• Own Model Development: Lead the end-to-end design, development, and deployment of advanced ranking algorithms and retrieval models to deliver highly relevant search results and content. • Innovate in Semantic Search: Fine-tune and distill Language Models to enhance their domain-specific expertise. You'll implement cutting-edge semantic embedding techniques (e.g., binary, matryoshka, late interaction models) to optimize for speed and accuracy. • Build & Scale Recommender Systems: Architect and implement sophisticated recommender systems that personalize the user experience, driving engagement and content discovery. • Collaborate & Mentor: Work closely with product managers, software engineers, and data scientists to translate business needs into technical solutions. • Stay Ahead of the Curve: Actively research and evaluate emerging trends and academic research in ML, NLP, and Information Retrieval, prototyping new ideas to maintain our competitive edge.

Role Description En tant qu’ingénieur·e en apprentissage automatique, II - Modèles de caméra, vous aiderez à développer et à déployer les modèles d’apprentissage automatique qui favorisent la perception à base de caméra pour les camions autonomes. - Développer et entraîner des modèles d’apprentissage profond pour la perception à base de caméras. - Mettre en œuvre un code d’apprentissage automatique de qualité production. - Analyser le rendement de modèles à travers plusieurs scénarios de conduite. - Contribuer au développement et à l’optimisation de pipelines d’entraînement à grande échelle. - Travailler étroitement avec les équipes des données pour organiser et améliorer les ensembles de données d’entraînement. - Collaborer avec des équipes pluridisciplinaires de perception, simulation et validation. - Améliorer les flux de travail et outils d’expérimentation. - Contribuer aux discussions sur l’architecture de modèle, les stratégies d’entraînement et le design du système de perception. Qualifications - Baccalauréat en informatique, robotique, génie électrique, apprentissage automatique ou autre domaine technique connexe avec au moins 4 ans d'expérience ou une maîtrise avec au moins 2 ans d'expérience. - Expérience en développement de modèles d’apprentissage automatique ou profond pour la vision par ordinateur ou les systèmes de perception. - Compétences robustes en programmation Python et PyTorch. - Expérience en entraînement et évaluation de modèles d’apprentissage automatique à l’aide de grands ensembles de données. - Compréhension des architectures d’apprentissage profond modernes. - Expérience en débogage du comportement des modèles et en analyse des données métriques de rendement. - Capacité à collaborer avec des équipes pluridisciplinaires. Requirements - Expérience de travail en conduite autonome, en robotique ou dans des environnements d’apprentissage par simulation. - Expérience en apprentissage multitâche ou architectures de perception. - Expérience de travail avec les pipelines de données à grande échelle. - Familiarité avec l’étalonnage de caméras, le raisonnement géométrique ou la perception 3D d’images. - Expérience en déploiement de modèles d’AA dans les systèmes robotiques en temps réel ou de production. Benefits - 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. Company Description 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.

• Maintain and evolve an existing recommendation system in a multi-tenant environment • Bring models from experimentation into production and improve their real-world performance • Build and support end-to-end ML pipelines : training, validation, deployment, retraining • Optimize training/inference workloads for latency, reliability, memory usage, and scalability • Integrate ML inference into Python-based backend services and collaborate with backend/data teams • Define and track model KPIs linked to product and business impact (engagement/retention/revenue) • Improve data quality , feature availability, and feature pipelines (Airflow-based workflows) • Set up monitoring for model health: drift, degradation, anomalies, incident response • Run controlled experiments (A/B tests), analyze results, and translate insights into improvements • Document model behavior, assumptions, and operational runbooks • Contribute to architecture decisions for scalable ML infrastructure and deployment practices

• Develop intelligent models that personalize digital therapies. • Design and train supervised and unsupervised learning models on longitudinal health data. • Build scalable data pipelines for model training, testing, and deployment. • Work closely with engineering to embed models into production SaMDs. • Ensure models meet explainability, reproducibility, and regulatory standards. • Evaluate generative AI tools for education and coaching applications.