Encuentra tu próxima oportunidad

Busca ofertas por puesto, competencia y ubicación. Revisa los requisitos antes de preparar tu candidatura.

Una buena búsqueda no termina al encontrar un título atractivo. Compara las tareas, los requisitos y las condiciones de cada oferta con tu experiencia. Esta guía te ayuda a crear una lista de oportunidades, preparar documentos relevantes y comprobar dónde enviar cada candidatura.

La interfaz está en español. Los títulos y las descripciones de las empresas se mantienen en el idioma original de publicación, que puede ser inglés.

Borrar filtros

Resultados: 13.782

← Volver a los resultados

AI/ML Engineer

AM.Dirac

Trabajo remoto

Ubicación
Remote (Worldwide)
Retribución
USD 150000-250000 per annual
Jornada
Full Time
Publicado
13 oct 2026

Confirma que la oferta sigue abierta y revisa sus condiciones en el sitio web de la empresa antes de solicitar el puesto.

Descripción del puesto

La interfaz está en español. Los títulos y las descripciones de las empresas se mantienen en el idioma original de publicación, que puede ser inglés.

AI/ML Engineer – Full TimeLocation: Remote or Hybrid (Location Flexible) Start Date: Rolling Company: AM.Dirac, Quantitative Proprietary Trading Firm About AM.Dirac AM.Dirac is an AI-forward quantitative trading firm applying machine learning and programmatic reasoning to public market strategies. We use frontier ML capabilities to automate and scale our alpha-generating infrastructure across asset classes. Our team combines deep expertise in ML engineering, quant research, and systems design, working collaboratively to develop intelligent agents that operate in real-time, data-rich environments. Position Overview We are looking for a full-time AI/ML Engineer to join the core team at AM.Dirac. This is an opportunity to build intelligent systems that power next-generation trading strategies, from idea generation to execution. You’ll work at the intersection of state-of-the-art ML (including LLMs and agentic systems), portfolio optimization, and real-time data pipelines. Your work will directly support live strategies in production and lay the foundation for autonomous investment agents. Key Responsibilities Alpha Generation: Design and refine predictive ML models trained on intraday financial data and alternative datasets to surface trade signals. Data Infrastructure & Experimentation: Work with large-scale time series, macroeconomic, and unstructured datasets. Build pipelines, clean data, and rapidly iterate on hypotheses. Agentic Systems Development: Help architect and implement systems using LLMs to automate alpha research, backtesting, and live trading tasks. Portfolio Optimization: Contribute to the design of intelligent portfolio construction methods that integrate learned signals and risk constraints. Tooling & Research Ops: Develop internal experimentation frameworks in Python/Jupyter and build reproducible research workflows across the team. Collaboration: Work closely with quant researchers, founders, and systems engineers to scale model impact from prototype to production. Qualifications Required: Education: BS in Computer Science, Machine Learning, or related field (MS/PhD preferred). Exceptional candidates without a degree but with strong evidence of technical ability will be considered. Python & Jupyter Expertise: Demonstrated fluency with Python, NumPy, pandas, scikit-learn, and Jupyter for ML development and research. ML Proficiency: Experience with supervised learning, time series modeling, and neural networks. Bonus points for hands-on use of LLMs or reinforcement learning frameworks. Experimentation Mindset: Ability to rapidly test, measure, and iterate on model-based systems in noisy or nonstationary environments. Curiosity for Markets: While no prior finance experience is required, you should be motivated to learn how markets behave and how ML can exploit inefficiencies. Preferred: LLM & Agentic Workflows: Familiarity with prompting strategies, RAG, fine-tuning, or frameworks like LangChain, Transformers, or OpenAI APIs. Experience working with messy and unstructured data as inputs to modeling tasks. Open Source Contributions or Research: Active GitHub, blog posts, or published work showing initiative and originality in applied ML. Quantitative Finance: Experience building backend infrastructure for algorithmic trading and conducting research to originate market signals and trading strategies highly preferred. Why Join Us High Impact, Early Team Role: Shape the design and function of our AI-native investment platform from the ground up. Research-to-Production: See your work go from notebook to production in live trading strategies. Fast Iteration, Deep Focus: No bureaucracy, no endless meetings. Just focused execution with elite peers. Compensation: Competitive base salary + performance-linked bonus + benefits. Culture: Intellectually honest, independently driven, and curious about the edge of AI and finance. Application Process Interested candidates should submit: Resume/CV highlighting your technical background and ML experience Optional: Links to open-source projects, GitHub repos, or writing samples Brief note (if you'd like) on why you're excited about joining an AI-native trading firm AM.Dirac is an equal opportunity employer. We value diverse perspectives and are committed to building a team that reflects a wide range of backgrounds and experiences. Originally posted on Himalayas

Busca, compara y prepara tu candidatura

Empieza con un puesto o una competencia que quieras utilizar. Ajusta los filtros de ubicación y profesión y abre las ofertas para comparar sus responsabilidades. Si no encuentras resultados, prueba un término más corto o elimina un filtro cada vez.

Distingue los requisitos imprescindibles de las preferencias. Comprueba la jornada, la retribución y la ubicación cuando se indiquen. Un puesto remoto puede exigir residencia en un país, autorización para trabajar o coincidencia horaria. Confirma la oferta y las condiciones completas con la empresa.

Elige ejemplos reales de tu experiencia que respondan a los requisitos del puesto. Explica tu aportación y utiliza cifras solo cuando puedas justificarlas. Sigue las instrucciones de la empresa y revisa los datos de contacto, el contenido y el PDF antes de enviar la candidatura.

Antes de enviar tu candidatura

Preguntas sobre la búsqueda de empleo

¿Por qué algunas ofertas están en inglés?

Las empresas publican sus propios títulos y descripciones. Conservamos ese texto para no alterar requisitos o condiciones. La navegación y esta guía están en español. Si una búsqueda en español no encuentra ofertas, prueba también el título o la competencia en el idioma del anuncio, por ejemplo «software engineer».

¿Un puesto remoto permite trabajar desde cualquier país?

No necesariamente. La empresa puede limitar los países de residencia, exigir autorización para trabajar o fijar un horario. Comprueba estos puntos en la oferta original. Si no aparecen, consúltalos con la empresa antes de asumir que puedes trabajar desde tu ubicación.

¿Qué hago si no aparecen resultados?

Prueba un título más general o una sola competencia y elimina los filtros de uno en uno. Los nombres de los puestos varían entre empresas. Si una oferta concreta ha desaparecido, busca su referencia en la página de empleo de la empresa; ampliar los filtros no recupera una vacante cerrada.

¿La candidatura se envía desde ResumizeAI?

El botón de solicitud abre un destino externo. Sigue las instrucciones de la empresa o del proveedor de selección y confirma allí el envío. Preparar un currículum en ResumizeAI no equivale a presentar una candidatura. Si el enlace solo abre la web de la empresa, busca la vacante antes de continuar.

¿Cómo adapto el currículum y la carta de presentación?

Relaciona los requisitos con proyectos, tareas y resultados que puedas explicar. Destaca lo relevante sin inventar experiencia ni copiar competencias que no tienes. En la carta, explica tu interés y aporta un ejemplo concreto. Respeta el idioma y el formato pedidos y revisa ambos documentos antes de enviarlos.