Filipe R. Ramos é Professor Associado na Faculdade de Ciências Sociais e Tecnologia da Universidade Europeia (FCST-UE), onde também desempenha funções de coordenação académica em cursos conferentes de grau, pós-graduações e programas de formação executiva.. É igualmente Professor Convidado na Faculdade de Ciências da Universidade de Lisboa (FCUL).

É doutorado em Gestão (especialização em Métodos Quantitativos) pelo ISCTE Business School, ISCTE – Instituto Universitário de Lisboa (ISCTE-IUL). Possui também um mestrado em Matemática Financeira pelo ISCTE-IUL e pela FCUL, bem como um mestrado em Ensino da Matemática pela NOVA School of Science and Technology, Universidade NOVA de Lisboa (NOVA FCT). É licenciado em Matemática (Ensino) pela FCUL. O seu desenvolvimento pedagógico inclui ainda formação pós-graduada em Educação Digital e em Inovação Pedagógica no Ensino Superior.

A experiência docente abrange vários níveis de ensino, incluindo o ensino da Matemática no ensino básico e secundário, Matemática Aplicada em cursos de formação profissional, e unidades curriculares de Matemática e Estatística em programas de licenciatura, mestrado, doutoramento e formação executiva em várias instituições públicas de ensino superior, incluindo a FCUL, o ISEG – Lisbon School of Economics and Management, a NOVA FCT e o ISCTE-IUL, bem como em instituições privadas de ensino superior (Universidade Europeia). Para além da atividade docente, desempenhou funções como colaborador técnico-pedagógico e consultor no IAVE e como coordenador de cursos profissionais e das respetivas equipas pedagógicas.

A atividade de investigação centra-se na análise de dados e modelação matemática, em particular na análise e previsão de séries temporais, ciência de dados e machine learning e deep learning, com aplicações nas áreas da economia, gestão e finanças. É investigador integrado no CETRAD – Europeia Hub e investigador colaborador no CEAUL e no LAETA. É atualmente Investigador Responsável (Principal Investigator – PI) do projeto de investigação “Mapping Volatility Trends in the Cryptocurrency Market: Hybrid Artificial Intelligence Models Integrating Machine Learning and Deep Learning”, financiado pela Europeia-ID. O trabalho científico tem sido publicado em revistas e conferências internacionais indexadas e encontra-se indexado na Web of Science, Scopus e Google Scholar, contribuindo para o avanço dos métodos quantitativos e das aplicações da ciência de dados na investigação em economia e gestão. Os seus atuais interesses de investigação incluem também modelos híbridos de inteligência artificial, modelação de séries temporais financeiras e aplicações de ciência de dados em contextos económicos e empresariais.