Ingeniero/a Forward Deployed - Infraestructura
Thought Machine, una empresa de software del sector IA y datos, busca cubrir el puesto de Forward Deployed Engineer - Infrastructure. Es un puesto híbrido en New York City, Estados Unidos. Lo clasificamos en ingeniería de software (general). La oferta menciona Linux, Kafka, PostgreSQL, Kubernetes, Terraform y Ansible. Beneficios que menciona la oferta: participación en la empresa. El puesto incluye hasta un 25 % de viajes. Hay 23 puestos abiertos de Thought Machine en este sitio, 18 de ellos en IT e ingeniería.
Publicado hace 1 día · Última revisión: 2026-10-24
Sobre Thought Machine
IA y datos Empresa de producto de software 23 puestos abiertos, 78% en IT e ingeniería. Roles con más ofertas: Seguridad (7), Ingeniería de software (general) (4), DevOps / SRE / plataforma / cloud (3).
Empleos similares
empleos de ingeniería de software (general) en Estados Unidos: 3841 abiertos
- Engineering Manager, Provider Experience — Commure, Mountain View, CA | Los Angeles, CA | San Francisco, CA
- Ingeniero/a de Desarrollo de Sistemas — CHAOS Industries, El Segundo, California, United StatesOriginal: Systems Development Engineer
- Photonic IC Design Engineer, Design Automation & Modeling — K2 Space , Seattle, WA
- Senior Forward Deployment Engineer, Strategic Customer Engagements U.S. — Planet, Washington, D.C.
- Sr. Software Engineer, AI Platform & Infrastructure — Okta, San Francisco, California
- Ingeniero/a de Despliegue en Campo — Etched, San JoseOriginal: Forward Deployment Engineer
- Web Integrations Support Engineer — Smartling, United States
- Staff Engineer, Network — Sila, Alameda, CA
| Modalidad | Híbrido |
| Nivel | No indicado |
| Rol | Ingeniería de software (general) |
| Países | Estados Unidos |
| Lenguajes | GolangJavaPython |
| Tipo de empleo | FullTime |
| Datos clave | Stack: Golang, Java, Python, Linux, Kafka, PostgreSQL, Kubernetes, Terraform, Ansible, AWS, GCP, Azure · Viajes: 25 % · Participación en la empresa |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos