À propos de l’entreprise À Torc, nous avons toujours cru que la technologie des véhicules autonomes transformera la façon dont nous voyageons, transportons la marchandise et faisons des affaires. Leader de la conduite autonome depuis 2007, Torc a passé plus d’une décennie à commercialiser des solutions aux côtés de partenaires chevronnés. Nous faisons maintenant partie de la famille Daimler, ce qui nous permet de nous concentrer uniquement sur le développement de logiciels pour les camions automatisés. Nous transformerons la façon dont le monde transporte la marchandise. Joignez-vous à notre équipe : catapultez votre carrière au sein de l’entreprise ayant contribué à créer la technologie de conduite autonome (CA). Nous sommes la première entreprise de logiciels de CA ayant eu la vision de faire équipe directement avec un constructeur de camions. La connaissance de l’anglais est exigée puisque la personne retenue devra collaborer de façon journalière avec des collègues anglophones aux États-Unis et travailler avec la documentation technique rédigée uniquement en anglais. Rencontrez l’équipe En tant qu’ingénieur·e en apprentissage automatique, II - Routes et voies, vous aiderez à développer les modèles de prochaine génération qui estiment les surfaces des routes ainsi que la géométrie et la topologie des voies au sein de la pile d’autonomie de Torc. Vous travaillerez étroitement avec les équipes de perception, de cartographie et de planification afin d’offrir des modèles de perception de voies de grande qualité et prêts pour la production, permettant une conduite autonome sécuritaire et fiable des camions. Ce que vous ferez - Développer et entraîner la vision par ordinateur et les modèles d’apprentissage profond pour la détection des voies de la route à l’aide de données des capteurs monoculaires et multimodaux (caméras, LiDARs et radars). - Concevoir des modèles de surface des routes en 3D et de géométrie des voies dans l’espace BEV, et intégrer le tout au pipeline d’autonomie de Torc. - Analyser le rendement des modèles, identifier les « corner cases » et améliorer la robustesse dans diverses conditions environnementales et longue traîne. - Développer et optimiser des flux de travail de traitement des données à grande échelle, y compris les annotations, le pseudo-étiquetage et l’augmentation des données. - Mettre en œuvre des pipelines adaptatifs d’entraînement et d’évaluation pour les modèles de perception des voies. - Prendre la responsabilité du travail de déploiement afin d’optimiser les modèles pour l’exécution en temps réel sur le matériel de grade automobile. - Exploiter les cartes SD et HD connues afin d’améliorer l’exactitude et la stabilité de l’estimation des voies. - Contribuer aux discussions architecturales, aux révisions de modèles et aux efforts d’intégration au niveau système. Ce dont vous aurez besoin pour réussir - Baccalauréat en informatique, robotique, génie électrique, apprentissage automatique ou autre domaine connexe avec au moins 4 ans d’expérience ou une maîtrise avec au moins 2 ans d’expérience. - Expérience pratique en développement de modèles d’AA pour les tâches de perception comme la détection de voies, la modélisation des surfaces de la route, la fusion de plusieurs caméras ou l’estimation de la géométrie connexe. - Grande compréhension de l’étalonnage de caméras, d’alignement de plusieurs capteurs et de projection entre les espaces d’images et BEV. - Compétences avec Python et PyTorch, avec de l’expérience en codage d’AA de qualité production. - Expérience en entraînement de modèles sur de grands ensembles de données et en utilisation d’environnements informatiques adaptatifs. - Compréhension des architectures d’AA pertinentes, comme les CNN, les transformateurs et les réseaux de perception sur les BEV. - Capacité à analyser les données métriques du rendement des modèles, déboguer les cas d’échec et itérer efficacement. - Capacité à travailler avec les équipes d’autonomie, de perception et d’ingénierie logicielle. Points bonus - Expérience de travail spécifique à la perception de voies, aux réseaux BEV ou à l’estimation de topologie des routes. - Expérience en opérations de noyaux CUDA ou PyTorch sur mesure. - Familiarité avec les cartes SD, les pipelines de localisation ou les données antécédentes à base de cartes. - Expérience avec l’entraînement distribué ou les cadres de travail d’expérimentation à grande échelle (par ex., Ray). - Publications pour des conférences de premier ordre AA/VO (CVPR, ICCV, NeurIPS). Avantages d’être un employé à temps plein Torc’r Torc se soucie de ses membres d'équipe et s'efforce de fournir des avantages et des ressources pour soutenir leur santé, leur équilibre entre vie professionnelle et vie personnelle, ainsi que leur avenir. Notre culture est collaborative, dynamique et axée sur le travail d'équipe. Torc offre: - Un programme de rémunération concurrentiel incluant un volet de primes et des options d’achat d’actions - Une couverture médicale, dentaire et de la vue pour les employés à temps plein - Un régime d’épargne-retraite (REER) avec une contribution de l’employeur de 4 % - Une subvention pour le transport en commun (uniquement dans la région de Montréal) - Une flexibilité des horaires et des vacances payées généreuses - Des fermetures de bureau pendant les congés fériés à l’échelle de l’entreprise - Une assurance-vie À Torc, nous nous engageons à cultiver un milieu de travail diversifié et inclusif. Nous célébrons l’unicité de chaque membre de l’équipe de Torc. Nous ne faisons pas de discrimination par rapport à l’origine ethnique, la religion, la couleur de peau, la nationalité, le genre (y compris la grossesse, les enfants ou autre condition médicale), l’orientation sexuelle, l’identité de genre, l’expression de genre, l’âge, le statut de vétéran ou les handicaps. Même si vous ne répondez pas à 100 % des qualifications énumérées pour ce poste, nous vous invitons à postuler. Notre rémunération reflète le coût de la main-d'œuvre sur plusieurs marchés géographiques. Le salaire est déterminé en fonction d'un certain nombre de facteurs et peut varier en fonction des connaissances, des compétences et de l'expérience liées au poste. Le programme de rémunération globale de Torc comprend également notre prime corporative et notre régime d’options d’achat d’actions. Selon le poste proposé, des primes d’embauche, des indemnités de relocalisation ou d’autres formes de rémunération peuvent aussi être inclus dans le cadre du programme de rémunération globale, en plus d’une gamme complète d’avantages sociaux, médicaux, financiers et/ou autres. Numéro de poste: 102516

Meet the Team As a Machine Learning Engineer II – Road & Lane, you will help develop next‑generation models that estimate road surfaces, lane geometry, and lane topology within Torc’s autonomy stack. You will work closely with perception, mapping, and planning teams to deliver high‑quality, production‑ready lane perception models that enable safe and reliable autonomous trucking. What You'll Do - Develop and train computer vision and deep learning models for road‑lane detection using monocular and multimodal sensor data (camera, LiDAR, radar). - Build 3D road surface and lane geometry models in BEV space and integrate them into Torc’s autonomy pipeline. - Analyze model performance, identify corner cases, and improve robustness under diverse environmental and long‑tail conditions. - Develop and optimize large‑scale data processing workflows, including annotation, pseudo‑labeling, and data augmentation. - Implement scalable training and evaluation pipelines for lane perception models. - Own deployment-focused work to optimize models for real‑time execution on automotive‑grade hardware. - Leverage SD and HD map priors to improve lane estimation accuracy and stability. - Contribute to architectural discussions, model reviews, and system‑level integration efforts. What You'll Need to Succeed - Bachelor’s degree in Computer Science, Robotics, Electrical Engineering, Machine Learning, or a related field with 4+ years of experience, or a Master’s with 2+ years. - Hands‑on experience developing ML models for perception tasks such as lane detection, road surface modeling, multi‑camera fusion, or related geometry estimation. - Strong understanding of camera calibration, multi‑sensor alignment, and projection between image and BEV spaces. - Proficiency in Python and PyTorch, with experience writing production‑quality machine learning code. - Experience training models on large datasets and using scalable compute environments. - Understanding of relevant ML architectures, such as CNNs, transformers, and BEV‑focused perception networks. - Ability to analyze model performance metrics, debug failure cases, and iterate effectively. - Ability to work cross‑functionally with autonomy, perception, and software engineering teams. Bonus Points - Experience working specifically on lane perception, BEV networks, or road topology estimation. - Experience with CUDA kernels or custom PyTorch operations. - Familiarity with SD maps, localization pipelines, or map‑based priors. - Experience with distributed training or large‑scale experimentation frameworks (e.g., Ray). - Publications in major ML/CV conferences (CVPR, ICCV, NeurIPS).

Role Description Yelp engineering culture is driven by our values: we’re a cooperative team that values individual authenticity and encourages creative solutions to problems. All new engineers deploy working code their first week, and we strive to broaden individual impact with support from managers, mentors, and teams. At the end of the day, we’re all about helping our users, growing as engineers, and having fun in a collaborative environment. Yelp’s mission of connecting people with great local businesses requires the use of cutting-edge Machine Learning (ML) and Artificial Intelligence (AI) to scale across a vast and diverse base of users and businesses spanning various geographical locations. As a Staff-level ML Engineer on the Content Contributor Intelligence team, you will help build connections across millions of users and business listings. Your work will involve using cutting-edge industry tools, including neural networks (NNs), large language models (LLMs), and various embedding techniques for text, images, and videos. Additionally, you will apply traditional ML methods such as XGBoost and linear models to enhance our systems. You’ll be responsible for turning raw data into valuable signals and building ML systems end-to-end. This includes the full ML lifecycle from training models to deploying them in production, as well as contributing to the ML platforms these models rely on. This opportunity is fully remote and does not require you to be located in any particular state within the US. We welcome applicants from throughout the US. We’d love to have you apply, even if you don’t feel you meet every single requirement in this posting. At Yelp, we’re looking for great people, not just those who simply check off all the boxes. What you'll do: - Conduct end-to-end analyses, wrangling data via SQL or Python, to statistical modeling, to hypothesizing and presenting business ideas. - Mentor and guide junior engineers, fostering a culture of learning and technical excellence. - Work with large and complex textual and visual datasets. - Support the development and deployment of projects involving machine learned models for offline, batch-based data products as well as models deployed to online, real-time services. - Work in the contributor and visual intelligence team on text and visual understanding, along with fine tuning transformer models to derive embeddings for multiple input types. - Productionize and automate model pipelines within Python services. - Drive and advocate adoption of best practices in ML development and operations, and mentor newer engineers in those practices. Qualifications - Experience developing and productionizing machine learning models, particularly in neural networks, computer vision and LLMs including their supported data pipelines. - Experience with machine learning using packages such as PyTorch, TensorFlow, Spark MLlib, XGBoost, and Sklearn. - Strong coding skills in Python or equivalent (Java, C++). - Solid understanding of engineering and infrastructure best practices. - The curiosity to uncover promising solutions to new problems, and the persistence to carry your ideas through to an end goal. - We highly value experience of working with LLMs, utilizing LLM APIs (OpenAI, Bedrock, etc), prompt engineering and evaluation. - A Bachelor’s Degree or an equivalent work experience is required. Benefits - Compensation range for this role is expected to be between $112,000 and $269,000 based on experience. - You may also be offered a bonus, restricted stock units, and benefits. - This opportunity has the option to be fully remote in all locations across the US. Company Description At Yelp, we believe that diversity is an expression of all the unique characteristics that make us human: race, age, sexual orientation, gender identity, religion, disability, and education — and those are just a few. We recognize that diverse backgrounds and perspectives strengthen our teams and our product. The foundation of our diversity efforts are closely tied to our core values, which include “Playing Well With Others” and “Authenticity.” We’re proud to be an equal opportunity employer and consider qualified applicants without regard to race, color, religion, sex, national origin, ancestry, age, genetic information, sexual orientation, gender identity, marital or family status, veteran status, medical condition or disability. We are committed to providing reasonable accommodations for individuals with disabilities in our job application process. If you need assistance or an accommodation due to a disability, you may contact us at accommodations-recruiting@yelp.com or 415-969-8488.

Role Description The Machine Learning Platform team at Reddit is a high-impact team that owns the infrastructure that powers recommendations, content discovery, user and content quantification, while directly impacting other teams such as Growth, Ads, Feeds, and Core Machine Learning teams. As a Senior ML Infrastructure Engineer, you will lead development of a platform for large scale ML models at Reddit. - Design end-to-end model lifecycle patterns (MLOps) to boost velocity of development for ML engineers, including data preparation, model management, experiment tracking, and more. - Zero-to-one development and support of a graph ML codebase and platform that abstracts away common patterns and enables greater model scalability and iteration. - Collaborate with ML engineers on performance tuning, including improving model training time, efficiency, and GPU training costs in a large, distributed ML training environment. - Optimize batch data processing within a data warehouse and with tools such as Apache Beam, Apache Spark, Ray Data, and more. - Architect pipelines to build and maintain massive graph data structures on the order of billions of nodes and tens of billions of edges. Qualifications - 5+ years of experience in ML infrastructure, including model training and model deployments. - Hands-on experience with ML optimization, including memory and GPU profiling. - Deep experience with cloud-based technologies for supporting an ML platform, including tools like GCP BigQuery, Google Cloud Storage, infrastructure-as-code (Terraform), and more. - Hands-on experience administering and integrating MLOps tools for experiment tracking, model serving, and model registries (e.g. MLflow or Wandb). - Proficiency with the common programming languages and frameworks of ML, such as Python, PyTorch, Tensorflow, etc. - Deep experience working with distributed training frameworks, including Ray and Kubernetes. - Strong focus on scalability, reliability, performance, and ease of use. You are an undying advocate for platform users and have a deep intuition for the machine learning development lifecycle. - Strong organizational & communication skills. - Experience working with graph databases (Neo4j, JanusGraph, TigerGraph) is a big plus. - Experience working with graph neural networks (GNNs) and associated graph ML frameworks (PyTorch Geometric, Deep Graph Library) is a big plus. Requirements - Pay Transparency: This job posting may span more than one career level. - In addition to base salary, this job is eligible to receive equity in the form of restricted stock units, and depending on the position offered, it may also be eligible to receive a commission. - Reddit offers a wide range of benefits to U.S.-based employees, including medical, dental, and vision insurance, 401(k) program with employer match, generous time off for vacation, and parental leave. - The base salary range for this position is: $216,700 - $303,400 USD. Benefits - Medical, dental, and vision insurance. - 401(k) program with employer match. - Generous time off for vacation. - Parental leave. Company Description Reddit is proud to be an equal opportunity employer, and is committed to building a workforce representative of the diverse communities we serve. Reddit is committed to providing reasonable accommodations for qualified individuals with disabilities and disabled veterans in our job application procedures.