Bayesian Software Engineer

Emploi pas sur LinkedIn

🕒 il y a 7 mois

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Recevoir des emails pour des emplois à distance

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

PlantingSpace

Site WebLinkedInTous les Emplois

11 - 50 employés

🤖 Intelligence artificielle

☁️ SaaS

🏢 Entreprise

💰 Seed Round en 2021-11

Artificial Intelligence • SaaS • Enterprise

PlantingSpace développe un système permettant de représenter avec précision les connaissances et les incertitudes afin de faciliter la découverte de nouvelles idées et la résolution transparente de problèmes. La plateforme intègre des informations hétérogènes (sites web, bases de données, articles, modèles) et répond aux requêtes en langage naturel ou spécifique à un domaine, fournissant des réponses avec des distributions probabilistes et un exposé clair des étapes du raisonnement, des sources de données, des méthodes statistiques et des modèles utilisés. Les utilisations prévues incluent des fonctions d'analystes, d'assistants de recherche ou de data scientists dans divers domaines ; l'approche combine la théorie des catégories, la statistique bayésienne, le deep learning et les sciences cognitives pour structurer, raisonner et présenter des connaissances incertaines.

Description

• Define new features or fixes, based on awareness of overall objectives and challenges • Commit to delivering defined features or fixes end-to-end • Define implementation strategies, and work with others to implement them • Leverage the expertise of other team members effectively • Write design documents for more complex problems • Write clean and performant code • Help other team members to deliver on their goals

🎯 Exigences

• Software Engineers with a Bayesian statistics background • Production backend software engineering • Design and implementation of probabilistic programming language features • Implementation of Bayesian inference methods such as MCMC, SMC or VI. • Statistical modeling of real-world scenarios • Constrained optimization algorithms • Functional or typed programming • Only language used in the core of our system: Julia • Can help if you don’t know Julia: Rust, OCaml, Clojure • Also useful: C++, Haskell

🏖️ Avantages

• Our team works fully remotely, and mostly within the CET timezone.