scientifique de données

Description

Faites partie d'un circuit de transformation grâce à des talents novateurs et à des technologies de pointe.

Joignez-vous à notre équipe et ce que nous accomplirons ensemble

C'est une opportunité excitante de rejoindre le Carrefour d'innovation en IA de la Livraison de solutions clients (CSD). Nous sommes une équipe dynamique et agile qui révolutionne les opérations de terrain en concevant des solutions d'IA axées sur les données qui optimisent les dépenses d'exploitation, l'expérience client, les ventes, la facturation et d'autres indicateurs clés pour l'ensemble de notre effectif national de techniciens. Notre Carrefour d'IA est la destination de prédilection pour les professionnels autonomes et créatifs, passionnés par le perfectionnement de leurs talents tout en résolvant certains des défis les plus importants de TELUS.

Ce que vous ferez

En tant que scientifique de données, vous travaillerez en étroite collaboration avec les parties prenantes et les ingénieurs logiciels pour identifier et concevoir des solutions d'IA à fort impact, y compris des applications basées sur la génération augmentée de récupération/agentic, des pipelines ETL qui exploitent les grands modèles de langage pour extraire des informations clés et améliorer les données, et bien plus encore.

Vos responsabilités :

• Analyse de données : tirez parti des techniques traditionnelles d'apprentissage machine, du traitement automatique des langues et des grands modèles de langage (GML) pour analyser des notes, des transcriptions et d'autres données textuelles non structurées. Développez des modèles pour des tâches telles que la modélisation d'index, la classification, l'analyse des sentiments, l'extraction d'entités et la détection d'erreurs. Établissez des cadres d'évaluation robustes (précision, rappel, F1) et effectuez des analyses itératives des erreurs pour améliorer continuellement la performance et la fiabilité.
• Développement d'applications et d'API de grands modèles de langage : Concevez et développez des applications et des services basés sur les grands modèles de langage pour aider les techniciens. Appliquez les meilleures pratiques en matière d'ingénierie de requêtes (schème de pensées, incitation à quelques coups, sorties structurées), génération augmentée de récupération (RAG) et systèmes d'IA agentique (utilisation d'outils, raisonnement en plusieurs étapes, chaînage d'API, flux de travail dynamiques). Mettez en œuvre des garde-fous, des couches de validation et des stratégies d'atténuation des hallucinations. 
• Conception et mise en œuvre de systèmes : Concevez, développez et déployez des API, des applications et des processus automatisés extensibles optimisés par l'IA. Faites des compromis délibérés en matière de conception en équilibrant le temps d'attente du réseau, le coût, la performance, la fiabilité et la gestion du cycle de vie. Créez des systèmes modulaires et maintenables qui s'intègrent de manière transparente aux sources de données et aux plateformes opérationnelles des entreprises. 
• MLOps et déploiement : Implémentez des pipelines d'intégration et livraison continues pour les déploiements. Gérez l'infrastructure à l'aide de l'infrastructure-service (IaC), conteneurisez les services et déployez-les sur Kubernetes. Établissez des stratégies de surveillance proactive, de journalisation, de gestion des versions et de restauration pour garantir la fiabilité, l'observabilité et l'extensibilité en production. 

• Collaboration et mentorat : Établissez des partenariats avec les parties prenantes des domaines de l'ingénierie, de l'exploitation et des affaires pour traduire les défis du monde réel en solutions d'IA. Documentez clairement les décisions architecturales et les apprentissages. Encadrez les membres de l'équipe et contribuez à une culture d'excellence technique.

Une connaissance avancée de l'anglais est requise, car vous serez appelé(e) la plupart du temps à interagir en anglais avec des parties internes (par ex. collègues ou parties prenantes); et à travailler dans un environnement informatique anglais dans le cadre des tâches liées à ce poste dont la portée est nationale.

Vous possèdez

• Maîtrise en informatique, en apprentissage machine, en science des données, en statistique ou dans une discipline quantitative connexe, ou doctorat dans un domaine pertinent.
• 3+ ans d'expérience dans l'application de l'apprentissage machine et de l'IA dans des environnements de production, produisant un impact commercial mesurable.
• Solides connaissances de l'apprentissage machine traditionnel et du traitement automatique des langues (classification, régression, clustering, modélisation de sujets, analyse des sentiments) avec de l'expérience dans la conception de cadres d'évaluation robustes (précision/rappel/F1, expérimentation, analyse des erreurs).
• Expérience pratique de l'utilisation des grands modèles de langage, notamment en ce qui a trait à l'ingénierie de requêtes, aux produits structurés et à la création de systèmes de génération augmentée de récupération (RAG).
• Expérience dans la conception et la mise en œuvre de systèmes d'IA agentique, y compris les flux de travail de raisonnement en plusieurs étapes, l'orchestration d'outils et d'API, la gestion de la mémoire et de l'état et les garde-fous de production.
• Expérience dans la création d'applications et d'API optimisées par l'IA, avec une compréhension du temps d'attente du réseau, de l'évolutivité, de l'optimisation des coûts et des compromis en matière de fiabilité.
• Aptitudes à utiliser Python et les frameworks d'apprentissage machine modernes (p. ex., PyTorch, TensorFlow, scikit-learn), et expérience du développement et de l'utilisation d'API REST.
• Expérience dans l'élaboration de pipelines de données (ETL/ELT), le prétraitement de données structurées et non structurées, et de solides compétences SQL en travaillant avec des ensembles de données à grande échelle.
• Expérience dans le déploiement de modèles à l'aide de Docker et de Kubernetes, avec une bonne connaissance de l'intégration et livraison continues, des plateformes infonuagiques (Google Cloud Platform) et de la surveillance de la production.
• Solide capacité à traduire des problèmes opérationnels complexes en systèmes d'IA extensibles et à communiquer efficacement avec les intervenants techniques et non techniques.