
Analyste , Science des données
- Montréal, QC
- Permanent
- Temps-plein
- Concevoir et implémenter des outils et des analyses faisant appel à des modèles d’IA générative et des techniques d'intelligence artificielle pour bonifier la prise de décision et le suivi des investissements ;
- Développer et maintenir des applications et interfaces intégrant des modèles d'IA générative, en assurant leur déploiement et leur intégration dans l'environnement technologique existant ;
- Faire appel à des méthodes telles que la recherche sémantique, l'extraction d'information, l’utilisation de grands modèles de langage (LLMs) et de techniques de prompting (d’invite), la génération augmentée de récupération (RAG), ou la détection, classification ou quantification de thèmes ;
- Intervenir dans toutes les phases des projets de science des données, de la collecte et du prétraitement des données à l'expérimentation avec différents modèles, en passant par l'analyse des résultats, leur documentation et leur communication ;
- Mesurer et optimiser les performances et l’efficacité des applications mises en place ;
- Collaborer étroitement avec les parties prenantes pour aboutir à des solutions optimales ;
- Faciliter le partage des connaissances au sein de l'équipe et avec les autres collaborateurs.
- Capacité à innover et à faire preuve de créativité ;
- Excellente aptitude à résoudre des problèmes complexes ;
- Grande rigueur dans le travail ;
- Autonomie et proactivité ;
- Sens de l'organisation et capacité à gérer les priorités ;
- Esprit d'équipe et forte implication dans les projets.
- Diplôme de maîtrise dans un domaine quantitatif comme l'informatique, les mathématiques, les statistiques ou l'ingénierie financière;
- Bonnes connaissances en apprentissage automatique appliqué, en IA générative (en particulier les LLMs), en statistiques et en programmation;
- Expérience en développement d'applications intégrant des API d'IA générative (par exemple OpenAI, Anthropic, Hugging Face ou équivalents);
- Connaissance des techniques de RAG, chain-of-thought, few-shot, et autres méthodes d’invites avancées;
- Maîtrise approfondie de langages et librairies pertinentes tels Python, Spark, Scikit-Learn, Pandas, Pytorch ou Tensorflow;
- Connaissance de Databricks, Snowflake, AWS est un atout;
- Connaissance de LangChain, LlamaIndex ou autre framework est un atout;
- Expérience avec des bases de données vectorielles est un atout;
- Un vif intérêt pour le secteur financier.