Databricks

Sr. Forward Deployed Engineer (FDE) - Financial Services

Dallas, Texas
144 дн. назад

Databricks ищет старшего Forward Deployed Engineer для работы с клиентами из финансового сектора: проектирование и внедрение production-решений на базе платформы Databricks в области Data Engineering, ML/AI и разработки приложений.

О позиции

Forward Deployed Engineer (FDE) — это инженер «на передовой», который работает напрямую с корпоративными клиентами, помогая им решать сложные задачи в области данных и искусственного интеллекта на платформе Databricks. Роль сочетает глубокую техническую экспертизу с клиентоориентированностью: вы будете лидировать архитектурные решения, реализовывать end-to-end системы и влиять на продуктовый роадмап компании. Позиция предполагает до 20% командировок к клиентам.

Будет плюсом

Опыт в финансовом секторе (банки, страхование, fintech)
Знакомство с Delta Lake, MLflow, Unity Catalog
Опыт создания внутренних технических accelerator-библиотек или SDK
Опыт в pre-sales или consulting-роли

Условия

Конкурентоспособная базовая зарплата (Zone 1–4: $180,656–$248,360 в год)
Годовой performance bonus и equity (акции компании)
Комплексный социальный пакет (детали зависят от региона)
Работа в компании, основанной создателями Apache Spark, Delta Lake и MLflow
Прямое влияние на продуктовый роадмап одной из ведущих data & AI платформ в мире
Культура diversity & inclusion, равные возможности для всех сотрудников

Навыки

Python
Scala
JavaScript
TypeScript
Apache Spark
Databricks
Delta Lake
MLflow
MLOps
Data Engineering
Machine Learning
AI APIs
AWS
Azure
GCP
CI/CD
Data Architecture
Distributed Computing
SQL
Data Pipelines

Зарплата по рынку

1 100 000 – 1 750 000 ₽ в месяц

Оценка ИИ на основе вилки $180,656–$248,360/год (курс ~90 ₽/$, деление на 12 мес). Нижняя граница ~1,35 млн ₽/мес, верхняя ~1,86 млн ₽/мес. Диапазон скорректирован с учётом локации (Даллас, США). Итоговая оценка рыночного диапазона: 1,1–1,75 млн ₽/мес, медиана ~1,4 млн ₽/мес.

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

Опишите архитектуру production-системы на Apache Spark, которую вы проектировали с нуля. Какие компромиссы пришлось принять?
Как вы выстраиваете доверие с enterprise-клиентом, который скептически относится к предлагаемому решению?
Как вы организуете MLOps-пайплайн от эксперимента до production? Какие инструменты и паттерны считаете обязательными?
Расскажите о ситуации, когда проект выходил за рамки скоупа или сроков. Как вы управляли этим с клиентом?
Каков ваш подход к проектированию data architecture для финансовых клиентов с учётом требований compliance и data governance?

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно