MetAntz is hiring: Senior Machine Learning Engineer in San Francisco

Role Context
Nenu AI builds applied AI systems that must survive real users’ real data and real constraints. This role is not a research theater. It is production ownership. You will design, build, deploy, and operate ML systems that directly shape the product. Expect ambiguity. Expect velocity. Expect accountability.

What You Will Own

End-to-end ML lifecycle across real products. Data ingestion, feature design, model selection, training, deployment, monitoring, iteration. No handoffs.

Production-grade ML systems built with PyTorch or TensorFlow with attention to latency, reliability, cost, and failure modes.

Applied GenAI and LLM work where it creates measurable value. Fine-tuning, RAG, prompt orchestration, evaluation, and guardrails. No hype‑first work.

MLOps foundations. Model versioning, CI/CD, automated testing, deployment pipelines, serving layers, monitoring, and A/B experimentation.

Tight partnership with product engineering and data. Translate fuzzy business problems into tractable ML solutions and quantify impact.

Technical leadership. Code reviews, model reviews, mentoring, and raising the bar for ML engineering discipline.

Incident ownership. Debug production failures, data drift, performance regressions, and bias issues calmly and decisively.

Required Profile

7+ years of hands‑on ML engineering with clear senior‑level ownership of production systems.

Strong academic grounding or equivalent applied depth in machine learning, computer science, or related fields.

Expert Python. Deep familiarity with PyTorch preferred. TensorFlow acceptable.

Demonstrated experience deploying, maintaining, and scaling ML models in production environments.

Solid cloud experience across AWS, GCP, or Azure. Comfort with Spark, SQL, Docker, Kubernetes.

Strong grasp of ML fundamentals. Model architectures, optimization tradeoffs, evaluation, design, experimentation rigor.

Clear written and verbal communication. Able to explain complex systems without theatrics.

Preferred Signals

Direct experience with LLM systems in production. Fine‑tuning, RAG, evaluation, safety, cost control.

Exposure to MLOps platforms such as MLflow, Kubeflow, Airflow, or equivalent internal systems.

Depth in one or more domains such as NLP, search, recommendations, forecasting, anomaly detection.

Evidence of technical leadership. Open‑source contributions, internal platforms, publications, or scaled internal tools.

What Nenu AI Offers

Meaningful ownership over core AI systems, not edge experiments.

Compensation aligned to senior impact, not titles.

Performance bonus in the 10–20% range plus modest equity aligned to company stage.

Full benefits including health, dental, vision, 401(k), unlimited PTO, learning budget.

Hybrid Bay Area setup optimized for collaboration without dogma.

Work that compounds. Systems that ship. Problems that matter.

#J-18808-Ljbffr

In Summary: Nenu AI builds applied AI systems that must survive real users’ real data and real constraints . You will design, build, deploy, and operate ML systems that directly shape the product . 7+ years of hands‑on ML engineering with clear senior‑level ownership of production systems .

En Español:

Role Context Nenu AI construye sistemas de IA aplicados que deben sobrevivir a los usuarios reales datos reales y restricciones reales. Este papel no es un teatro de investigación. Es propiedad de producción. Diseñarás, construirás, desplegarás y operarás sistemas ML que moldean directamente el producto. Espera ambigüedad tratable. Espera velocidad. espera rendición de cuentas. Lo que poseerás ciclo de vida de ML de extremo a extremo en productos reales . Ingestión de datos, diseño de características, selección de modelos, capacitación, implementación, monitoreo, iteración. No hay entregas. Sistemas ML de nivel de producción construidos con PyTorch o TensorFlow con atención al modo latencia, fiabilidad, costo y fallo. Trabajo aplicado generacional y LLM donde crea valor medible. Aplicación, RAG, orquestación, experimentación, evaluación e prueba de datos. Descargar las fallas de producción, la deriva de datos, las regresiones del rendimiento y los problemas de sesgo con calma y decisión. Se requiere un perfil de 7+ años en ingeniería ML práctico con una clara propiedad a nivel superior de sistemas de producción. Una sólida base académica o profundidad aplicada equivalente en aprendizaje automático, ciencias informáticas u campos relacionados. Python experto. Conocimiento profundo con PyTorch preferido. TensorFlow aceptable. Experiencia demostrada en el despliegue, mantenimiento y escalado de modelos ML en entornos de fabricación. experiencia en la nube sólida en AWS, GCP o Azure. Comfort con Spark, SQL, Docker, Kubernetes. Comprensión fuerte de los fundamentos de ML. Arquitecturas de modelo, compensaciones de optimización, evaluación, diseño, rigor de experimentación. Comunicación por escrito y verbal. Capacidad para explicar sistemas complejos sin anómaticas de seguridad. Preferir directos sistemas de búsqueda de pruebas LLLP con experiencia directa en sistemas de control interno. Pruebas técnicas similares como análisis de costos, expansión, detección de flujo aéreo, pronóticias, MLSL, Expositions, etc. Contribuciones de código abierto, plataformas internas, publicaciones o herramientas internas a escala. Lo que Nenu AI Ofrece propiedad significativa sobre los sistemas principales de IA, no experimentos de borde. Compensación alineada con el impacto senior, no títulos. Bonos de rendimiento en el rango del 1020% más modesta equidad alineados al escenario de la empresa. Beneficios completos incluyendo salud, odontología, visión, 401 ((k), PTO ilimitado, presupuesto de aprendizaje. Configuración Hybrid Bay Area optimizada para la colaboración sin dogmas. Trabajo que compone. Sistemas que envían. Problemas que importan. #J-18808-Ljbffr