Développeur en apprentissage automatique III / Machine Learning Developer III

trane technologies•Montreal, QC

39d•Hybrid

About The Position

Be a part of our mission! As a world leader in creating comfortable, sustainable, and efficient climate solutions for buildings, homes and transportation, it's our responsibility to put the planet first. For us at Trane Technologies, and through our businesses including Trane® and Thermo King, sustainability is not just how we do business—it is our business. Do you dare to look at the world's challenges and see impactful possibilities? Do you want to contribute to making a better future? If the answer is yes, we invite you to consider joining us in boldly challenging what's possible for a sustainable world. Learn about our benefits designed for you to Thrive at work and at home. We boldly go. Where is the work: Our BrainBox AI Workplace Presence model dedicates specific in-office days each month to focus on relationships, learning and innovation. Ce que vous ferez : Mise en œuvre de cadres : Participer activement à la conception et à l’implantation concrète de cadres d’IA évolutifs adaptés aux projets actuels et futurs de BrainBox AI. Déploiement de modèles : Collaborer étroitement avec les ingénieurs et chercheurs en AA afin de combler l’écart entre un modèle entraîné et un service déployé, en résolvant les frictions d’ingénierie liées à la mise en production. Surveillance et détection de dérive : Concevoir et déployer le « système immunitaire » de nos modèles — des systèmes qui suivent la dégradation des performances et détectent de façon proactive la dérive des données et des concepts. Soutien technique et programmation : Agir comme ressource de haut niveau en programmation d’IA et fournir un soutien technique à l’équipe élargie afin d’assurer l’atteinte précise des jalons de projet. Initiatives interfonctionnelles : Faire évoluer les méthodologies existantes et développer de nouvelles techniques pour des initiatives couvrant différentes fonctions d’ingénierie et de recherche. Intelligence des données : Repérer et interpréter des tendances complexes dans les ensembles de données afin d’optimiser la performance des algorithmes selon les besoins d’affaires réels. Excellence du code : Rédiger un code exceptionnellement propre, testable et facile à déboguer. Promouvoir la documentation et les meilleures pratiques de développement logiciel tout au long du cycle de vie de l’AA. What you will do: Framework Implementation: Actively participate in the design and hands-on implementation of scalable AI frameworks tailored for BrainBox AI’s ongoing and future projects. Model Deployment: Partner closely with ML engineers and researchers to bridge the gap between a trained model and a deployed service, solving the engineering "friction" that arises during productionization. Monitoring & Drift Detection: Build and deploy the "immune system" for our models—systems that track performance decay and proactively detect data and concept drift. Technical Support & Programming: Serve as a high-level resource in AI programming, providing technical support to the broader team to ensure project milestones are met with precision. Cross-Functional Initiatives: Help evolve existing methodologies and develop new techniques for initiatives that span across different engineering and research functions. Data Intelligence: Identify and interpret complex patterns within datasets to refine and enhance algorithm performance based on real-world business requirements. Code Excellence: Write exceptionally clean, testable, and debuggable code. You will be a champion for documentation and software development best practices within the ML lifecycle.

Requirements

Bachelor’s or Master’s in Software Engineering, Computer Science, or equivalent.
5-8+ years of experience in software engineering, with a significant focus on the deployment and maintenance of Machine Learning systems
Advanced proficiency in Python and Object-Oriented Programming (OOP) is non-negotiable.
Strong experience in AWS environments (Lambdas, SageMaker, Glue Tables, SQS/SNS, API Gateway, CloudWatch) and navigating IAM roles for secure deployments.
Expert-level familiarity with pytest and unit testing frameworks to ensure code reliability.
Deep knowledge of Linux environments and a natural instinct to automate repetitive tasks and workflows.
A strong understanding of ML model deployment patterns and current LLM architectures.
Ability to effectively communicate complex engineering concepts to colleagues with diverse technical backgrounds.
A proactive teammate who acts as a "resource person" for others, sharing knowledge and troubleshooting model issues effectively.
Baccalauréat ou maîtrise en génie logiciel, en informatique ou équivalent.
De 5 à 8+ ans d’expérience en génie logiciel, avec une forte spécialisation dans le déploiement et la maintenance de systèmes d’apprentissage automatique.
Maîtrise avancée de Python et de la programmation orientée objet (POO), essentielle.
Solide expérience des environnements AWS (Lambda, SageMaker, tables Glue, SQS/SNS, API Gateway, CloudWatch) et gestion des rôles IAM pour des déploiements sécurisés.
Expertise avec pytest et les cadres de tests unitaires afin d’assurer la fiabilité du code.
Connaissance approfondie des environnements Linux et forte propension à automatiser les tâches et flux de travail répétitifs.
Bonne compréhension des modèles de déploiement en AA et des architectures LLM actuelles.
Capacité à expliquer efficacement des concepts d’ingénierie complexes à des collègues aux profils techniques variés.
Membre d’équipe proactif agissant comme personne-ressource, partageant ses connaissances et résolvant efficacement les problèmes liés aux modèles.
French-English bilingualism is required.
In addition to fluency in French, successful candidates must have full professional proficiency in English in order to support and collaborate with English-speaking clients, colleagues and/or various stakeholders.
Le bilinguisme français-anglais est requis.
En plus de la maîtrise du français, les personnes retenues doivent posséder une compétence professionnelle complète en anglais afin de soutenir et de collaborer avec des clients, collègues et/ou divers intervenants anglophones.

Responsibilities

Framework Implementation: Actively participate in the design and hands-on implementation of scalable AI frameworks tailored for BrainBox AI’s ongoing and future projects.
Model Deployment: Partner closely with ML engineers and researchers to bridge the gap between a trained model and a deployed service, solving the engineering "friction" that arises during productionization.
Monitoring & Drift Detection: Build and deploy the "immune system" for our models—systems that track performance decay and proactively detect data and concept drift.
Technical Support & Programming: Serve as a high-level resource in AI programming, providing technical support to the broader team to ensure project milestones are met with precision.
Cross-Functional Initiatives: Help evolve existing methodologies and develop new techniques for initiatives that span across different engineering and research functions.
Data Intelligence: Identify and interpret complex patterns within datasets to refine and enhance algorithm performance based on real-world business requirements.
Code Excellence: Write exceptionally clean, testable, and debuggable code. You will be a champion for documentation and software development best practices within the ML lifecycle.
Mise en œuvre de cadres : Participer activement à la conception et à l’implantation concrète de cadres d’IA évolutifs adaptés aux projets actuels et futurs de BrainBox AI.
Déploiement de modèles : Collaborer étroitement avec les ingénieurs et chercheurs en AA afin de combler l’écart entre un modèle entraîné et un service déployé, en résolvant les frictions d’ingénierie liées à la mise en production.
Surveillance et détection de dérive : Concevoir et déployer le « système immunitaire » de nos modèles — des systèmes qui suivent la dégradation des performances et détectent de façon proactive la dérive des données et des concepts.
Soutien technique et programmation : Agir comme ressource de haut niveau en programmation d’IA et fournir un soutien technique à l’équipe élargie afin d’assurer l’atteinte précise des jalons de projet.
Initiatives interfonctionnelles : Faire évoluer les méthodologies existantes et développer de nouvelles techniques pour des initiatives couvrant différentes fonctions d’ingénierie et de recherche.
Intelligence des données : Repérer et interpréter des tendances complexes dans les ensembles de données afin d’optimiser la performance des algorithmes selon les besoins d’affaires réels.
Excellence du code : Rédiger un code exceptionnellement propre, testable et facile à déboguer. Promouvoir la documentation et les meilleures pratiques de développement logiciel tout au long du cycle de vie de l’AA.