Вакансии

Location: Москва Мы ищем опытного LLM/ML инженера, который станет ключевым экспертом по интеграции больших языковых моделей в нашу Java-систему. Наш Продукт анализирует обратную связь корпоративных клиентов банка — от сбора данных до формирования рекомендаций через корпоративные LLM. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности * проектирование и разработка модулей обработки с использованием LLM * написание, версионирование и оптимизация промптов для корпоративных моделей * построение и поддержка eval-наборов: вопросы + эталоны + метрики качества * проведение A/B тестов промптов и параметров * разработка интеграции LLM через REST API: подготовка данных, формирование запросов, обработка ответа * контроль галлюцинаций, безопасности (guardrails), времени отклика и стоимости * настройка мониторинга и отслеживания работы LLM * передача экспертизы по LLM Java-разработчикам. Требования * коммерческая разработка на Java от 3 лет * опыт интеграции LLM в промышленные условия: понимание возможностей и ограничений корпоративных моделей * понимание промпт-инжиниринга: структура промптов, примеры, подсказки в мышлении, защита от некорректных ответов * опыт построения eval-наборов и метрик качества LLM * опыт работы с API: REST API, JSON, ретраи, таймауты, сериализация * опыт работы с безопасностью API: хранение ключей, авторизация, работа с чувствительными данными * опыт работы с асинхронными задачами и очередями * умение самостоятельно декомпозировать задачи и принимать технические решения. Условия * комфортный современный офис рядом с м. Кутузовский проспект * график – офис * срочный ТД до 01.08.27 * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для * профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная * пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких.

Требования: • Агентная разработка (vibe coding) • Опыт продуктовой разработки от 4 лет, уровень senior fullstack • Агентные CLI-инструменты (Claude Code, Codex CLI, Cursor agent mode, Aider) как основной способ работы • Spec-driven development: формулирование функциональных и нефункциональных требований до первого промпта; умение писать инженерные спецификации и контекстные файлы (правила, схемы, markdown) • Модульность: слабая связанность, доменные границы, нарезка проекта на небольшие изолированные файлы • Управление контекстным окном для предотвращения дрейфа и галлюцинаций • Умение сбросить сессию агента и начать заново с более жёсткими ограничениями • Разработка в несколько потоков, менеджмент репозитория под агентную работу, опыт коллаборативной AI-разработки • Ревью и аудит AI-кода: слабые имена, дублирование, отсутствующие проверки, небезопасная работа с данными • Тесты как способ управления агентом: юнит- и интеграционные тесты пишутся до логики фичи • Инфраструктура и восстановление: версионирование, снапшоты БД, бэкапы, CI, процедуры восстановления данных • Готовность писать код руками при необходимости и ответственность за результат, включая код, сгенерированный агентом • Современный типизированный backend-язык с асинхронностью, моделью ошибок, управлением зависимостями, воспроизводимым окружением • HTTP API и realtime-транспорт: REST, двусторонние соединения, стриминг, протокол сообщений, переподключения, валидация схем • Автотесты: юнит- и интеграционные, изоляция внешних сервисов и зависимостей, поддержание тестовых данных • Реляционные БД: схема, миграции, индексы, нетривиальные запросы, понимание пределов БД • Разрешение конфликтов зависимостей, включая бинарную несовместимость библиотек • Компонентный SPA-фреймворк и типизированный JavaScript; готовность сменить фреймворк за неделю • Компонентные тесты в браузерном окружении • Realtime-клиент: переподключения, стриминг, рантайм-валидация сообщений • Медиа в браузере: доступ к устройствам ввода, работа с аудиопотоком, кодирование и передача • Состояние на клиенте и ограничения браузера: защищённый контекст, сертификаты в dev, хранилище • Умеренность в UI: простой интерфейс без тяжёлых фреймворков и дизайн-систем • Классические CV-задачи: детекция, эмбеддинги, кластеризация, обработка изображений и метаданных, дедупликация • Локальные LLM: форматы весов и квантизации, размер контекста, латентность, стоимость запроса; умение измерять • Речевые модели: распознавание и синтез речи, баланс качества и ресурсов, ограничения по задержке и длине входа • Мультимодальные модели: генерация описаний по изображению, оценка качества генерации • Эмбеддинги и векторный поиск: семантический поиск, гибридные схемы, переранжирование, метрики качества • Ресурсы и эксплуатация inference: одна модель на процесс, память ускорителя, батчинг, прогрев, поведение под нагрузкой • Не требуется: обучение моделей с нуля, MLOps, распределённое обучение • Пайплайны обработки как идемпотентные стадии с фиксацией состояния • Понимание разницы между инкрементальным и полным пересчётом и цены ошибки • Целостность данных при деплое, сведение расходящихся баз, миграции данных • Границы сервисов: процессы, владение данными, поведение при отказах • Контейнеризация: образы с тяжёлыми зависимостями, тома для данных и весов моделей, политики перезапуска, диагностика падений • Linux и сеть: удалённый доступ, проброс портов, разрешение конфликтов, чтение логов • Скриптование рутины: деплой, синхронизация данных, ротация логов • Уверенное владение Git, включая нетривиальные операции; чтение истории • Базовая безопасность: сервис без аутентификации локален, секреты не в репозитории, dev/prod режимы разведены • Автоматические smoke-проверки интерфейса после изменений • 4+ года разработки, из них 2+ года бэкенда в продакшене • 1+ год реального фуллстека: разработка клиента и сервера • Проект с LLM/ML как частью продукта • Запуск моделей локально или on-premise • 2–3+ месяца ежедневной работы через агентные инструменты Задачи: • Подключение и настройка USB-камеры: интеграция с ПО, захват видеопотока, детекция лиц, распознавание жестов • Реализация стереоскопического режима 2D→3D на телевизоре без специализированной 3D-панели • Разработка клиентских интерфейсов для телевизора и мобильного устройства по дизайн-макетам, адаптация вёрстки, интеграция с бэкендом, двустороннее realtime-взаимодействие • Разработка технической документации, инженерных спецификаций и контекстных файлов, используемых при агентной разработке

Требования: • Агентная разработка (vibe coding) • Опыт продуктовой разработки от 4 лет, уровень senior fullstack • Агентные CLI-инструменты (Claude Code, Codex CLI, Cursor agent mode, Aider) как основной способ работы — поставленные и поддерживаемые продуктовые фичи, а не прототипы; ключевым является методика, а не знание конкретного инструмента • Spec-driven development: функциональные и нефункциональные требования формулируются до первого промпта; спецификация → план → код; умение писать инженерные спецификации и контекстные файлы (правила, схемы, markdown), удерживающие агента в рамках задачи • Модульность как условие агентной работы: слабая связанность и доменные границы, нарезка проекта на небольшие изолированные файлы вместо монолита • Управление контекстным окном: осознанный подбор того, что попадает в контекст, для предотвращения дрейфа и галлюцинаций на устаревшем коде • Умение вовремя сбросить сессию: остановить зациклившегося агента, очистить рабочее дерево и начать заново с более жёсткими ограничениями • Разработка в несколько потоков, менеджмент репозитория под агентную работу, опыт коллаборативной AI-разработки • Ревью и аудит AI-кода: слабые имена, дублирование, отсутствующие проверки, небезопасная работа с данными • Тесты как способ управления агентом: осмысленные юнит- и интеграционные тесты пишутся до логики фичи • Инфраструктура и восстановление: версионирование, снапшоты БД, бэкапы, CI, готовая процедура восстановления данных • Готовность писать код руками, когда агент упёрся, и ответственность за результат, включая код, сгенерированный агентом • Современный типизированный backend-язык: асинхронность, модель ошибок, управление зависимостями, воспроизводимое окружение • HTTP API и realtime-транспорт: REST и двусторонние соединения — стриминг, протокол сообщений, переподключения, валидация схем на границе • Автотесты как норма: юнит- и интеграционные, изоляция внешних сервисов и тяжёлых зависимостей, поддержание тестовых данных • Реляционные БД руками: схема, миграции, индексы, нетривиальные запросы, понимание пределов выбранной БД • Разрешение конфликтов зависимостей, включая бинарную несовместимость библиотек (характерно для окружений с ML-пакетами) • Компонентный SPA-фреймворк и типизированный JavaScript; конкретный фреймворк не принципиален, принципиальна готовность сменить его за неделю • Компонентные тесты в браузерном окружении, а не только ручная проверка • Realtime-клиент: переподключения, стриминг, рантайм-валидация входящих сообщений • Медиа в браузере: доступ к устройствам ввода, работа с аудиопотоком, кодирование и передача • Состояние на клиенте и ограничения браузера: защищённый контекст, сертификаты в dev, хранилище • Умеренность в UI: простой интерфейс без тяжёлых фреймворков и дизайн-систем • Классические CV-задачи: детекция, эмбеддинги и кластеризация объектов, обработка изображений и метаданных, дедупликация • Локальные LLM: форматы весов и квантизации, размер контекста, латентность и стоимость запроса; умение измерять, а не предполагать • Речевые модели: распознавание и синтез речи, размен качества на ресурсы, ограничения по задержке и длине входа • Мультимодальные модели: генерация описаний по изображению, оценка качества генерации • Эмбеддинги и векторный поиск: семантический поиск, гибридные схемы с полнотекстовым, переранжирование, метрики качества выдачи • Ресурсы и эксплуатация inference: одна модель на процесс, память ускорителя, батчинг, прогрев, поведение под нагрузкой • Не требуется: обучение моделей с нуля, MLOps-платформы, распределённое обучение • Пайплайны обработки как идемпотентные стадии с фиксацией состояния: перезапускаемость, докат, инкрементальность • Понимание разницы между инкрементальным и полным пересчётом и цены ошибки (полный пересчёт обычно уничтожает ручную разметку) • Целостность данных при деплое, сведение расходящихся баз, миграции данных, а не только схемы • Границы сервисов: как процессы общаются, кто владеет данными, что происходит при отказе одного из них • Контейнеризация: образы с тяжёлыми зависимостями, тома для данных и весов моделей, политики перезапуска, диагностика падений • Linux и сеть: удалённый доступ, проброс портов, разрешение конфликтов портов, чтение логов как основной способ разбирательства • Скриптование рутины: деплой, синхронизация данных, ротация логов • Уверенное владение Git, включая нетривиальные операции; чтение истории как источника проектных решений • Базовая безопасность: сервис без аутентификации не выходит за пределы локального интерфейса, секреты не попадают в репозиторий, dev- и prod-режимы разведены явно • Автоматические smoke-проверки интерфейса после изменений • 4+ года разработки, из них 2+ года бэкенда в продакшене • 1+ год реального фуллстека: разработка и клиента, и сервера к нему • Проект, где LLM/ML были частью продукта, а не демонстрационным примером • Запуск моделей локально или on-premise, а не только вызовы облачных API • 2–3+ месяца ежедневной работы через агентные инструменты Задачи: • Подключение и настройка USB-камеры на целевом устройстве: интеграция камеры с ПО устройства и захват видеопотока; детекция лиц и определение пользователя, находящегося перед устройством; распознавание управляющих жестов • Реализация стереоскопического режима 2D→3D: поиск и реализация способа вывода стереоскопического изображения на произвольном телевизоре, не требующем специализированной 3D-панели (приоритетный вариант — пассивное 3D) • Разработка клиентских интерфейсов для телевизора и мобильного устройства: реализация экранов по предоставляемым Заказчиком дизайн-макетам; адаптация вёрстки под особенности вывода на телевизоре и под мобильные экраны; интеграция с существующим бэкендом Заказчика, включая двустороннее realtime-взаимодействие • Разработка технической документации по всем перечисленным блокам работ, включая инженерные спецификации и контекстные файлы, использованные при агентной разработке

Location: Dublin, Ireland; London, England Fin , now part of Salesforce, is on a mission to help businesses provide perfect customer experiences. Our AI Agent Fin is the highest-performing AI Customer Agent on the market today, enabling businesses to deliver impeccable, always-on customer support across the customer journey, from service, to sales, to ecommerce. Powered by our own AI models, Fin resolves complex customer issues end-to-end across every channel, with minimal set-up and integration. Fin can also be combined with our natively integrated Intercom help desk, giving modern support teams one single system. Together with Salesforce, the #1 AI CRM, where humans with agents drive customer success, we're building the future of customer experience. Here, ambition meets action. Tech meets trust. And innovation isn't a buzzword, it's a way of life. The world of work as we know it is changing, and we're looking for Trailblazers who are passionate about bettering business and the world through AI. Ready to level up your career at the company leading workforce transformation in the agentic era? You're in the right place. Agentforce is the future of AI, and you are the future of Salesforce. The Opportunity The Research, Analytics & Data Science (RAD) team turns insight into action. We uncover customer, product, and business insights and translate them into tools and decision systems embedded directly into GTM workflows. AI has unlocked an entirely new generation of internal tools for our GTM teams. We’re evolving from static dashboards to LLM and agent-powered workflows that do the work: auto-researching accounts, summarizing prior interactions, drafting personalized outreach, flagging renewal risk, and assembling decks and docs - enabling Sales and Success to focus on high-value conversations. The RAD team partners closely with GTM Systems to define problems, solutions, and measure impact - from prototype to production. This is a high-ownership role for someone who thrives in ambiguity, is energized by solving complex real-world problems, and is motivated by seeing their work translate into tangible business impact. What You’ll Do Design, evaluate, and ship AI-powered internal tools for GTM use cases - including account research & summaries, next-best-action recommendations, renewal propensity, pipeline risk detection, QBR/autobrief generation, and post-call summarization & follow-ups. Work end-to-end: Own the full lifecycle, from problem definition and data modeling to building production-ready tools, including writing Python backends and React frontends. Prototype fast, ship to learn: Rapidly build with users, then productionize quickly to iterate and deliver impact. Instrument for adoption and outcomes: Define success through real usage and measurable business impact (e.g., improved win rate, conversion, expansion). Evangelize and enable: Document playbooks, run enablement sessions, and help leaders operationalize new tooling across teams. What You Bring Proven track record of applied data science with measurable GTM impact - you’ve shipped models or tools that moved metrics like conversion, cycle time, or retention. LLM/ML application experience - familiarity with RAG, prompt and tool design, vector search, evals and have leveraged AI for development. Excellent SQL skills and fluency in Python or R, with experience applying analytical and statistical methods to business problems. Experience with orchestration tools (e.g., DBT, Airflow) for deploying reliable data workflows. Strong communication and empathy - ability to translate complex data concepts for non-technical stakeholders. Collaborative product mindset - comfort working closely with Sales and Success teams to turn ambiguity into clear deliverables. Unleash Your Potential When you join Salesforce, you’ll be limitless in all areas of your life. Our benefits and resources support you to find balance and be your best, and our AI agents accelerate your impact so you can do your best. Together, we’ll bring the power of Agentforce to organizations of all sizes and deliver amazing experiences that customers love. Apply today to not only shape the future — but to redefine what’s possible — for yourself, for AI, and the world. In the United States, compensation offered will be determined by factors such as location, job level, job-related knowledge, skills, and experience. Certain roles may be eligible for incentive compensation, equity, and benefits. At Fin, we want to give people what they need to do the best work of their careers. Our benefits and programs are designed to support your health and wellbeing, your family, your time away from work, and your financial future. Offerings vary by location in line with local practices and requirements. Learn more about working at Fin and the benefits we offer at fin.ai/careers . Pursuant to the San Francisco Fair Chance Ordinance and the Los Angeles Fair Chance Initiative for Hiring, Salesforce will consider for employment qualified applicants with arrest and conviction records. Policies Fin has a hybrid working policy. We believe that working in person helps us stay connected, collaborate easier and create a great culture while still providing flexibility to work from home. We expect employees to be in the office at least three days per week. We have a radically open and accepting culture at Fin. We avoid spending time on divisive subjects to foster a safe and cohesive work environment for everyone. As an organization, our policy is to not advocate on behalf of the company or our employees on any social or political topics out of our internal or external communications. We respect personal opinion and expression on these topics on personal social platforms on personal time, and do not challenge or confront anyone for their views on non-work related topics. Our goal is to focus on doing incredible work to achieve our goals and unite the company through our core values . Salesforce is an equal opportunity employer and maintains a policy of non-discrimination with all employees and applicants for employment. What does that mean exactly? It means that at Salesforce, we believe in equality for all. And we believe we can lead the path to equality in part by creating a workplace that’s inclusive, and free from discrimination. Know your rights: workplace discrimination is illegal. Any employee or potential employee will be assessed on the basis of merit, competence and qualifications – without regard to race, religion, color, national origin, sex, sexual orientation, gender expression or identity, transgender status, age, disability, veteran or marital status, political viewpoint, or other classifications protected by law. This policy applies to current and prospective employees, no matter where they are in their Salesforce employment journey. It also applies to recruiting, hiring, job assignment, compensation, promotion, benefits, training, assessment of job performance, discipline, termination, and everything in between. Recruiting, hiring, and promotion decisions at Salesforce are fair and based on merit. The same goes for compensation, benefits, promotions, transfers, reduction in workforce, recall, training, and education.

Location: Dublin, Ireland; London, England Fin , now part of Salesforce, is on a mission to help businesses provide perfect customer experiences. Our AI Agent Fin is the highest-performing AI Customer Agent on the market today, enabling businesses to deliver impeccable, always-on customer support across the customer journey, from service, to sales, to ecommerce. Powered by our own AI models, Fin resolves complex customer issues end-to-end across every channel, with minimal set-up and integration. Fin can also be combined with our natively integrated Intercom help desk, giving modern support teams one single system. Together with Salesforce, the #1 AI CRM, where humans with agents drive customer success, we're building the future of customer experience. Here, ambition meets action. Tech meets trust. And innovation isn't a buzzword, it's a way of life. The world of work as we know it is changing, and we're looking for Trailblazers who are passionate about bettering business and the world through AI. Ready to level up your career at the company leading workforce transformation in the agentic era? You're in the right place. Agentforce is the future of AI, and you are the future of Salesforce. What's the opportunity? The Research, Analytics & Data Science (RAD) team turns insight into action. We uncover customer, product, and business insights and translate them into tools and decision systems embedded directly into GTM workflows. AI has unlocked an entirely new generation of internal tools for our GTM teams. We’re evolving from static dashboards to LLM and agent-powered workflows that do the work: auto-researching accounts, summarizing prior interactions, drafting personalized outreach, flagging renewal risk, and assembling decks and docs - enabling Sales and Success to focus on high-value conversations. The RAD team partners closely with GTM Systems to define problems, solutions, and measure impact - from prototype to production. This is a high-ownership role for someone who thrives in ambiguity, is energized by solving complex real-world problems, and is motivated by seeing their work translate into tangible business impact. What will I be doing? Design, evaluate, and ship AI-powered internal tools for GTM use cases - including account research & summaries, next-best-action recommendations, renewal propensity, pipeline risk detection, QBR/autobrief generation, and post-call summarization & follow-ups. Work end-to-end: Own the full lifecycle, from problem definition and data modeling to building production-ready tools, including writing Python backends and React frontends. Prototype fast, ship to learn: Rapidly build with users, then productionize quickly to iterate and deliver impact. Instrument for adoption and outcomes: Define success through real usage and measurable business impact (e.g., improved win rate, conversion, expansion). Evangelize and enable: Document playbooks, run enablement sessions, and help leaders operationalize new tooling across teams. What skills do I need? Proven track record of applied data science with measurable GTM impact - you’ve shipped models or tools that moved metrics like conversion, cycle time, or retention. LLM/ML application experience - familiarity with RAG, prompt and tool design, vector search, evals and have leveraged AI for development. Excellent SQL skills and fluency in Python or R, with experience applying analytical and statistical methods to business problems. Experience with orchestration tools (e.g., DBT, Airflow) for deploying reliable data workflows. Strong communication and empathy - ability to translate complex data concepts for non-technical stakeholders. Collaborative product mindset - comfort working closely with Sales and Success teams to turn ambiguity into clear deliverables. #LI-Hybrid Unleash Your Potential When you join Salesforce, you’ll be limitless in all areas of your life. Our benefits and resources support you to find balance and be your best, and our AI agents accelerate your impact so you can do your best. Together, we’ll bring the power of Agentforce to organizations of all sizes and deliver amazing experiences that customers love. Apply today to not only shape the future — but to redefine what’s possible — for yourself, for AI, and the world. In the United States, compensation offered will be determined by factors such as location, job level, job-related knowledge, skills, and experience. Certain roles may be eligible for incentive compensation, equity, and benefits. At Fin, we want to give people what they need to do the best work of their careers. Our benefits and programs are designed to support your health and wellbeing, your family, your time away from work, and your financial future. Offerings vary by location in line with local practices and requirements. Learn more about working at Fin and the benefits we offer at fin.ai/careers . Pursuant to the San Francisco Fair Chance Ordinance and the Los Angeles Fair Chance Initiative for Hiring, Salesforce will consider for employment qualified applicants with arrest and conviction records. Policies Fin has a hybrid working policy. We believe that working in person helps us stay connected, collaborate easier and create a great culture while still providing flexibility to work from home. We expect employees to be in the office at least three days per week. We have a radically open and accepting culture at Fin. We avoid spending time on divisive subjects to foster a safe and cohesive work environment for everyone. As an organization, our policy is to not advocate on behalf of the company or our employees on any social or political topics out of our internal or external communications. We respect personal opinion and expression on these topics on personal social platforms on personal time, and do not challenge or confront anyone for their views on non-work related topics. Our goal is to focus on doing incredible work to achieve our goals and unite the company through our core values . Salesforce is an equal opportunity employer and maintains a policy of non-discrimination with all employees and applicants for employment. What does that mean exactly? It means that at Salesforce, we believe in equality for all. And we believe we can lead the path to equality in part by creating a workplace that’s inclusive, and free from discrimination. Know your rights: workplace discrimination is illegal. Any employee or potential employee will be assessed on the basis of merit, competence and qualifications – without regard to race, religion, color, national origin, sex, sexual orientation, gender expression or identity, transgender status, age, disability, veteran or marital status, political viewpoint, or other classifications protected by law. This policy applies to current and prospective employees, no matter where they are in their Salesforce employment journey. It also applies to recruiting, hiring, job assignment, compensation, promotion, benefits, training, assessment of job performance, discipline, termination, and everything in between. Recruiting, hiring, and promotion decisions at Salesforce are fair and based on merit. The same goes for compensation, benefits, promotions, transfers, reduction in workforce, recall, training, and education.

Location: Home based - EMEA Canonical is a leading provider of open source software and operating systems to the global enterprise and technology markets. Our platform, Ubuntu, is very widely used in breakthrough enterprise initiatives such as public cloud, data science, AI, engineering innovation, and IoT. Our customers include the world's leading public cloud and silicon providers, and industry leaders in many sectors. The company is a pioneer of global distributed collaboration, with 1200+ colleagues in 75+ countries and very few office-based roles. Teams meet two to four times yearly in person, in interesting locations around the world, to align on strategy and execution. The company is founder-led, profitable, and growing. The role We build internal systems to the same standard as our public products: specified, tested, reviewed and observable. We want engineers who enjoy that rigour and take full ownership of what they ship. What you will do Design and deliver systems and platforms, including intuitive UIs Build Go services and APIs that connect many data sources Design data models and architecture for connected systems Turn data into clear dashboards and visualisations Build LLM-powered features into everyday workflows Write specs, estimate work and deliver to agreed criteria Set a high bar in code review, testing and documentation Partner with non-technical colleagues to turn needs into tools Mentor engineers and improve how the team works Who you are You have deep expertise in at least two of: Back-end services in Go Modern front-end engineering [React/Svelte/TypeScript] Data engineering and analytics Data visualisation Applied LLM/ML in production workflows You also: Treat testing, security, performance and accessibility as part of the job Handle sensitive people data with care Write clearly and work well in a distributed team Own your work from first spec to production Nice to have : Python, Go, React, Svelte, PostgreSQL, Kubernetes, a history of building tools for HR, finance or operations. The ideal candidate will use their passion for experimentation and analytics to build tomorrow’s tech organisation. This team will help us gain insights into the business and our talent pool, and use those insights to improve the experience of working at Canonical. As a Workplace Engineer at Canonical, you need an analytical, data-driven mind and a passion to connect and make sense of interesting data from APIs. We focus heavily on the collection of metrics, optimising processes, and ways of working across Canonical.  You need to demonstrate leadership, excellence, and consistency and will mentor others in the team. What we offer colleagues We consider geographical location, experience, and performance in shaping compensation worldwide. We revisit compensation annually (and more often for graduates and associates) to ensure we recognize outstanding performance. In addition to base pay, we offer a performance-driven annual bonus or commission. We provide all team members with additional benefits which reflect our values and ideals. We balance our programs to meet local needs and ensure fairness globally. Distributed work environment with twice-yearly team sprints in person Personal learning and development budget of USD 2,000 per year Annual compensation review Recognition rewards Annual holiday leave Maternity and paternity leave Team Member Assistance Program & Wellness Platform Opportunity to travel to new locations to meet colleagues Priority Pass and travel upgrades for long-haul company events About Canonical Canonical is a pioneering tech firm at the forefront of the global move to open source. As the company that publishes Ubuntu, one of the most important open-source projects and the platform for AI, IoT, and the cloud, we are changing the world of software. We recruit on a global basis and set a very high standard for people joining the company. We expect excellence; in order to succeed, we need to be the best at what we do. Most colleagues at Canonical have worked from home since our inception in 2004.​ Working here is a step into the future and will challenge you to think differently, work smarter, learn new skills, and raise your game. Canonical is an equal opportunity employer We are proud to foster a workplace free from discrimination. Diversity of experience, perspectives, and background create a better work environment and better products. Whatever your identity, we will give your application fair consideration. #LI-remote