Anyone AI sucht qualifizierte Softwareentwickler für ein Projekt mit einem führenden KI-Labor.
Qualifikationen
- Fortgeschrittene schriftliche Englischkenntnisse
- 3–7 Jahre Berufserfahrung in der Softwareentwicklung
- Fundierte Kenntnisse in Python und JavaScript/TypeScript; Grundkenntnisse in Java, C# oder Go
- Erfahrung in der Backend- oder Full-Stack-Entwicklung in Produktionssystemen
- Erfahrung mit Test-Frameworks (z. B. pytest, Jest, JUnit, xUnit, Go Testing)
- Nachgewiesene Fähigkeit, große, mehrteilige Codebasen zu debuggen und zu navigieren
- Erfahrung mit Code-Reviews, Refactoring und Produktionsmigrationen
Engagement
- Teilzeit, projektbasierte Expertenbewertungsarbeit
- Arbeitsweise: Remote
Die Mitwirkenden entwerfen und bewerten realistische Software-Engineering-Aufgaben, einschließlich Fehlerbehebung, Funktionsimplementierung, Refactoring/Migration und Testgenerierung. Die Arbeit umfasst sowohl die Erstellung komplexer Codierungsszenarien als auch die Überprüfung von Peer-Einreichungen auf Qualität und Genauigkeit.
Dies ist eine projektbasierte Beraterrolle. Berater werden auf Projektbasis bezahlt; Stundensätze sind Schätzungen basierend auf der voraussichtlichen Fertigstellungszeit. Berater bestimmen ihren eigenen Zeitplan, stellen ihre eigenen Werkzeuge bereit und können gleichzeitig Dienstleistungen für andere Anbieter/Arbeitgeber erbringen (vorbehaltlich der Zulässigkeit durch diese Anbieter).
Verantwortlichkeiten
Mitwirkende werden:
- Mehrteilige Codierungsaufgaben für Fehlerbehebung, Funktionsentwicklung, Refactoring und Tests entwerfen und implementieren
- Klare natürlichsprachliche Spezifikationen und Referenzimplementierungen schreiben
- Unit- und Integrationstest-Suiten entwickeln und erweitern
- Von Kollegen erstellte Aufgaben auf Korrektheit, Klarheit und Realismus überprüfen
- Grenzfälle, Mehrdeutigkeiten und potenzielle Fehlermodi identifizieren
- Die Übereinstimmung zwischen Spezifikationen, Code und erwarteten Ergebnissen sicherstellen
Erwartete Ergebnisse
- Hochwertige, produktionsnahe Codierungsaufgaben
- Vollständige und korrekte Referenzimplementierungen
- Robuste Testabdeckung und Validierungsartefakte
- Strukturiertes, umsetzbares Peer-Review-Feedback