Задачи:
— участвовать в полном цикле разработки моделей по рискам розничного бизнеса: постановка задачи, сбор данных, разработка ML-модели, подготовка артефактов для внедрения
— исследовать источники данных и современные архитектуры для повышения качества работы моделей
— написание алгоритмов для целей сегментации выдач по риск-доходности
— презентация результатов исследований бизнес-заказчикам.
Требования:
— опыт разработки моделей машинного обучения (классический стек)
— знание ключевых методов и алгоритмов в области Machine Learning
— знание Python и библиотек Pandas, Scikit-learn, XGBoost/LightGBM/CatBoost, Transformers
— навыки работы с базами данных, знание SQL, PySpark
— высокий уровень ответственности и самостоятельности
Будет плюсом:
— опыт стажировок
— опыт с LLM и AI-агентами
— учебные знания в области розничного кредитования, портфельного управления и математики кредитных рисков.
Условия:
— оплачиваемая стажировка
— возможность выбрать удобный график – офис или гибрид (локация: м. Кутузовская)
— корпоративный спортзал и зоны отдых.
Задачи:
— Перевод исследовательских DS рабочих процессов (например, прокси-метрики, модели устаревания) в производственные ML пайплайны с использованием Airflow, WandB и Ray, создание повторно используемых шаблонов для других команд.
— Применение и внедрение методов причинно-следственного вывода с использованием производственного ML стека (propensity scoring, IPW, TMLE) для решения важных задач измерения за пределами экспериментальных возможностей. Создание инструментов самообслуживания для неэкспертов для получения строгих причинных выводов в масштабе.
— Сотрудничество с ML инженерами и продуктовыми командами для выявления возможностей улучшения инструментов, метрик и методов измерения, что приводит к значительному улучшению качества моделей и бизнес-результатов.
— Использование богатых метаданных и сигналов вовлеченности Pinterest для построения дата-дривен фреймворков, от важности признаков до деиндексации контента, для повышения эффективности и скорости платформы.
— Проектирование и создание централизованных инструментов ML платформы для улучшения создания, оценки и доверия к признакам и моделям, включая производственные системы, работающие ежедневно в масштабе для всех моделей.
Требования:
— Опыт работы не менее 2 лет в роли прикладного ученого данных, ML инженера, исследователя или разработчика ПО с значительным опытом внедрения ML в производство.
— Сильные навыки Python; опыт работы с PyTorch или аналогичными фреймворками глубокого обучения; знакомство с распределенными вычислениями (Spark, Ray), предпочтительно Ray.
— Энтузиазм к созданию инструментов и платформ, которые увеличивают влияние всей ML организации, а не решают разовые задачи.
— Глубокие знания теории ML с сильными фундаментальными основами для анализа моделей ML с первых принципов.
— Владение лучшими практиками разработки ПО, включая контроль версий, код-ревью и воспроизводимые ML пайплайны.
— Опыт работы с инструментами управления рабочими процессами (Airflow, Prefect, Jenkins или аналогичными) для надежной оркестрации ML пайплайнов.
— Степень бакалавра или магистра в релевантной области, например, компьютерных наук, или эквивалентный опыт.
Условия:
— Работа удаленная с необходимостью присутствия в офисе 3-5 раз в квартал для личного взаимодействия.
— Позиция не предусматривает помощь с релокацией.
Дополнительно:
— Компания предоставляет равные возможности для всех кандидатов без дискриминации.
— Зарплатный диапазон от $114,297 до $235,319 в год, также возможна доля в компании.
— Работа в США, предпочтительно в Пало-Альто, Калифорния, или удаленно по США.
Задачи:
— Партнерство с инженерными и кросс-функциональными командами для улучшения измерения, понимания и оптимизации инфраструктуры Pinterest.
— Определение, измерение и улучшение здоровья, качества и эффективности инфраструктурных систем.
— Создание и совершенствование метрик, дашбордов и аналитических фреймворков для упрощения понимания и действий с техническими системами.
— Усиление основ данных через улучшение определений метрик, аудит качества данных и участие в улучшении пайплайнов и систем измерения.
— Проектирование и анализ экспериментов, расследований и глубоких исследований для оценки влияния изменений инфраструктуры на пользовательский опыт, надежность и бизнес-результаты.
— Перевод неоднозначных технических проблем в четкие аналитические задачи и рекомендации для инженерных и платформенных партнеров.
— Поддержка приоритетных расследований и принятия решений, связанных с производительностью, надежностью, стоимостью и качеством измерений инфраструктуры.
— Выявление возможностей для улучшения измерения и оптимизации инфраструктуры в различных областях, таких как производительность, инфраструктура для шопинга, управление, качество метрик и надежность сайта.
Требования:
— Магистерская степень в релевантной области (статистика, прикладная математика, биостатистика) или эквивалентный опыт.
— Сильные навыки SQL и аналитического программирования, опыт работы с неидеальными данными и построения надежных метрик и наборов данных.
— Опыт участия в создании производственных пайплайнов данных, систем измерения или фундаментальной работы с данными для улучшения качества и удобства использования данных.
— Солидные знания в области экспериментов и измерений, умение проектировать анализы, строго интерпретировать результаты и эффективно взаимодействовать с инженерами и другими заинтересованными сторонами.
— Способность переводить неоднозначные проблемы в четкие аналитические рабочие процессы и практические рекомендации.
— Сильные навыки коммуникации с кросс-функциональными командами, умение ясно объяснять технические выводы.
— Умение работать самостоятельно, расставлять приоритеты между долгосрочными проектами и срочными запросами, продвигать работу в динамичной среде.
— Любознательность и стремление улучшать сложные системы и создавать более масштабируемые и надежные основы измерений.
Условия:
— Работа удаленная с необходимостью присутствия в офисе 1-2 раза в квартал для личного взаимодействия.
— Позиция не предусматривает помощь с переездом.
— Зарплата от $114,297 до $235,319 в год, также доступна опционная программа.
— Только для кандидатов, проживающих в США.
— Pinterest является работодателем, предоставляющим равные возможности и учитывающим разнообразие.
Location: United States
ClinChoice is a global full-service CRO dedicated to professional development and providing an excellent work-life balance, with a quality-focused, collaborative “one-team” culture. We are looking for a
Principal Pharmacokinetics Scientist
to join our in-house team and support projects across a diverse client portfolio, including pharmaceutical, biotechnology, medical device, and consumer health companies of varying sizes.
The ideal candidate will possess a deep understanding of pharmacokinetics (PK) and pharmacodynamics (PD) theory and practice and will play a key role in the design, execution, and analysis of clinical pharmacology studies and other projects involving PK/PD. This position requires strong leadership in study concept development, protocol design, and the ability to work collaboratively with both internal teams and external clients.
Join our team: you can be part of making a difference in peoples' lives and experience a fulfilling and rewarding career!
Key Responsibilities:
Significant experience leading study concept and protocol design, authoring clinical pharmacology development plans, and creating modeling and simulation plans.
Conduct PK-PD, Pop PK-PD, and related analyses to support clinical trials, ensuring accurate data interpretation and integration into regulatory filings, clinical publications, and presentations.
Provide technical expertise and support in the use of standard PK and PD data analysis software, including Phoenix WinNonlin, NLME, R/R Studio, Monolix, NONMEM, and similar tools.
Collaborate closely with clients to understand project needs, provide expert guidance on clinical pharmacology, and deliver high-quality outcomes.
Prepare and review comprehensive PK/PD analysis reports, ensuring clear and precise communication of study results to clients and stakeholders.
Apply significant knowledge of pharmaceutical regulatory requirements related to clinical pharmacology to ensure compliance and support regulatory submissions.
Work effectively in cross-functional teams, including bioanalytical scientists, biostatisticians, and clinical operations, to ensure seamless project execution.
Provide mentorship and leadership to junior pharmacologists, contributing to the development and implementation of best practices within the team.
Stay current with advancements in clinical pharmacology, applying the latest knowledge to enhance project outcomes and client satisfaction.
Qualifications:
PhD in pharmaceutical sciences, pharmacology, life sciences, clinical pharmacology, pharmacokinetics, or a related discipline, with at least 3 years of relevant research or clinical experience in clinical pharmacology and pharmacokinetic-pharmacodynamic modeling within the pharmaceutical or biotechnology industry.
PharmD in a relevant discipline with a minimum of 5 years of experience in clinical pharmacology and PK/PD modeling and simulation.
Alternatively, a Master’s degree in a related field with at least 7 years of relevant experience in Clinical Pharmacology and Modeling & Simulation.
Robust knowledge of pharmacokinetics, pharmacodynamics, translational sciences, and PK/PD data analysis.
Hands-on experience and expertise with standard PK and PD data analysis software such as Phoenix WinNonlin, NLME, R/R Studio, Monolix, and NONMEM.
Strong communication and organizational skills, with the ability to present complex data to both scientific and non-scientific audiences.
Proven ability to manage multiple projects simultaneously and work effectively in a dynamic, client-oriented environment.
Preferred Qualifications:
Experience in working across a variety of therapeutic areas.
Prior experience working in a CRO setting is highly desirable.
Relevant certifications in clinical pharmacology or related disciplines are a plus.
The Application Process
Once you have submitted your CV, you will receive an acknowledgement that we received it. If you have the requirements we need, you will be invited for phone interview as the first step. Unfortunately, due to the number of applications we receive, we cannot reply to everyone individually if you are not successful.
Who will you be working for?
About ClinChoice
ClinChoice is a global full-service CRO specializing in clinical development and functional solutions for pharmaceutical, biotechnology, medical device, and consumer health companies. We have over 28 years of proven high-quality delivery and results across all our services, with over 4,000 professionals in more than 20 countries across the Americas, Europe, and Asia-Pacific.
Our Company Ethos
Our mission drives our culture: to contribute to a healthier and safer world by accelerating the development and commercialization of innovative drugs and devices. Our employees are the most valuable company asset and they are the fulcrum around which all ClinChoice activities are built and close management and training is the core instrument to develop and maintain highly-qualified personnel. The continuous training keeps the resources qualified in terms of competence and expertise and gives all personnel the clear tools needed to manage both internal and client processes with the same methodology. The success of these core values is evidenced by our below industry average turnover rates.
ClinChoice is an equal opportunity employer. We have based our success on attracting, developing, and promoting talent guided by diversity and inclusivity. Our employees come from very diverse backgrounds: gender, race, beliefs, and ethnicities. We recognize this is our strength and celebrate it.
#LI-TT1 #LI-Remote #Principal #Permanent
Требования:
— техническое/математическое/экономическое образование
— знание Python, машинное обучение (sklearn, catboost/lightgbm/xgboost, statsmodels, numpy/pandas), визуализация и профилирование данных
— опыт работы с mlops (mlflow, dvc, git, docker), опыт организации пайплайнов обучения в виде модулей и пайплайнов в kedro/dvc/mlflow будет плюсом
— знание SQL, написание и оптимизация запросов
— опыт работы с oracle будет плюсом
— опыт работы с задачей математической оптимизации в маркетинге или operational research (SAS, Python MIP, PYOMO и аналоги) будет плюсом
Задачи:
— разработка ML-моделей для прогнозирования клиентского поведения (активация, отток, траты)
— разработка моделей персонализации категорий и размеров кэшбэка
— подготовка данных для обучения и применения моделей
— исследование новых источников данных и разработка признаков для повышения качества моделей
— проведение полного цикла обучения, валидации и внедрения моделей в промышленную эксплуатацию
— оценка качества моделей на исторических данных и в реальных пилотах
— проведение A/B тестов и анализ результатов внедрения моделей
— мониторинг качества моделей и организация процессов переобучения
Responsibilities:
• Build and improve biometrics, algorithms, and data-driven insights for the Mira App.
• Analyze hormone, cycle, app behavior, and user outcome data to identify patterns and product opportunities.
Требования к кандидату:
- 3+ years of experience in data science
- Strong Python and SQL skills
- Experience with health or wearable data
- Experience in consumer health or medical devices
- Strong model validation and performance evaluation skills
Задачи:
— работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей
— разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний
— проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов)
— выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке
— обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день.
Требования:
— опыт работы Data Scientist от 5 лет
— высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны)
— понимание теории вероятностей и статистики
— уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать)
— владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.)
— плюсом будет опыт работы с pytorch, pyspark.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— 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
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— участие в создании и поддержке аналитических решений для повышения эффективности маркетинговых кампаний;
— применение методов машинного обучения, особенно uplift-моделирования, для оптимизации взаимодействия с клиентами и повышения ROI;
— построение uplift-моделей по сегментам для разных групп;
— разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией;
— прогнозирование RFM;
— участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей, генерация признаков для моделей.
Требования:
— базовое понимание статистики и теории вероятностей;
— опыт работы с Python (Pandas, NumPy);
— знание основ машинного обучения (линейная регрессия, деревья решений, случайный лес);
— понимание концепции uplift-моделирования;
— опыт работы с табличными данными;
— понимание принципов распределенных вычислений (PySpark);
— опыт коммерческой разработки.
Технологии и инструменты:
— работа с данными: pyspark, SQL, S3;
— классический ML и uplift: Scikit-learn, XGBoost, LightGBM, CatBoost, scikit-uplift;
— разработка и версионирование: Jupyter Notebook, VS Code/PyCharm, git;
— ML инфраструктура: JupyterHub, MLFlow, Airflow, PostgreSQL;
— ML: Transformers, SGLang, Triton;
— процессы: Jira, Confluence.
Дивизион "Моделирование и исследование данных" отвечает за компетенцию Data Science в Блоке Сеть Продаж. Мы разрабатываем и внедряем end-to-end решения на основе AI в бизнес-процессы Сети Продаж Банка. Ищем человека, вместе с которым мы будем строить топовые AI решения, на основе архитектуры Claw-like & Ouroboros, которые будут в действительности приводить к Disrupt в реальных процессах.
Задачи:
• разрабатывать с нуля AI-агентов и микросервисы для AI-продуктов
• исследовать и внедрять новейшие технологические решения в ИИ - Claw-like & Ouroboros
• разрабатывать и дообучать модели машинного обучения (Classic ML, Deep Learning)
• разрабатывать алгоритмы взаимодействия ML-моделей и сервисных модулей
• принимать участие в разработке архитектуры и дизайна агентов и AI-сервисов
• проектировать и разрабатывать backend-части AI-сервиса
• принимать участие в оптимизации скорости работы AI-агентов и ML-моделей.
Мы ожидаем:
• законченное высшее образование
• компетенции: Python, Classic ML, Deep Learning, LLM/Agents, MLOps
• понимание принципов разработки, внедрения и сопровождения AI-решений
• уметь писать хороший и понятный production-ready код на Python, хорошее знание алгоритмов, структур данных
• опыт работы с реляционными и нереляционными базами данных
• навыки работы с генеративными AI-моделями, опыт создания AI-агентов и использование их в работе будет преимуществом
• опыт использования GigaChat, Kandinsky и аналогов в продуктах
• инструментальное владение Ai для анализа, генерации и автоматизации
• опыт построения отказоустойчивых высоконагруженных распределенных ML систем.
Мы готовы предлагать:
• график 5/2, офис на м. Кутузовская;
• режим работы на выбор - офис или гибрид
• достойный уровень вознаграждения (оклад + годовая премия)
• возможность стать частью команды, реализующей программы цифровой трансформации банка - на основе передового опыта и инновационных идей
• широкие возможности для профессионального развития: корпоративный университет и множество онлайн-программ обучения. Корпоративное обучение за счет компании
• бесплатная подписка СберПрайм+, многочисленные скидки и бонусы от партнеров: СберМаркет, МегаМаркет, Самокат, Еаптека и др.
Location: San Francisco, CA • New York, NY • United States
Figma is growing our team of passionate creatives and builders on a mission to make design accessible to all. Figma’s platform helps teams bring ideas to life—whether you're brainstorming, creating a prototype, translating designs into code, or iterating with AI. From idea to product, Figma empowers teams to streamline workflows, move faster, and work together in real time from anywhere in the world. If you're excited to shape the future of design and collaboration, join us!
As a Security Scientist, you will leverage your data analysis skills and help identify and drive impactful projects to improve the safety and security of Figma's product, platform, and our IT systems. The mission of the Figma Security team is to help Figmates ship the most secure and safe product to our users. We are looking for security scientists with a strong grasp of security and anti-abuse fundamentals. You will partner closely with teams in Security Engineering as well as teams across the company to focus on systemic security and safety improvements and risk reduction. You will also apply your security expertise and analytical skills to support and participate in security design reviews and consulting, incident response, and risk management.
This is a full time role that can be held from one of our US hubs or remotely in the United States.
What you'll do at Figma:
Collaborate cross-functionally across the company to understand existing security and anti-abuse problems and work with engineering, product, data science, and other teams on solutions
Understand attacker and user behavior on the Figma platform and inside Figma through creation of new datasets, metrics, experimentation, etc., and guide strategy and decision making
Build detections, tune signal quality, and measure coverage across Figma's products, platforms, and internal systems, turning attacker behavior into durable, data-driven detections
Lead and support security investigations, developing the datasets, tooling, and analysis that help us scope incidents, understand root cause, and reduce time to detect and respond
Translate threat intelligence into action, operationalizing intel on relevant threat actors and techniques to prioritize detection coverage, harden high-risk surfaces, and guide security strategy
Conduct investigations and design reviews to identify current and new attack vectors against Figma products and services
Advocate for security and secure practices throughout Figma
We'd love to hear from you if you have:
Strong understanding of real-world security, anti-abuse, and detection and response challenges
Fluency in SQL, with proficiency in Python, R, or a similar scripting language
Experience working with distributed data processing systems and frameworks such as Hive, Redshift, Presto, Snowflake, or Spark
Strong knowledge of statistical methods and experimental design
Excellent judgment and creative problem-solving skills
While it's not required, it's an added plus if you also have:
A self-starting mindset along with strong communication and collaboration skills
At Figma, one of our values is Grow as you go. We believe in hiring smart, curious people who are excited to learn and develop their skills. If you're excited about this role but your past experience doesn't align perfectly with the points outlined in the job description, we encourage you to apply anyways. You may be just the right candidate for this or other roles.
Pay Transparency Disclosure
Job level and actual compensation will be decided based on factors including, but not limited to, individual qualifications objectively assessed during the interview process (including skills and prior relevant experience, potential impact, and scope of role), market demands, and specific work location.
Figma offers equity to employees, as well as a competitive package of additional benefits, including health, dental, and vision coverage; retirement benefits with company contributions; parental leave and reproductive or family planning support; mental health and wellness benefits; and paid time off. Figma provides paid sick leave, holidays, and other leave benefits in compliance with applicable federal, state, and local laws, including the requirements of the Washington Minimum Wage Act and related regulations. Exempt employees are eligible for employer‑provided paid flexible PTO in addition to flexible paid sick leave. PTO is subject to manager approval. Additional benefits may include company recharge days, cell phone and home internet reimbursements, and a number of lifestyle spending accounts. Figma also offers sales incentive compensation for most sales roles and an annual bonus plan for eligible non-sales roles. All compensation and benefits are subject to applicable plan terms and may be modified by Figma at any time, consistent with applicable law.
Annual Base Salary Range:
$140,000
—
$348,000 USD
At Figma we celebrate and support our differences. We know employing a team rich in diverse thoughts, experiences, and opinions allows our employees, our product and our community to flourish. Figma is an
equal opportunity workplace
- we are dedicated to equal employment opportunities regardless of race, color, ancestry, religion, sex, national origin, sexual orientation, age, citizenship, marital status, disability, gender identity/expression, veteran status
,
or any other characteristic protected by law. We also consider qualified applicants regardless of criminal histories, consistent with legal requirements.
We will work to ensure individuals with disabilities are provided reasonable accommodation to apply for a role, participate in the interview process, perform essential job functions, and receive other benefits and privileges of employment. If you require accommodation, please reach out to
accommodations-ext@figma.com
. These modifications enable an individual with a disability to have an equal opportunity not only to get a job, but successfully perform their job tasks to the same extent as people without disabilities.
Examples of accommodations include but are not limited to:
Holding interviews in an accessible location
Enabling closed captioning on video conferencing
Ensuring all written communication be compatible with screen readers
Changing the mode or format of interviews
To ensure the integrity of our hiring process and facilitate a more personal connection, we require all candidates keep their cameras on during video interviews. Additionally, if hired you will be required to attend in person onboarding.
By applying for this job, the candidate acknowledges and agrees that any personal data contained in their application or supporting materials will be processed in accordance with
Figma's Candidate Privacy Notice
.
Application limits:
To help candidates focus on the opportunities most relevant to their skills and experience, Figma limits the number and frequency of applications. These limits apply to all roles:
Candidates may submit up to 5 applications during any rolling 30-day period.
Candidates may not reapply to the same role while an application is active or within 90 days of receiving a rejection.
Once the applicable days has passed, candidates are welcome to apply again.
Location: Berlin (Germany)
Data Scientist
- Join Our Innovative Team at think-cell Software
Our Story
At thinkcell, we create powerful software solutions that help professionals be more efficient and productive. Founded in 2002 and based in Berlin, our tools integrate seamlessly with Microsoft Office to help users create presentations, charts, and diagrams with ease. Our dynamic, international team values creativity, collaboration, and technical excellence.
What You Will Do
We're a Data Team that operates like a scaleup within an established company: real ownership, short decision paths, and room to shape things. No corporate bureaucracy – but the resources of a mature business. Our team is made up of experienced senior individual contributors who work independently, challenge each other constructively, and collaborate closely on solving complex problems. It is an environment with a high level of trust, autonomy, and strong opportunities to learn from experienced peers across both technical and business topics.
You don't just analyze – you drive. You proactively identify gaps, inefficiencies, and opportunities for improvement, build the foundations to answer questions, and make sure stakeholders don't just receive dashboards, but know what to do with them.
Key Responsibilities:
Translate complex product and business questions into structured analytical, statistical, and machine-learning approaches
Develop predictive and diagnostic models and derive robust signals from customer, product, and behavioural data
Own solutions end to end - from outcome definition, feature engineering, and validation to operationalization, monitoring, and continuous improvement
Design analyses that identify meaningful drivers, test assumptions, and quantify uncertainty
Create reusable analytical assets, including models, scores, features, and evaluation frameworks
Partner with Product, Marketing, Commercial, and other teams to turn complex findings into clear decisions and actions
You will be great for this position if you have
3+ years of experience in Data Science, Advanced Analytics, or a comparable role
Strong SQL and Python skills, including experience with common data science and machine-learning libraries
Solid knowledge of statistical and predictive modelling, feature engineering, and model evaluation
Experience operationalizing analytical models for recurring business use
A strong understanding of validation, data leakage, bias, uncertainty, and model limitations
A pragmatic approach focused on the simplest reliable solution
Strong stakeholder management skills and the ability to challenge assumptions and communicate what data can and cannot support
A proactive, ownership-driven way of working
Our Values
As part of our team, you will embody and help shape the following principles that define us:
Forward Thinking
: We embrace change and challenge the status quo.
Ownership
: We take pride in our work and learn from our mistakes.
Customer First
: We prioritize delivering lasting value.
Unified Team
: We foster collaboration, respect, and integrity.
Strive for Excellence
: We set ambitious goals and pursue quality.
We believe in a human hiring process, every application is personally reviewed.
Why is think-cell the right place for you?
We empower over 1.3 million users across 35,000 companies, including top consulting firms and major global enterprises. With offices in Berlin, Munich, Denver, Boston, London, Tokyo, and Dubai, we’re a diverse team of over 240 people, committed to innovation and excellence.
thinkcell is more than a job – it's a chance to be part of an innovative, inclusive team that values collaboration and growth. We encourage applicants from all backgrounds to apply. Together, we can shape the future of productivity software. We can’t wait to see what you’ll bring to the team!
Задачи:
— Полное владение датасетами безопасности: сбор, очистка, разметка, контроль качества, версионирование и подготовка к обучению и оценке моделей.
— Перевод требований политики безопасности в четкие и последовательные критерии разметки и оценки, в тесном сотрудничестве со специалистами по политике.
— Проектирование и управление процессами разметки, включая поиск, адаптацию и контроль внешних участников для обеспечения высокого качества.
— Создание рабочих процессов оценки моделей в продакшене с использованием реальных данных для отслеживания производительности и выявления проблем.
— Разработка легковесных пайплайнов и инструментов на Python и SQL для ускорения и воспроизводимости работы с данными, в партнерстве с ML-инженерами по требованиям к "готовности к обучению".
Требования:
— Опыт работы Data Scientist или аналогичной роли с реальными датасетами и ML-моделями.
— Глубокое понимание качественного датасета: сбор, очистка, выборка, разметка, контроль качества, оценка.
— Уверенное владение Python и SQL для анализа и практических рабочих процессов с данными.
— Сильное критическое мышление и способность принимать решения в условиях неоднозначности, умение превращать сложные руководства в последовательные и масштабируемые решения.
— Автономность и хорошие коммуникативные навыки, способность работать в междисциплинарной команде (политика, инженерия, исследования) в быстро меняющейся среде.
Преимущества:
— Опыт в AI safety, trust & safety, модерации контента или обнаружении мошенничества/злоупотреблений.
— Опыт создания датасетов или фреймворков оценки, опыт с adversarial/safety-ориентированным ML.
— Опыт управления процессами разметки с участием человека, версионирования датасетов или инструментов ML-пайплайнов.
— Опыт внедрения руководств совместно с командами политики или юридическими отделами.
Условия:
— Работа в гибридном формате в Лондоне, тесное взаимодействие с командами AI Safety и Policy.
— Равные возможности для всех кандидатов без дискриминации по различным признакам.
Location: Almaty, Kazakhstan
Workplace: OnSite
WHY WORK AT HIGGSFIELD AI?
Higgsfield AI is the fastest-scaling generative AI company in history, hitting $1B in annual revenue run rate, 25M+ users worldwide, 6M+ generations per day, and powering 390 of Fortune 500 brands. We're building at the absolute frontier of AI-powered video creation and next-generation creative tools. Joining Higgsfield means becoming part of a high-impact team shaping the future of AI-native experiences, at a company that isn't just moving fast, but rewriting what fast looks like.
WHAT THIS ROLE MEANS AT HIGGSFIELD
Right now we treat 25M+ people as one user. The same paywall, the same discount, the same lifecycle email, the same retention effort. And we mostly conclude that a campaign worked by looking at what the people we sent it to did next — which is not the same thing.
This role makes the company act per user, and know what that action was worth.
You own both halves of that: the models that decide who we aim at, and the causal reads that say whether it landed. Who is about to leave. Who will come back on their own without us spending anything. Whose decision a discount actually changes. And what a payer is worth over their life, once the discount, the refunds and the compute they consume are all inside the number.
You make sure:
- Discounts and credit vouchers go to the people whose behaviour they change, and nowhere else
- We know who is about to churn early enough to do something about it — and we know whether the something worked
- Lifetime value is a number we can defend by cohort, by plan and by the discount a cohort was acquired on, not one blended average that hides all three
- Every model and every campaign has a holdout behind it, so we can always state what it is worth in money
WHAT YOU WILL DO
Churn, retention & lifecycle propensity
- Build churn and downgrade prediction for subscribers, and repeat-purchase propensity for one-time credit-pack buyers — two different machines, not one model with a flag on it.
- Know the difference between a model that predicts churn and a model that reduces it. AUC earned by detecting users who already stopped using the product is worth nothing.
- Hunt leakage relentlessly. Cancellation-adjacent features will hand you a beautiful offline number and a useless system.
- Pair every score with an intervention and a holdout. The deliverable is a retained user, not a ranked list.
Uplift modelling & offer targeting
- Own incrementality on everything we aim at a user: discounts, credit vouchers, trials, upgrade prompts, win-back campaigns, retention saves.
- Model uplift, not propensity.Targeting the users most likely to convert spends margin on people who were going to convert anyway; the entire value of this work is finding the users whose decision the offer changes.
- Design the randomized holdouts that make uplift trainable and measurable in the first place, and keep them running permanently — including the ones marketing will ask you to switch off.
- Respect the guardrails. An offer model optimizing conversion alone will happily find the accounts that convert at negative gross margin, and it will find the abuse rings first. Margin and abuse signals are constraints on the objective, not a later cleanup.
- Work with Legal on what may be personalized. Personalized pricing and discounting touches consumer-protection and consent rules in several of our markets — you should want that conversation, not route around it.
Lifetime value & payer economics
- Own LTV: cohort-based, censored honestly, stated on contribution margin rather than gross revenue, and split by plan, segment and acquisition discount.
- Model the parts that actually move it — refunds and chargebacks, credit breakage and expiry, plan migration and downgrades, and the compute an unlimited plan consumes.
- Make it a decision input, not a slide: what we can pay for a user, which discount depth pays back, which plan we should stop selling.
- Keep it current and versioned. A stale LTV curve is worse than no curve, because people act on it.
Experimentation & causal measurement
- Design and read the experiments behind pricing, packaging, offers and lifecycle — with the product analytics team, not in parallel to it.
- Reach for the right tool when a clean experiment is impossible: difference-in-differences, matching, switchback and geo tests, synthetic control — and name the assumption each one is buying.
- Separate "users who do X retain better" from "making users do X improves retention." Every time, out loud.
- Kill your own results. A finding that doesn't survive a second look should die at your hands, not in a board deck.
How we ship
- Own the work end to end: framing the decision, features, training, evaluation, the scored audience landing in the tool that sends the offer, monitoring, retraining.
- Models ship as batch scores and policy rules into lifecycle tooling, the paywall and pricing — plus the readout that says what they earned. There is no real-time serving stack to babysit.
- Monitor for drift. New model launches, price changes, discount campaigns and seasonality all move the ground under a deployed score.
- Write down what each model is worth, in money, and keep that number current.
WHO WE'RE LOOKING FOR
- Experience shipping models that changed what the business did to real users— a targeted campaign, a pricing rule, a retention programme. Notebooks and offline benchmarks are not this.
- Depth in at least two of: churn and propensity modelling, uplift & causal ML, LTV and subscription economics, experimentation at scale.
- Genuine causal literacy: randomized holdouts, incrementality, Qini and uplift curves, selection effects, and why a lift measured before-and-after is usually not a lift.
- Strong SQL and Python: cohorts, funnels and retention on raw event data without help; gradient boosting; and the boring parts — feature pipelines, retraining cadence, a scoring job that runs on a schedule and doesn't rot.
- Understanding of subscription plus one-time purchase mechanics: recurring vs one-off revenue, refunds, plan changes, the deferred value of unspent credits, and why revenue and margin disagree about the same customer.
- Commercial judgment: you name the decision and the metric before you pick the model, and you know when the answer is a rule rather than a model.
- Pragmatism. A segment rule shipped this month that lifts retention beats a two-quarter uplift platform. Then you replace the rule.
- Clear written and spoken English, B2+.
Backgrounds that often do well:
- Growth, retention or monetization data scientists from subscription, gaming, fintech or e-commerce — anywhere offers and churn are modelled with real money attached
- CRM and lifecycle data scientists who owned campaign targetingandits incrementality
- Causal inference and uplift specialists who ship policies rather than papers
- Strong product analysts who moved into modelling and kept the decision instinct
WHAT THIS ROLE IS NOT
This role is not a fit if you:
- Want to train or fine-tune generative video models — that's what our R&D ML Engineer roles do, and they're open
- Want to own a recommender or a serving stack — ranking is not in this role's scope today
- Would target an offer at the users most likely to buy and call it personalization
- Report a lift from a before-and-after comparison, or from comparing the users you targeted to everyone you didn't
- Optimize AUC and hand the score to someone else to work out what to do with it
- Need clean labelled data, a feature store and an experimentation platform to exist before you can start
- Want predictable 9–5 workdays
HIRING PROCESS
We move fast:
- Screening call (30 min)
- Technical interview & case study (1 hour)
- Practical home task (7 days)
- Team interview (60 min)
- Paid on-site trial (1 month)
WHAT WE OFFER
- Competitive base salary in USD, based on your experience, skills, and the scope of the role.
- Equity participation through the company’s stock option program, giving you the opportunity to share in Higgsfield’s long-term growth.
- Relocation support to Almaty for candidates moving from another city or country.
- A highly collaborative, fast-paced environment where you can work directly with experienced leaders and have a meaningful impact on the product and company.
- Opportunities for professional growth, ownership, and career development as the company scales.
- Company-provided equipment, meals, transportation, or other office benefits.
Banco Plata is a digital bank and fintech startup specializing in consumer lending, credit cards with a cashback program, and interest-free installment plans.
Remote work or relocation options available to Cyprus, Serbia, Spain, Georgia, or Mexico.
Plata is a Mexican fintech startup specializing in consumer lending through the Plata Card.
Work format: Remote (GMT-2 – GMT+5) or on-site.
Flexible working hours.
Relocation support available for Serbia, Georgia, Mexico, or Colombia.
Plata is a Mexican fintech startup specializing in consumer lending through the Plata Card.
Remote work. Flexible working hours. Relocation support (Serbia, Georgia, Mexico or Colombia).
УдалённоjuniorГеография найма не уточнена
Удалённо
middle
San Francisco
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Настройте подбор, и подходящие вакансии будут приходить в Telegram.
