À propos du poste
Anyone AI recrute des ingénieurs logiciels qualifiés pour travailler sur un projet avec un laboratoire d'IA de premier plan.
Qualifications :
- Maîtrise professionnelle avancée de l'anglais écrit
- 3–7 années d'expérience professionnelle en ingénierie logicielle
- Solide maîtrise de Python et JavaScript/TypeScript ; connaissance pratique de Java, C# ou Go
- Expérience en développement backend ou full-stack sur des systèmes en production
- Expérience avec des frameworks de test (par ex. pytest, Jest, JUnit, xUnit, Go testing)
- Capacité avérée à déboguer et à naviguer dans de grandes bases de code multi-fichiers
- Expérience avec les revues de code, la refactorisation et les migrations en production
Engagement : Travail d'évaluation expert à temps partiel, basé sur des projets
Type de travail : À distance
Les contributeurs concevront et évalueront des tâches réalistes d'ingénierie logicielle, incluant la résolution de bugs, l'implémentation de fonctionnalités, la refactorisation/migration et la génération de tests. Le travail comprend à la fois la création de scénarios de codage complexes et l'évaluation des soumissions de pairs pour leur qualité et leur exactitude.
Il s'agit d'un rôle de consultant basé sur des projets. Les consultants seront rémunérés par projet ; les taux horaires sont des estimations basées sur le temps d'achèvement prévu. Les consultants gèrent leur propre emploi du temps, fournissent leurs propres outils et peuvent simultanément fournir des services à d'autres fournisseurs/employeurs (sous réserve des autorisations de ces fournisseurs).
Responsabilités :
Les contributeurs devront :
- Concevoir et implémenter des tâches de codage multi-fichiers couvrant la correction de bugs, le développement de fonctionnalités, la refactorisation et les tests
- Rédiger des spécifications claires en langage naturel et des implémentations de référence
- Développer et étendre des suites de tests unitaires et d'intégration
- Évaluer les tâches générées par les pairs pour leur exactitude, leur clarté et leur réalisme
- Identifier les cas limites, les ambiguïtés et les modes de défaillance potentiels
- Assurer l'alignement entre les spécifications, le code et les résultats attendus
Résultats attendus :
- Des tâches de codage de haute qualité et réalistes en production
- Des implémentations de référence complètes et correctes
- Une couverture de test robuste et des artefacts de validation
- Des retours structurés et exploitables de revue par les pairs