech e RH. Desenvolvemos playbooks de marketing e vendas para gerar receita e processos de engenharia de produto para construir aplicações enterprise-grade rapidamente. A FirstPrinciples investe fortemente no desenvolvimento de sua equipe. Nosso time, com mais de 110 pessoas, trabalha remotamente em diferentes países, com a maior presença na Índia.

FirstPrinciples crée, acquiert et conseille des entreprises B2B SaaS. Nous nous efforçons de créer 100 M$ de valeur d’entreprise (EV) chaque année, que nous pouvons réaliser en 7 ans. Nous aimons construire et scaler des entreprises dans les domaines Martech, Fintech et RH. Nous avons développé des playbooks Marketing et Sales pour générer des revenus, ainsi que des processus de product engineering pour concevoir rapidement des applications enterprise‑grade. FirstPrinciples investit massivement dans le développement de ses collaborateurs. Notre équipe de plus de 110 personnes travaille à distance dans plusieurs pays, avec une présence majoritaire en Inde.

FirstPrinciples gründet, erwirbt und berät B2B SaaS-Unternehmen. Wir streben danach, jedes Jahr Unternehmenswert in Höhe von 100 Mio. US-Dollar zu schaffen, den wir innerhalb von sieben Jahren realisieren können. Wir bauen und skalieren bevorzugt Businesses in den Bereichen Martech, Fintech und HR. Wir haben Marketing- und Sales-Playbooks entwickelt, um Revenue zu generieren, sowie Product-Engineering-Prozesse, um Enterprise-Grade Applications schnell zu entwickeln. FirstPrinciples investiert stark in die Weiterentwicklung seiner Mitarbeitenden. Unser Team von über 110 Mitarbeitenden arbeitet remote in verschiedenen Ländern, mit der größten Präsenz in Indien.

FirstPrinciples Holding Company

DevOps Engineer

Member of Technical Staff, DevOps / Infrastructure Engineering developing infrastructure for AI Physicist

Membro do Time Técnico, DevOps / Engenharia de Infraestrutura desenvolvendo infraestrutura para o AI Physicist

Membre du personnel technique — DevOps / Ingénierie des infrastructures, développement d'infrastructures pour AI Physicist

• Projetar, automatizar e escalar a infraestrutura para treinamentos de modelos em larga escala e fluxos de trabalho de pesquisa.
• Projetar e executar experimentos de pré-treinamento em larga escala para arquiteturas dense e MoE.
• Arquitetar soluções de infraestrutura híbrida que abranjam ambientes cloud e HPC on‑premises.
• Automatizar gerenciamento de configuração e detecção de drift usando ferramentas como Ansible, Salt ou Chef.
• Construir sistemas que reduzam o trabalho operacional repetitivo (toil) e estabeleçam guardrails para pesquisadores.
• Construir e ser responsável por pipelines completos de CI/CD para fluxos de treinamento, jobs de avaliação, ferramentas internas e serviços, com capacidades de rollback.
• Desenvolver ferramentas para fluxos de trabalho de desenvolvedores, incluindo builds reprodutíveis, ambientes efêmeros, gerenciamento de secrets e alocação de recursos de cluster.
• Criar padrões de infraestrutura self-service que empoderem pesquisadores e engenheiros.
• Projetar infraestrutura que acelere a experimentação mantendo confiabilidade e reprodutibilidade.
• Gerenciar e expandir ambientes HPC, incluindo clusters com GPUs, redes InfiniBand, schedulers de jobs (híbrido Slurm/Kubernetes) e orquestração de containers.
• Operar workloads containerizados e agendados eficientemente em ambientes Docker, Kubernetes e Slurm.
• Otimizar escalonamento de cluster e alocação de recursos para workloads GPU de alto desempenho.
• Depurar problemas de drivers de GPU, falhas em jobs do Slurm e instabilidades em redes InfiniBand.
• Implementar monitoramento, logging e alertas abrangentes em todas as camadas da infraestrutura.
• Estabelecer SLOs/SLIs para confiabilidade da infraestrutura e criar dashboards de observabilidade para treinamentos de longo prazo.
• Construir stacks de observabilidade para saúde do sistema e desempenho em nível de job.
• Detectar e resolver proativamente problemas de infraestrutura antes que impactem os fluxos de pesquisa.
• Implementar e gerenciar soluções de secrets management e segurança de identidade.
• Ser um defensor das melhores práticas de segurança, políticas de IAM e padrões de compliance.
• Documentar melhores práticas, criar runbooks e evangelizar a cultura DevOps na organização.
• Mentorar colegas em padrões de infraestrutura, técnicas de automação e excelência operacional.

• Concevoir l'architecture, automatiser et faire évoluer l'infrastructure pour l'entraînement de modèles à grande échelle et les workflows de recherche.
• Concevoir et exécuter des expériences de pré-entraînement à grande échelle pour des architectures denses et MoE (Mixture of Experts).
• Concevoir des solutions d'infrastructure hybrides couvrant le cloud et les environnements HPC sur site.
• Automatiser la gestion de configuration et la détection de dérive à l'aide d'outils tels qu'Ansible, Salt ou Chef.
• Construire des systèmes réduisant la charge opérationnelle et établissant des garde-fous pour les chercheurs.
• Concevoir et prendre en charge des pipelines CI/CD complets pour les workflows d'entraînement, les tâches d'évaluation, les outils internes et les services, avec capacités de rollback.
• Développer des outils pour les workflows développeurs, incluant des builds reproductibles, des environnements éphémères, la gestion des secrets et l'allocation des ressources de cluster.
• Créer des modèles d'infrastructure en libre-service qui autonomisent chercheurs et ingénieurs.
• Concevoir une infrastructure qui accélère l'expérimentation tout en maintenant fiabilité et reproductibilité.
• Gérer et faire évoluer des environnements HPC, y compris des clusters GPU, des réseaux InfiniBand, des ordonnanceurs de tâches (hybride Slurm/Kubernetes) et l'orchestration de conteneurs.
• Exploiter efficacement des charges de travail conteneurisées et planifiées sur Docker, Kubernetes et Slurm.
• Optimiser l'ordonnancement des clusters et l'allocation des ressources pour des charges GPU haute performance.
• Diagnostiquer des problèmes de pilotes GPU, des incidents liés aux jobs Slurm et des dysfonctionnements réseau InfiniBand.
• Mettre en place un monitoring, une journalisation et un système d'alerting complets sur toutes les couches d'infrastructure.
• Définir des SLO/SLI pour la fiabilité de l'infrastructure et créer des tableaux de bord d'observabilité pour les entraînements de longue durée.
• Construire des stacks d'observabilité pour la santé système et les performances au niveau des jobs.
• Détecter et résoudre proactivement les problèmes d'infrastructure avant qu'ils n'affectent les workflows de recherche.
• Implémenter et gérer des solutions de gestion des secrets et de sécurité des identités.
• Promouvoir les bonnes pratiques de sécurité, les politiques IAM et les standards de conformité.
• Documenter les bonnes pratiques, créer des runbooks et promouvoir la culture DevOps au sein de l'organisation.
• Mentorer les collègues sur les modèles d'infrastructure, les techniques d'automatisation et l'excellence opérationnelle.

• Architektur, Automatisierung und Skalierung der Infrastruktur für groß angelegte Modelltrainings- und Forschungs-Workflows.
• Entwurf und Durchführung groß angelegter Pre-Training-Experimente für sowohl dichte als auch MoE-Architekturen.
• Architektur hybrider Infrastruktur-Lösungen, die Cloud- und lokale HPC-Umgebungen überbrücken.
• Automatisierung von Konfigurationsmanagement und Drift-Erkennung mit Tools wie Ansible, Salt oder Chef.
• Aufbau von Systemen, die betrieblichen Aufwand reduzieren und Forschenden Schutzmechanismen bieten.
• Erstellung und Verantwortung für umfassende CI/CD-Pipelines für Trainings-Workflows, Evaluationsjobs, interne Tools und Services mit Rollback-Funktionalität.
• Entwicklung von Werkzeugen für Entwickler-Workflows, einschließlich reproduzierbarer Builds, ephemerer Umgebungen, Secret-Management und Cluster-Ressourcenzuteilung.
• Schaffung von Self-Service-Infrastrukturmustern, die Forschende und Ingenieur:innen befähigen.
• Gestaltung von Infrastruktur, die Experimente beschleunigt und gleichzeitig Zuverlässigkeit und Reproduzierbarkeit sicherstellt.
• Verwaltung und Erweiterung von HPC-Umgebungen, einschließlich GPU-Clustern, InfiniBand-Netzwerken, Job-Schedulern (Slurm/Kubernetes-Hybrid) und Container-Orchestrierung.
• Effizienter Betrieb containerisierter und geplanter Workloads über Docker-, Kubernetes- und Slurm-Umgebungen.
• Optimierung von Cluster-Scheduling und Ressourcenzuteilung für leistungsintensive GPU-Workloads.
• Debugging von GPU-Treiberproblemen, Slurm-Jobproblemen und InfiniBand-Netzwerkstörungen.
• Implementierung umfassender Monitoring-, Logging- und Alerting-Lösungen über alle Infrastrukturebenen.
• Festlegung von SLOs/SLIs für Infrastrukturzuverlässigkeit und Erstellung von Observability-Dashboards für lang laufende Trainingsdurchläufe.
• Aufbau von Observability-Stacks für Systemgesundheit und Performance auf Job-Ebene.
• Proaktive Erkennung und Behebung von Infrastrukturproblemen, bevor sie Forschungs-Workflows beeinträchtigen.
• Implementierung und Verwaltung von Secret-Management- und Identity-Security-Lösungen.
• Förderung von Sicherheitsbest Practices, IAM-Richtlinien und Compliance-Standards.
• Dokumentation von Best Practices, Erstellung von Runbooks und Förderung einer DevOps-Kultur im gesamten Unternehmen.
• Mentoring von Teammitgliedern zu Infrastrukturmustern, Automatisierungstechniken und Operational Excellence.

Member of Technical Staff – DevOps, Infrastructure Engineering

Membro do Time Técnico — DevOps / Engenharia de Infraestrutura

Membre du personnel technique — DevOps / Ingénierie des infrastructures

Mitglied des technischen Teams – DevOps / Infrastructure Engineering

Member of Technical Staff, DevOps / Infrastructure Engineering at FirstPrinciples, architecting and automating infrastructure for AI Physicist. Collaborate in cloud and HPC environments to accelerate scientific discovery.

Membro do Time Técnico, DevOps / Engenharia de Infraestrutura na FirstPrinciples, arquitetando e automatizando infraestrutura para o AI Physicist.
Colabore em ambientes cloud e HPC para acelerar descobertas científicas.

Membre du personnel technique — DevOps / Ingénierie des infrastructures chez FirstPrinciples, concevant et automatisant l'infrastructure pour AI Physicist. Travail en collaboration sur des environnements cloud et HPC pour accélérer la découverte scientifique.

AI Research Scientist

• Sobre a FirstPrinciples: A FirstPrinciples é uma fundação sem fins lucrativos que avança a descoberta científica ao desenvolver um AI Physicist — um sistema inteligente projetado para explorar e descobrir as leis fundamentais da natureza. Nosso objetivo é construir um novo tipo de plataforma de pesquisa que vá além de analisar informações: uma plataforma capaz de formular perguntas científicas profundas, raciocinar entre disciplinas e acelerar a geração de novas ideias. Ao combinar IA, raciocínio simbólico e capacidades de pesquisa autônoma, buscamos transformar a forma como o conhecimento é descoberto e ajudar a impulsionar a ciência rumo às próximas grandes descobertas.
• Descrição do cargo: Procuramos um(a) Pesquisador(a) de IA para investigar, projetar, testar e desenvolver métodos e aplicações state of the art (SOTA) que possam ser integrados ao motor de IA mais amplo que a FirstPrinciples está desenvolvendo. Você colaborará com equipes multifuncionais e seu trabalho irá diretamente para produção, ajudando a avançar a forma como a pesquisa científica é realizada. Seu trabalho terá impacto na comunidade acadêmica mais ampla por meio do desenvolvimento de soluções únicas para inaugurar uma nova era de descoberta científica. O candidato ideal tem histórico comprovado em pesquisa em IA e consegue combinar pensamento estratégico com profundidade técnica para transformar ideias complexas em realidade.
• Principais Responsabilidades:
• Pesquisa em Modelos Fundamentais:
• Pesquisar, projetar e testar arquiteturas de modelos novas e específicas para pesquisa, que integrem literatura acadêmica, processamento de linguagem natural (NLP), raciocínio simbólico e outros métodos para orquestrar o processo científico.
• Prototipar e construir tokenizers personalizados para símbolos LaTeX e unidades físicas para serem tratados como tokens.
• Explorar alternativas aos transformers por meio de pesquisa aprofundada e fornecer recomendações práticas para o desenvolvimento de modelos.
• Desenvolver loops de reinforcement learning para permitir que os modelos realizem experimentos mentais internos e independentes.
• Dados Multimodais e Benchmarking:
• Projetar e automatizar pipelines de ingestão de dados em colaboração com nossos Cientistas e Engenheiros de Dados que agreguem literatura científica, metadados, dados experimentais, equações e outras fontes de dados de forma robusta e escalável.
• Estabelecer benchmarks customizados para avaliar a compreensão dos modelos sobre conceitos físicos, habilidades de raciocínio matemático e capacidade de minimizar alucinações, visando a confiabilidade científica.
• Refinar e publicar conjuntos de dados (datasets) e baselines assim que os testes internos estiverem estáveis.
• Treinamento, Testes & Segurança:
• Executar e acompanhar jobs de treinamento de modelos, liderando a equipe técnica na configuração, monitoramento do progresso e contenção de custos dentro do orçamento.
• Desenvolver abordagens para realizar “practice runs” em um ambiente sandbox para aprimorar a capacidade dos modelos de explorar ideias de forma independente, registrando resultados para revisão posterior.
• Desenvolver um framework para avaliar o aprendizado dos modelos usando ferramentas visuais e estatísticas para identificar padrões e pontos cegos.
• Adicionar guard-rails e testes que sinalizem saídas de baixa qualidade dos modelos.
• Manter ferramentas internas para acompanhar listas de problemas conhecidos, registrando falhas, correções claras e melhorias a serem integradas em desenvolvimentos futuros.
• Colaboração & Orientação Técnica:
• Trabalhar com a equipe de engenharia para garantir a viabilidade do produto e uma arquitetura robusta.
• Traduzir trade-offs técnicos para stakeholders não técnicos de forma clara.
• Apresentar descobertas em atualizações claras para a equipe técnica, a fim de manter o time mais amplo informado sobre o progresso em relação aos marcos de pesquisa.

• À propos de FirstPrinciples : FirstPrinciples est une fondation à but non lucratif qui fait progresser la découverte scientifique en développant un « AI Physicist » — un système intelligent conçu pour explorer et découvrir les lois fondamentales de la nature. Notre objectif est de créer une nouvelle catégorie de plateforme de recherche qui dépasse l’analyse d’informations : une plateforme capable de poser des questions scientifiques profondes, de raisonner à travers les disciplines et d’accélérer la génération de nouvelles idées. En combinant IA, raisonnement symbolique et capacités de recherche autonomes, nous visons à transformer la manière dont la connaissance est découverte et à faire avancer la science vers ses prochaines percées.
• Description du poste : Nous recherchons un·e Chercheur·e en IA pour étudier, concevoir, tester et développer des méthodes et applications à la pointe (SOTA) pouvant être intégrées au moteur IA plus large que FirstPrinciples développe. Vous collaborerez avec des équipes interfonctionnelles et votre travail ira directement en production, contribuant à faire évoluer la façon dont la recherche scientifique est menée. Vos travaux auront un impact sur la communauté académique via le développement de solutions inédites pour inaugurer une nouvelle ère de découverte scientifique. Le candidat idéal a un solide parcours en recherche en IA et sait combiner réflexion stratégique et profondeur technique pour concrétiser des idées complexes.
• Responsabilités clés :
• Recherche fondamentale sur les modèles :
• Rechercher, concevoir et tester de nouvelles architectures de modèles spécifiques à la recherche qui intègrent la littérature académique, le traitement du langage naturel (NLP), le raisonnement symbolique et d’autres méthodes pour orchestrer le processus scientifique.
• Prototyper et développer des tokeniseurs personnalisés pour les symboles LaTeX et les unités physiques afin qu’ils soient traités comme des tokens.
• Explorer des alternatives aux transformers via des recherches approfondies et fournir des recommandations pragmatiques pour le développement des modèles.
• Développer des boucles d’apprentissage par renforcement pour permettre aux modèles de mener des expériences de pensée internes et indépendantes.
• Données multimodales & benchmarking :
• Concevoir et automatiser des pipelines d’ingestion de données en collaboration avec nos data scientists et ingénieurs, agrégeant la littérature scientifique, les métadonnées, les données expérimentales, les équations et d’autres sources de données de manière robuste et évolutive.
• Établir des benchmarks personnalisés pour évaluer la compréhension des concepts physiques par les modèles, leurs capacités de raisonnement mathématique et leur aptitude à réduire les hallucinations afin d’assurer la fiabilité scientifique.
• Affiner et publier des jeux de données et des baselines une fois les tests internes stabilisés.
• Entraînement, tests & sécurité :
• Lancer et suivre les tâches d’entraînement des modèles tout en pilotant l’équipe technique pour l’installation, le suivi des progrès et la maîtrise des coûts dans les budgets alloués.
• Développer des approches pour réaliser des « runs d’entraînement » en environnement bac à sable (sandbox) afin de permettre au modèle d’explorer des idées de manière autonome tout en consignant les résultats pour revue ultérieure.
• Mettre en place un cadre d’évaluation des apprentissages des modèles utilisant des outils visuels et statistiques pour repérer schémas et angles morts.
• Ajouter des garde‑fous et des tests qui signalent les sorties de mauvaise qualité.
• Maintenir des outils internes pour suivre les listes de problèmes connus, documenter les échecs, les corrections claires et les améliorations à intégrer dans les développements futurs.
• Collaboration & orientation technique :
• Travailler avec l’équipe d’ingénierie pour garantir la faisabilité produit et une architecture robuste.
• Traduire les compromis techniques en termes clairs pour les parties prenantes non techniques.
• Présenter les résultats via des points d’étape clairs à l’équipe technique afin de tenir l’ensemble de l’équipe informée de l’avancement par rapport aux jalons de recherche.

• Über FirstPrinciples: FirstPrinciples ist eine gemeinnützige Stiftung, die wissenschaftliche Entdeckungen vorantreibt, indem sie einen AI Physicist entwickelt – ein intelligentes System, das darauf ausgelegt ist, die fundamentalen Gesetze der Natur zu erforschen und aufzudecken. Unser Ziel ist es, eine neue Art von Forschungsplattform zu schaffen, die über die bloße Analyse von Informationen hinausgeht: eine Plattform, die tiefgehende wissenschaftliche Fragen stellt, fächerübergreifend schlussfolgert und die Generierung neuer Ideen beschleunigt. Durch die Kombination von KI, symbolischem Schließen und autonomen Forschungsfähigkeiten wollen wir die Art und Weise verändern, wie Wissen entdeckt wird, und die Wissenschaft zu den nächsten Durchbrüchen führen.
• Stellenbeschreibung: Wir suchen eine/n KI-Forscher/in, der/die SOTA-Methoden und -Anwendungen untersucht, entwirft, testet und entwickelt, die in die übergeordnete KI-Engine von FirstPrinciples integriert werden können. Sie arbeiten mit funktionsübergreifenden Teams zusammen und Ihre Arbeit fließt direkt in die Produktion ein, um die Durchführung wissenschaftlicher Forschung voranzubringen. Ihre Arbeit wird durch die Entwicklung einzigartiger Lösungen die weitere akademische Gemeinschaft beeinflussen und eine neue Ära wissenschaftlicher Entdeckungen einleiten. Der/die ideale Kandidat/in verfügt über nachweisliche Erfolge in der KI-Forschung und kann strategisches Denken mit technischem Tiefgang kombinieren, um komplexe Ideen umzusetzen.
• Hauptverantwortlichkeiten:
• Grundlagenmodellforschung:
• Forschung, Entwurf und Test neuartiger, forschungs­spezifischer Modellarchitekturen, die wissenschaftliche Literatur, Natural Language Processing (NLP), symbolisches Schließen und andere Methoden integrieren, um den wissenschaftlichen Prozess zu orchestrieren.
• Prototypische Entwicklung und Bau maßgeschneiderter Tokenizer für LaTeX-Symbole und physikalische Einheiten, die als Tokens behandelt werden.
• Erforschung von Alternativen zu Transformers durch vertiefte Forschung und Erarbeitung praktischer Empfehlungen für die Modellentwicklung.
• Entwicklung von Reinforcement-Learning-Schleifen, um Modelle unabhängige und interne Gedankenexperimente durchführen zu lassen.
• Multimodale Daten & Benchmarking:
• Entwurf und Automatisierung von Data-Ingestion-Pipelines in Zusammenarbeit mit unseren Data Scientists und Engineers, die wissenschaftliche Literatur, Metadaten, experimentelle Daten, Gleichungen und andere Datenquellen robust und skalierbar aggregieren.
• Aufbau maßgeschneiderter Benchmarks zur Bewertung des Modellverständnisses physikalischer Konzepte, mathematischer Reasoning-Fähigkeiten und zur Minimierung von Halluzinationen zugunsten wissenschaftlicher Zuverlässigkeit.
• Verfeinerung und Freigabe von Datensätzen und Baselines, sobald interne Tests stabil sind.
• Training, Testing & Sicherheit:
• Durchführung und Nachverfolgung von Modell-Training-Jobs und technische Führung des Teams bei Einrichtung, Überwachung des Fortschritts und Einhaltung des Budgets zur Kostenbegrenzung.
• Entwicklung von Ansätzen, um Probeläufe in einer Sandbox-Umgebung zu ermöglichen, damit das Modell Ideen eigenständig erkunden kann, während Ergebnisse zur späteren Auswertung protokolliert werden.
• Entwicklung eines Frameworks zur Bewertung des Modelllernens mithilfe visueller und statistischer Werkzeuge, um Muster und blinde Flecken zu erkennen.
• Implementierung von Absicherungen und Tests, die qualitativ schlechte Modellausgaben kennzeichnen.
• Pflege interner Tools zur Nachverfolgung bekannter Probleme, Dokumentation von Fehlern, klaren Fixes und Verbesserungen zur Integration in zukünftige Entwicklungen.
• Zusammenarbeit & technische Anleitung:
• Zusammenarbeit mit dem Engineering-Team zur Sicherstellung der Produktumsetzbarkeit und einer robusten Architektur.
• Übersetzung technischer Abwägungen in klare Begriffe für nicht-technische Stakeholder.
• Präsentation von Ergebnissen in klaren Statusupdates für das technische Team, um das erweiterte Team über den Fortschritt gegenüber Forschungsmeilensteinen zu informieren.

Emplois à distance chez FirstPrinciples Holding Company

FirstPrinciples Holding Company

Membre du personnel technique — DevOps / Ingénierie des infrastructures

FirstPrinciples Holding Company

Chercheur·e en IA

FirstPrinciples Holding Company