Role Description 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. - 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. Qualifications - 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. Requirements - 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). 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.

• Design, develop, and deploy advanced AI/ML solutions that power the next generation of financial technology. • Implement GenAI, agent-based systems, and sophisticated ML models to enhance our platform capabilities. • Own the Full AI Lifecycle: Design and implement robust data models that support AI/ML initiatives. • Collaborate with cross-functional teams to integrate AI/ML functionalities into our multi-product, multi-issuer platform. • Develop scalable machine learning pipelines and data processing workflows. • Build, test, and optimize AI models on various cloud platforms; AWS experience (including SageMaker and Bedrock) is a bonus. • Ensure robust deployment practices and maintain the performance and scalability of AI systems. • Architect and implement an Agentic Framework tailored specifically for the needs of Financial Advisors, enabling autonomous reasoning, planning, and execution across complex financial scenarios. • Develop and enhance OCR capabilities and integrate these with vector databases. • Champion MLOps best practices to streamline the continuous integration, delivery, and deployment of machine learning models. • Provide technical guidance and mentorship to team members.

• Design, develop, deploy and maintain robust ML pipelines to make them usable, efficient and scalable. • Optimize and fine-tune data pipelines for production. • Engage in code reviews, upholding high standards for clean, reliable code. • Collaborate with cross-functional teams to understand business requirements and translate them into ML solutions. • Embrace learning new technologies, fostering innovation, and tackling diverse challenges. • Contribute to the development of ML infrastructure, pipelines, services, monitoring systems and codebase in general. • Work in an agile development environment and clearly communicate your results to the team. • Mentor and guide junior engineers, providing technical leadership and insights.

• Design, build, and deliver machine learning models and pipelines in close collaboration with Data Science, Research, and Engineering teams. • Own and evolve complex ML systems, ensuring they remain scalable, reliable, and maintainable in production. • Drive technical excellence and best practices across the entire ML lifecycle, from modeling and evaluation to deployment and monitoring. • Define and implement production standards that increase the quality and speed of development across the Data & ML organization. • Translate complex business problems into robust ML solutions with measurable and durable impact on product outcomes. • Act as a technical leader and mentor, supporting the growth of ML practices and elevating the skills of less experienced team members