À propos du poste
Anyone AI recrute des développeurs full-stack qualifiés (Python et JavaScript/TypeScript ; connaissance pratique de Java, C# ou Go) pour travailler sur un projet avec un laboratoire d'IA de premier plan.
Qualifications :
- Maîtrise avancée de l'anglais écrit professionnel
- 3–7 ans d'expérience professionnelle en génie logiciel
- 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, le refactoring 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 en génie logiciel, notamment la résolution de bogues, l'implémentation de fonctionnalités, le refactoring/migration et la génération de tests. Le travail comprend à la fois la création de scénarios de codage complexes et l'examen des soumissions des 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 fondées sur le temps d'exécution 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 mettre en œuvre des tâches de codage multi-fichiers couvrant la correction de bogues, le développement de fonctionnalités, le refactoring 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
- Examiner 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
- Garantir l'alignement entre les spécifications, le code et les résultats attendus
Résultats attendus :
- Des tâches de codage de haute qualité, réalistes comme en production
- Des implémentations de référence complètes et correctes
- Une couverture de test robuste et des artefacts de validation
- Des retours structurés et exploitables sur les revues de pairs