Данные и ML вакансии - гибрид

Задачи: - Разрабатывать бэкенд LLM-агента для автоматизации поддержки - Учиться строить LLM-продукты и участвовать в формировании платформы для их развития - Следить за надежностью и качеством решений — агент будет работать под нагрузкой и решать проблемы миллионов пользователей - Решать задачи на стыке с Data Science, собирать легкие прототипы новых фич для проверки на пользователях - Следить за надежностью и качеством решений — внутренние инструменты работают с теми же гарантиями, что и внешние: мониторинг, алертинг, SLA Требования: - Опыт разработки на Python с использованием FastAPI, Pydantic, LangChain, LangGraph, LangFuse, punq - Опыт разработки распределенных систем: Kafka, PostgreSQL, Redis, Elastic - Опыт разработки сложных распределенных систем - Способность быстро выполнять задачи без критических ошибок - Приветствуется опыт работы с ML-продуктами и интерес к ML, NLP, LLM

Location: Limassol; Nicosia Workplace: hybrid The Role:  Are you passionate about transforming complex data into intelligent, business-driven solutions? Do you enjoy solving challenging problems, developing cutting-edge machine learning models, and collaborating with highly skilled professionals? We are looking for a Senior Data Scientist to join our growing Data Science team. In this role, you will play a key part in designing and delivering innovative data products that create measurable business impact. You'll work with large-scale datasets, advanced machine learning techniques, and modern technologies while collaborating with multiple teams, and business stakeholders to bring data-driven solutions into production. The main responsibilities of the position include: Lead the design, development, and delivery of high-impact data science and machine learning solutions. Translate complex business challenges into structured analytical approaches and scalable data products. Build, evaluate, and optimize advanced machine learning models, ensuring high standards of quality, performance, and reliability. Contribute to technical decisions and best practices across the data science lifecycle. Review and validate data preparation, feature engineering, model selection, experimentation, and documentation. Support the deployment and operationalization of machine learning models in batch and real-time environments. Present analytical insights and recommendations to technical and non-technical stakeholders. Ensure compliance with data quality, model governance, security, privacy, and responsible AI standards. Identify opportunities to leverage data science for automation, forecasting, personalization, optimization, and risk management. Collaborate closely with Data Engineers, Machine Learning Engineers, Software Engineers, Product Owners, and business stakeholders to develop production-ready solutions. Contribute to improving team processes, technical standards, and project delivery methodologies. Support the Lead Data Scientist in defining priorities, roadmaps, and strategic initiatives. Main requirements: University degree in Mathematics, Physics, Engineering, Computer Science, Data Science, or a related field. At least 5 years of experience in a similar role. Hands-on experience with Python libraries such as Pandas, NumPy, and Polars for data processing and analysis. Strong Python programming skills with the ability to write clean, maintainable, and production-ready code. Strong knowledge of modern machine learning techniques and advanced architectures, including Transformers and Graph Neural Networks (GNNs) . Experience with data visualization libraries such as Matplotlib, Seaborn, and Plotly . Good knowledge of SQL and statistical analysis. Excellent analytical thinking and problem-solving skills. High attention to detail and commitment to delivering high-quality solutions. Strong communication skills with the ability to explain technical concepts to non-technical audiences. Excellent verbal and written communication skills in English. A collaborative mindset, curiosity, and a passion for continuous learning. What would be considered as an advantage: Exposure to Natural Language Processing (NLP). Experience working with NoSQL databases. Knowledge of software engineering best practices. Experience working in Unix/Linux environments. Basic understanding of AWS services and cloud-based machine learning environments. Benefit from: Attractive remuneration package plus performance related reward Private health insurance Corporate pension fund Intellectually stimulating work environment Continuous personal development and international training opportunities The Hiring Experience: What Awaits You Let’s Connect – Intro Chat with Talent Acquisition Deep Dive – First Interview with Your Future Team Bring It to Life – Role-Specific Take-Home Task Final Connection – Final Interview All applications will be treated with strict confidentiality!   By submitting this application, I confirm that I have read and agree to the terms of the Privacy Policy and the Confidentiality Undertaking.

Задачи: — Архитектура и внедрение production-ready AI / LLM / Computer Vision систем — Декомпозиция сложных технических задач — Оптимизация стоимости и латенси production рабочих нагрузок — Сотрудничество с техническими и бизнес-командами клиентов — Разработка и обучение моделей машинного обучения — Подготовка данных и проведение аналитики — Деплой и мониторинг моделей Требования: Обязательные: — 2+ года опыта в Machine Learning / AI (Data Scientist, ML Engineer, NLP, CV, Audio Engineer) — 2+ года разработки production AI / LLM систем — Свободное владение Python, TensorFlow, PyTorch, vLLM, LangGraph, LangChain (или эквивалентные) — MLOps: оптимизация стоимости и латенси — Знакомство с agentic tooling (Claude Code, Cursor) — Опыт с LLM, NLP или Computer Vision Желательные: — Опыт с GCP (Google Cloud Platform) — Опыт в content generation — Знание оптимизации локального inference — Опыт работы с LLM и генерацией контента Приветствуется портфолио с примерами production AI систем, которые вы разрабатывали.

Задачи: — проектирование модуля, который объединяет результаты из поисковых систем — написание эффективных обходов графа с ограничениями по времени — реализация кэширующих стратегий для графовых запросов — оптимизация работы с памятью и GC — разработка асинхронных пайплайнов для параллельных вызовов движков — настройка гибридного ранжирования через кастомные скоринговые функции — интеграция векторного поиска через Java-клиенты — написание запросов к FastGraph — внедрение ранжирующих моделей — сборка фичей для модели — мониторинг качества поиска. Требования: — java core: многопоточность, NIO, работа с коллекциями, понимание JVM и GC — опыт написания высоконагруженных сервисов — понимание алгоритмов ранжирования, опыт настройки гибридного поиска (текст + вектора) — практический опыт обхода графов — понимание метрик качества поиска, умение работать с ранжирующими моделями.

Задачи: — Проектировать и разрабатывать ETL/ELT пайплайны по цепочке Source → ODS → DDS → витрины данных. — Строить витрины и схемы под аналитику и отчётность; оптимизировать SQL (индексы, партиционирование, предикативный pushdown). — Настраивать доступ к данным через федеративные SQL-движки, REST/JSON API, батч- и файловые выгрузки, асинхронную обработку тяжёлых выборок. — Вести пайплайны в Airflow с инкрементальной загрузкой, идемпотентностью и контролем качества данных (DQ). — Вести каталог данных, глоссарий и data lineage; следить за согласованностью источников. — Доводить задачи до прода в GitOps-флоу (GitLab CI + ArgoCD), контейнеризация (Docker / K8s). Требования: — Уверенный Python и очень уверенный SQL (оконные функции, оптимизация запросов). — Опыт построения ETL/ELT-пайплайнов и оркестрации (Airflow или аналог). — Понимание моделирования данных и хранилищ (DWH / DataMart, слои ODS/DDS, нормализация, партиционирование). — Опыт с реляционными и аналитическими СУБД (PostgreSQL; плюсом — Vertica / Trino / ClickHouse). — Понимание Git, CI/CD и контейнеризации (Docker), базовое понимание Kubernetes. — Внимание к качеству данных, идемпотентности и инкрементальной загрузке. — Интерес к финансовому домену: транзакции, отчётность, регуляторные данные, справочники. Плюсом будет: — Федеративные движки (Trino / Presto), каталоги данных и data lineage (OpenMetadata / DataHub). GitOps (ArgoCD), стриминг (Kafka), dbt, IaC. — Опыт с финансовыми и регуляторными данными, витринами для отчётности, безопасностью данных. — Базовое понимание LLM/RAG (эмбеддинги, retrieval) — как смежное направление команды. Условия: — Работа с современным data-стеком в финансовом домене национального масштаба. — Менторство и турбо-рост в команде, которая катает продукты в прод каждый месяц. — ДМС для вас и членов семьи. — Оплачиваемый отпуск и 100% официальное оформление.

Задачи: — Разработка и настройка AI-функций продукта — Работа с LLM, RAG, embeddings и векторными базами данных — Интеграция OpenAI, Gemini, DeepSeek и других AI API — Настройка промптов и улучшение качества ответов моделей — Работа с учебными материалами и базой знаний — Поддержка серверной части: Linux, Docker, логи, конфигурации и деплой — Оптимизация скорости работы и стоимости AI-запросов Требования: — Опыт работы от 3 до 6 лет — Уверенное владение Python — Опыт работы с LLM, RAG и embeddings — Опыт интеграции AI API — Понимание FastAPI и REST API — Опыт работы с Linux-серверами — Владение Docker, Git, переменными окружения и инструментами работы с логами — Умение доводить AI-функции до рабочего состояния в продукте — Будет преимуществом: опыт работы с Qdrant, Pinecone, Weaviate, Chroma, PostgreSQL, Redis, TTS/STT, Telegram Bot API, Mini App, MLOps и компьютерным зрением Условия: — Официальное оформление по Трудовому договору или договору ГПХ (с самозанятым, ИП или физическим лицом) — График работы 5/2 — Рабочий день: 8 часов — Гибридный формат работы — Выплата заработной платы два раза в месяц — Возможность проектной или долгосрочной занятости — Условия оплаты обсуждаются по итогам собеседования Адрес: Астана, улица Сарайшык, 5

MDiet — early-stage HealthTech стартап, разрабатывающий AI-powered платформу, которая помогает снижать количество повторных госпитализаций пациентов. Продукт ориентирован на рынок здравоохранения США. Возможна релокация в США при успешном росте компании, обсуждается индивидуально. Tech Stack: • LangGraph + LangChain / Agentic AI • vLLM + Hugging Face • PyTorch + PEFT / LoRA / QLoRA • Vector databases: pgvector, Qdrant, Weaviate, Chroma, Pinecone • Advanced RAG, Prompt Engineering, Embeddings • FastAPI + PostgreSQL • Docker + Kubernetes + async processing: Arq / Celery / Redis Streams • Apache Airflow для data pipelines • AWS Cloud: EC2, S3, SageMaker, Lambda, RDS, Bedrock • Structured output: Outlines / Guidance / Instructor • Evaluation & observability: Langfuse, RAGAS / DeepEval, Prometheus + Grafana • MLOps practices Задачи: • Проектирование и разработка multi-step LLM agents и pipelines для обработки медицинских данных • Разработка production RAG-систем с высоким уровнем grounding и качеством citation • Деплой и оптимизация self-hosted LLM inference через vLLM с фокусом на cost и throughput optimization • Fine-tuning open-source моделей на domain-specific medical data с измеримым улучшением результата • Построение data pipelines и versioning для документов, embeddings и training data • Создание evaluation frameworks, guardrails и систем контроля hallucinations • Реализация reliable structured output и data extraction • Тесное взаимодействие с physicians и Platform Architect Требования: • Сильный hands-on опыт с production LLM systems: RAG, agents, inference • Опыт fine-tuning open-source LLMs: LoRA / QLoRA / PEFT, с измеримыми результатами • Опыт построения data pipelines и versioning для LLM / RAG workloads • Сильные навыки в evaluation, hallucination reduction и structured output • Production Python + FastAPI + async processing • Опыт с self-hosted inference: vLLM или аналогичные решения • Опыт GPU optimization • Английский язык на уровне C1: strong written and spoken communication skills • Bachelor’s degree или выше в Computer Science, Artificial Intelligence, Machine Learning, Data Science или смежной технической области • 5+ лет опыта в ML/AI • 1.5–2+ года опыта в production LLM projects • Опыт с MLOps Будет плюсом: • Опыт в medical / clinical NLP или regulated domains • Cost modeling и optimization of LLM workloads • MLOps и production fine-tuning pipelines • Apache Airflow, Prometheus / Grafana или AI Solution Architecture • Publications in relevant fields Условия: • Работа в early-stage HealthTech startup с продуктом для US healthcare market • Возможность участвовать в создании AI-powered платформы с реальным влиянием на healthcare-процессы • Офисный формат в Астане первые 7–9 месяцев, далее возможен hybrid/remote • Зарплата $4 000 – $5 000 USD gross + equity • Возможность релокации в США при успешном росте компании, обсуждается индивидуально

Задачи: — Разрабатывать и внедрять классические ML-модели для оценки рисков, выявления мошенничества, прогнозирования оттока и ценообразования. — Создавать функции на базе больших языковых моделей (LLM) и внутреннюю автоматизацию с использованием RAG-пайплайнов и агентных рабочих процессов. — Определять стратегию в области искусственного интеллекта, включая стандартизацию инструментов и разработку фреймворков оценки моделей. — Отвечать за полный жизненный цикл ML: от определения требований заинтересованных сторон до развертывания и мониторинга. — Сотрудничать с руководителем отдела данных для формирования возможностей ML/AI с нуля. Требования: — Опыт профессиональной работы ML-инженером не менее 4 лет с использованием Python в продакшене. — Глубокие знания классического машинного обучения, включая инженеринг признаков и валидацию моделей. — Практический опыт работы с фреймворками LLM, такими как LangChain, LangGraph или LlamaIndex. — Подтвержденный опыт создания систем RAG или продуктов на базе LLM для реальных пользователей. — Опыт работы с основными облачными провайдерами (AWS, GCP, Azure) и контейнерами. — Свободное владение английским языком в письменной и устной форме. Желательно: — Опыт работы с MLOps-инструментами, такими как MLflow, Airflow или Kubernetes. — Опыт работы в сферах финтеха, платежей или телекоммуникаций. Условия: — Комплексный страховой пакет, включающий медицинское, стоматологическое и профессиональное страхование. — 30 дней ежегодного отпуска и дополнительная оплата по уходу за ребенком. — Пособие на оздоровление в размере 5000 SEK и скидки на абонементы в спортзал. — Пенсионный план и программа бонусов на основе результатов работы. — Международная и разнообразная команда в Стокгольме.

Responsibilities: • Conduct group sessions on AI, Data Science, ML models • Answer student questions and provide support The school teaches in Kazakh and is the first AI and Big Data school in Central Asia.

Задачи: — Проектировать и владеть сквозными ML и дата-системами от сбора данных до продакшн-деплоя — Архитектурно создавать масштабируемые дата-пайплайны для RAG, эмбеддингов и обработки в реальном времени — Строить и эксплуатировать ML-сервисы, API и инфраструктуру с использованием IaC, контейнеризации и оркестрации — Интегрировать ML-системы с внешними API, инструментами и платформами для автоматизации — Устанавливать мониторинг, оценку и наблюдаемость данных, моделей и систем — Наставлять инженеров и задавать техническое направление команды Требования: — Опыт проектирования и масштабирования продакшн ML-систем и дата-платформ — Глубокие знания в области дата-инжиниринга, ML пайплайнов, RAG и эмбеддингов — Опыт создания надежной инфраструктуры данных с гарантией качества — Навыки Python и SQL, Docker, Kubernetes, облачные среды — Опыт работы с IaC (Terraform) и воспроизводимыми масштабируемыми системами — Практический опыт интеграции ML с API/сервисами и продакшн-операциями с мониторингом Желательно: — Опыт работы с LLM, агентными архитектурами (LangGraph, AutoGen, CrewAI) — Знакомство с синтетическими данными, системами оценки, AI feedback loops — Инструменты наблюдаемости Agent/ML (Langfuse, LangSmith) — Обслуживание моделей, маршрутизация, оптимизация инференса — Опыт с open-source моделями (LLaMA, Mistral) или кастомным инференсом — Паттерны надежности и безопасности систем AI Условия: — Гибридный формат работы: 2 дня в неделю на кампусе в Берлине — Поддержка релокации в Берлин — 27 дней отпуска + дополнительные дни после 2-3 лет — Бюджет на образование €1,000, языковые курсы, Udemy, поддержка родителей — Медосмотры, медитация, субсидии на спорт и велосипед — План акций для сотрудников, банк саббатикала, транспортные скидки, страховка, пенсия — Ваучеры на питание, корпоративные скидки

Задачи: — Обеспечивать стабильную и бесперебойную работу кластеров PostgreSQL — Развёртывать новые экземпляры баз данных и кластеры — Настраивать и поддерживать решения высокой доступности (HA) — Реализовывать и поддерживать процессы резервного копирования и восстановления — Автоматизировать рутинные задачи и интегрировать утилиты управления базами данных — Мониторить производительность, выявлять узкие места и устранять их Требования: — Опыт управления командой — Глубокие знания PostgreSQL — Опыт администрирования баз данных не менее 5 лет — Владение Linux — Опыт работы с Bash и Python скриптами — Понимание принципов высокой доступности и резервного копирования — Опыт мониторинга баз данных и анализа производительности Хорошо, если есть: — Знания Docker, Jenkins, Ansible, Terraform — Опыт работы с Kubernetes (EKS или самостоятельное управление) — Знакомство с системами контроля версий (Git) — Опыт работы с Jira и Confluence — Опыт или знания в области финансов и трейдинга — Знакомство с платформой TradingView Условия: — Постоянный контракт — Гибкий график с широким диапазоном начала рабочего дня — Гибридный формат работы: удалённо и в офисе — Пакет релокации с поддержкой визы, транспортировки и проживания — Частная медицинская страховка — Премии за результаты работы — Обучение и наставничество — Премиум-подписка TradingView — Ежегодные командные мероприятия — Хорошо оборудованное рабочее место с тренажёрным залом и дополнительными бонусами

Задачи: - Проектировать и согласовывать архитектуру AI-агента, приложений и интеграций. - Развивать и разрабатывать backend-компоненты AI-агента, общие библиотеки и интеграционные взаимодействия. - Реализовывать решения на базе LLM, ReAct и RAG, включая поиск и подбор релевантных «шагов» из существующей библиотеки. - Интегрировать систему с внутренними сервисами, репозиториями, базами знаний и корпоративной инфраструктурой. - Формировать требования для построения CI/CD, мониторинга, логирования, трассировки и контроля качества для AI-агента. - Проводить ревью кода, поддерживать код-стандарт и участвовать в командных коммуникациях. - Взаимодействовать с специалистами по автоматизированному тестированию, QA-инженерами и разработчиками для уточнения требований и сценариев использования. - Участвовать в разработке пользовательской поверхности решения, в формате IDE plugin. Требования: - Опыт работы от 3-4 лет в разработке. - Высшее образование. - Практический опыт построения RAG-систем и работы с векторными хранилищами, желательно PostgreSQL + pgvector. - Опыт работы с LangChain, Python. - Опыт разработки ReAct агентов. - Понимание принципов ООП, SOLID и паттернов проектирования. - Понимание базовых принципов многопоточного и асинхронного программирования, включая GIL и asyncio. - Практические знания и навыки работы с LLM. - Опыт работы с инструментами контейнеризации приложений, включая Docker. - Лидерские качества: умение принимать решения и брать на себя ответственность. Условия: - Возможность участия в интересных проектах. - Возможность профессионального и карьерного роста в компании. - Опыт работы в команде профессионалов. - Специальные тарифы для сотрудников в спортивные клубы и языковые курсы и пр. - Удаленный и гибридные форматы работы.

Задачи: - разрабатывать и улучшать алгоритмы обнаружения фрода; - создавать и дорабатывать эвристики и ML-модели; - работать с задачами классификации текстов: экспериментировать с разными архитектурами и таргетами; - подготавливать, размечать и анализировать данные; - оценивать качество моделей и отслеживать их поведение в продакшене; - анализировать эффективность решений на данных и бизнес-метриках; - участвовать во внедрении ML-решений. Требования: - базовые знания в ML / Data Science и знакомство с задачами NLP; - умение работать с данными и писать на Python (Pandas, NumPy), знакомство с Jupyter Notebook; - владение SQL для извлечения данных; - понимание основных ML-методов и их применимости; - готовность учиться, работать в команде и принимать обратную связь; - чтение технических материалов на английском языке; - готовность к работе с большим объёмом устной коммуникации.

Задачи: — Разработка экосистемы сервисов на базе ИИ для автоматизированного анализа контента и аудитории в мессенджерах. — Реализация RAG/LoRA и open source LLM для обработки TG-контента, семантического анализа, предсказаний, генерации контента и ИИ-отчетов. — Закрытие задач по подготовке данных, дообучению моделей и их эффективному развертыванию на собственных мощностях. Требования: — Практический опыт работы с bare-metal серверами и видеокартами Nvidia. Умение конфигурировать CUDA, драйверы, мониторить утилизацию памяти VRAM и решать проблемы OOM. — Способность самостоятельно «под ключ» развернуть open-source модель на собственном сервере - от настройки окружения до оптимизации инференса. — Глубокие знания и коммерческий опыт дообучения LLM (Llama, Mistral, Qwen и др.) с использованием LoRA / QLoRA / PEFT на доменных данных. — Экспертные знания пайплайнов Retrieval-Augmented Generation. Опыт интеграции и настройки векторных баз данных (PGVector, FAISS). — Свободное владение Docker и Docker Compose для локальной сборки и деплоя ML-сервисов. — Опыт работы с фреймворками высокопроизводительного инференса (vLLM, TGI, ONNX Runtime). — Уверенный Python (FastAPI, Pydantic), асинхронное программирование (asyncio, aiohttp) и батчинг запросов для минимизации latency. — Векторизация текста (Sentence Transformers), работа с большими массивами текстовых данных, интеграция с Postgres и Redis. Условия: — Стабильный доход: конкурентоспособная заработная плата. Выплаты 2 раза в месяц по 50% или 1 раз в месяц (согласовывается с сотрудником). — Гибкий формат: график 5;2. На старте (первые 2 месяца) - работа в офисе, далее возможен переход на гибридный формат. — Профессиональную среду: мотивированная команда, отсутствие бюрократии, возможность напрямую влиять на архитектуру ИИ-сервисов. — Реальные возможности для профессионального роста и обучения.

Location: Hybrid (Berlin, Germany). Must be based in or be able to relocate to Berlin, Germany (attendance at the Berlin campus 2 days a week). Company: A pioneering local delivery platform operating in over 70 countries, focusing on efficient, affordable, and sustainable last-mile delivery. What you will do: — Build and scale AI agents capable of reasoning, tool calling, and interacting with internal services and data systems. — Develop and maintain Retrieval-Augmented Generation (RAG) pipelines using vector databases and semantic retrieval systems. — Design and implement evaluation frameworks and safety guardrails for agent behavior and model performance. — Implement observability, monitoring, and cost visibility for LLM and agent workloads. — Collaborate with data scientists and platform engineers to integrate AI systems with the broader ML ecosystem. — Optimize systems for performance, reliability, and cost efficiency while operating AI workloads at scale. Requirements: — Proven experience shipping LLM-powered systems or AI agents into production. — 4+ years of experience in production machine learning infrastructure, specifically involving LLMs. — Strong programming skills in Python with experience building scalable backend services. — Experience with Cloud platforms, ideally AWS or GCP. — Strong communication skills and ability to work collaboratively in cross-functional teams. Nice to have: — Experience with Kubernetes, Terraform, Kafka, MLflow, or Kubeflow. — Experience with LLM application frameworks such as LangChain, LangGraph, or LlamaIndex. — Experience with ML frameworks such as Hugging Face or PyTorch. Culture & Benefits: — Hybrid working model with 2 days a week in the Berlin campus. — 27 days of holiday, increasing with years of service. — €1,000 Educational Budget, language courses, and access to Udemy Business. — Health checkups, meditation, and gym/bicycle subsidies. — Employee Share Purchase Plan, corporate pension plan, and life/accident insurance. — Relocation support and dedicated relocation hub for moving to Berlin.

Location: New York, NY (HQ); San Francisco, CA; Remote (US) Workplace: Hybrid ABOUT RAMP Ramp is building the smart infrastructure for finance teams, embedded in the transaction flow of every dollar a business spends. We automate how over $275B in annualized spend flows in and out of 85,000+ companies: authorizing payments, flagging risk, categorizing spend, and closing books. The problems are high-stakes, data-dense, and unforgiving. We hire people with high agency and high urgency. We look for slope over intercept. We care less about where you trained and more about what you’ve built. At Ramp, everyone is a builder who owns problems end to end and makes consequential decisions that shape the outcome. The median Ramp customer saves 7.5% and grows revenue 16% in their first year – far in excess of businesses operating without Ramp. We believe every ambitious company deserves the same. If you want to build systems that directly shape how companies move and manage billions, Ramp is the place to do it. ABOUT THE ROLE We’re looking for someone to help lead the future of analytics at Ramp. This person will enable Ramp to get 1% better every day by developing data products and insights. They will partner closely with business stakeholders and product, engineering, and design counterparts to prioritize and execute on work, improve reporting, as well as drive results and process improvements. WHAT YOU’LL DO - Full stack development, building models to consume, transform, and expose data to stakeholders and production systems - Drive a culture of experimental design, testing agenda, and best practices - Contribute to the culture of Ramp’s data team by influencing processes, tools, and systems that will allow us to make better decisions in a scalable way - Collaborate with P/E/D/D (product, engineering, data and design) teams to develop product roadmaps and measure success - Work closely with data engineering teams to capture, move, store, and transform raw data into highly actionable insights, and partner with business teams to turn those insights into action WHAT YOU NEED - Minimum of 4 years of industry experience as a Data Scientist - Strong knowledge of SQL (preferably Redshift, Snowflake, BigQuery) and how to write efficient SQL queries - Familiarity with BI tools (preferably Looker, Omni, Sigma, Hex or equivalent) and experience distributing data insights via reports and dashboards - Track record of shipping high quality products and features at scale - Ability to thrive in a fast-paced, constantly improving, start-up environment that focuses on solving problems with iterative technical solutions NICE-TO-HAVES - Experience with the modern data stack (Fivetran / Snowflake / dbt / Looker / Hightouch or equivalents) - Strong perspective on analytics engineering development cycle (data modeling, version control, documentation + testing, best practices for codebase development) - Experience within the payments and financial technology space - Familiarity with B2B enterprise sales cycle metrics and processes ABOUT OUR TEAMS - Product Data | Ramp’s Product Data team is responsible for delivering data products and insights that shape Ramp’s product direction and unlock business value. The Product Analytics team is also responsible for building out the platform through which new products are launched, instrumented, tested, and QA’d. The team embeds deeply as a partner to engineering, product, and design. - Risk & Capital Markets Data | Ramp’s Risk Data team is responsible for how risk is evaluated, and building the risk infrastructure to scale to millions of businesses in the United States. Areas include risk operations and underwriting, limit setting and pricing across financial products as well as fraud detection, regulatory reporting, and capital market relationships. - Growth Data | Ramp's Growth Data team ships data products and insights that allow Ramp to acquire new business and expand existing business and partnerships at scale. Current areas of focus include: Web & Martech, Outbound Automation, Customer Data Platform, Self-Service Product, GTM Strategic Finance, and Business Systems. BENEFITS AVAILABLE TO ALL FULL-TIME RAMP EMPLOYEES (GLOBAL) - Flexible PTO - Centralized home-office equipment ordering - Health and wellness stipend - Budget for intra-office travel - Weekly coffee stipend UNITED STATES - 100% medical, dental & vision insurance coverage for you, with partial coverage for dependents - One Medical annual membership - 401(k), including employer match on contributions made while employed by Ramp - Fertility HRA (up to $10,000 per year) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay - Pet insurance - In-office perks: lunch, snacks, drinks, and more - Relocation expense coverage to NYC or SF (if needed) CANADA - Group medical, dental, and vision coverage through Sun Life - Life, AD&D, and disability coverage - Fertility drug coverage (up to $4,000 lifetime) - Group Retirement Plan with employer match (RRSP + DPSP) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay, with additional time available at reduced pay - Employee Assistance Program and virtual care through Lumino Health UNITED KINGDOM - Private medical insurance through Freedom Elite - Virtual GP and at-home care via eMed x Livi - Workplace pension through Penfold, with salary sacrifice option - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay with additional time available at reduced pay REFERRAL INSTRUCTIONS If you are being referred for the role, please contact that person to apply on your behalf.   OTHER NOTICES Pursuant to the San Francisco Fair Chance Ordinance, we will consider for employment qualified applicants with arrest and conviction records.   Beware of recruiting scams: Ramp will only contact you through official @Ramp.com http://Ramp.com email addresses and will never ask for payment or sensitive personal information during the hiring process.   Ramp Applicant Privacy Notice https://ramp.com/legal/applicant-privacy-notice

Задачи: — Разработка и поддержка real-time feature store на базе Apache Flink для ML-решений — Создание и масштабирование потоковых конвейеров обработки данных объемом в терабайты ежедневно — Обеспечение качества данных, валидации и мониторинга данных end-to-end — Поддержка низколатентных (<100ms p99) потоков данных для систем выбора рекламы и ценообразования — Тесное взаимодействие с командами Data Science, Backend и Infrastructure Требования: — Опыт построения и масштабирования инфраструктуры данных или потоковых систем в продакшене на значительном масштабе — Знание распределенных систем, событийно-ориентированных архитектур и высокопроизводительных потоковых конвейеров — Сильные навыки backend-разработки, особенно на Java — Практический опыт работы с Kafka, Flink или аналогичными технологиями потоковой обработки — Понимание взаимодействия продакшен-систем данных с ML-командами и влияния на производительность ML — Ориентация на создание инфраструктуры, обеспечивающей реальное время и интеллектуальные решения Условия: — Работа в Гамбурге в гибридном формате (3 дня в офисе) — Полная поддержка релокации и визовая поддержка для международных кандидатов — Зарплата в диапазоне 85-100 тыс. евро в год Технологический стек: Kafka, Apache Flink, Go, Java, AWS (S3, DynamoDB), Redis, Druid, Kubernetes, Terraform, Airflow, Prometheus, Grafana, ELK