About Flinks Flinks is the embedded finance platform that brings together connectivity, intelligence, and payments giving businesses the infrastructure they need to build and deliver seamless financial experiences at scale.

As a leader in Open Finance in Canada, weve grown since 2016 into one of North Americas most trusted platforms for financial data access, enrichment, and money movement.

We work with innovators across many industries, including lending, fintech, banking, insurance, and wealth management.

Today, our platform connects to 15,000+ financial institutions across North America and powers over 1M monthly connections.

We also give our customers unprecedented visibility into 4,500+ real-time financial insights to support smarter decisioning.

Companies rely on Flinks to streamline onboarding, verify income, assess credit risk, and power faster payment experiences.

Were on a mission to drive financial innovation and help businesses build financial experiences that feel effortless, connected, and customer-first.

Thats where you come in.

The Role We''re hiring a Senior Data Scientist to own machine-learning models end to end - from framing the problem and designing the model through the training pipeline, deployment to a live endpoint and the model-quality monitoring that keeps it accurate in production.

This is a hands-on, engineering-heavy data-science role: you build and ship your own models.

Where this role sits: you own the models and their quality.

Our Data Engineering function owns the shared data platform and serving infrastructure you build on - the warehouse, pipelines, governance, CI/CD and the operational reliability of the serving endpoints - so you stay focused on the science and the model lifecycle, not on running the platform.

We''re explicit about this because it matters: if you''re looking for a pure research or notebook-only role, this isn''t it.

If you''re energized by taking a model all the way to a live, monitored endpoint and seeing it drive real financial decisions - you''ll thrive here.

We''re not building ML for ML''s sake : we judge models by the business outcomes they move - risk reduction, enrichment accuracy, customer adoption, operational efficiency, revenue and connecting your model improvements to those outcomes is part of the role.

What You''ll Do Own ML models end to end - frame the problem, write the design/RFC, build and train the model, ship it to a served endpoint and monitor its quality in production.

Build your model''s training pipeline and package it for serving, deploying onto the shared platform Data Engineering builds and operates.

Own model quality, not the platform - you watch drift and performance and decide when to retrain.

Evaluate rigorously - experimental design, statistical validation, drift detection and retraining, champion-challenger evaluation and promotion.

Partner across the org - your model outputs feed the attributes/enrichment layer, payments risk, dashboards and client integrations, you''ll collaborate with Data Engineering, backend, product and QA on contracts, deployment and rollout.

Move rapid with AI-assisted development -we use it to accelerate implementation and experimentation, the highest-leverage contribution in this role comes from strong problem framing, system design, evaluation rigor and clear technical specifications.

What You''ll Work On A few of the live ML systems this role owns end to end: Transaction categorization - a hierarchical, multi-task BERT classifier running as segment based models, trained on labelled data with synthetic top-ups for rare classes.

Reversal / ''final-category'' detection - a hybrid ML + analytical-rule model classifying reversal types and linking each back to its original debit, promoted via champion-challenger .

Transaction NER parser - a multilingual token-classifier extracting entity types from raw descriptions.

Payments risk and balance forecasting - quantile time-series forecasting feeding a risk/offer decision layer.

The enrichment suite - income / net-income, frequency detection, plus employment-loss, life-events and pay-frequency models.

Model-quality and analytics tooling - the data-science team''s own model-performance, PSI / drift and category-distribution monitoring for the models it owns.

Our stack Python and SQL Google Cloud Platform Big

Query and modern data tooling PyTorch, Hugging

Face and classical ML frameworks MLflow and Kubeflow FastAPI and containerized deployment Azure Dev

Ops You don''t need experience with every tool listed above - strong production-ML fundamentals matter more than direct experience with our exact stack.

Python is the exception: it''s a non-negotiable (see Key Requirements).

Why This Role High ownership, low bureaucracy - you own models end to end and watch them drive real financial decisions for banks and fintechs. A modern, cloud-native ML stack with an AI-assisted development workflow.

Real scale and real stakes - regulated financial data, enrichment and payments.

Key Requirements Experience: 6-8 years building and shipping machine-learning models, including taking models to production yourself (training pipeline served endpoint monitoring).

Education: Bachelor''s degree in a quantitative field (Computer Science,



Statistics, Applied Mathematics, or related), a Master''s or PhD is an asset, not a requirement - production-ML ability matters more than credentials here.

Non-negotiables: production-grade Python and the ability to take a model to a live, monitored service yourself , on a solid data-science / ML foundation . A notebook-only profile won''t meet the bar.

Work authorization: must be legally authorized to work in Canada.

Compensation Range For experienced and qualified hires located in Canada, of senior (IC4) level, the compensation range is between $120,000 to $160,000 CAD annually.

As part of the total rewards package, Flinks offers: Health & Dental coverage as of Day 1 Flexible Paid Time Off (FTO) Remote work environment with frequent in-person gatherings and activities.

Career development, learning opportunities and growth And more We are committed to providing accommodations for persons with disabilities.

If you require accommodation, we will work with you to meet your needs.

Flinks uses artificial intelligence (AI) during the recruitment process to assist in screening, assessing, or selecting applicants. --------------------------------------------------------------------------------------- propos de Flinks Flinks est une plateforme de finance intgre qui runit la connectivit, lintelligence financire et les paiements, offrant aux entreprises linfrastructure ncessaire pour concevoir et dployer des expriences financires fluides grande chelle.

Chef de file de la finance ouverte (Open Finance) au Canada, nous avons connu une croissance soutenue depuis 2016 pour devenir lune des plateformes les plus fiables en Amrique du Nord en matire daccs aux donnes financires, denrichissement des donnes et de mouvement de fonds.

Nous collaborons avec des entreprises innovantes dans de nombreux secteurs, notamment le crdit, les technologies financires (fintech), les services bancaires, lassurance et la gestion de patrimoine.

Aujourdhui, notre plateforme est connecte plus de 15 000 institutions financires travers lAmrique du Nord et soutient plus dun million de connexions mensuelles.

Nous offrons galement nos clients un accs plus de 4 500 indicateurs financiers en temps rel afin de favoriser une prise de dcision plus claire.

Les entreprises sappuient sur Flinks pour simplifier lintgration de leurs utilisateurs, vrifier les revenus, valuer le risque de crdit et offrir des expriences de paiement plus rapides.

Notre mission est dacclrer linnovation financire et daider les entreprises crer des expriences financires simples, connectes et centres sur leurs clients.

Cest l que vous entrez en jeu.

Le poste Nous sommes la recherche dun(e) Scientifique de donnes principal(e) (Senior Data Scientist) qui prendra en charge nos modles dapprentissage automatique de bout en bout : de la dfinition du problme et de la conception du modle, jusquau pipeline dentranement, au dploiement en production et au suivi de la qualit du modle une fois en service.

Il sagit dun poste de science des donnes trs pratique et fortement ax sur lingnierie.

Vous concevrez, dvelopperez et dploierez vos propres modles. O se situe ce rle? Vous tes responsable des modles et de leur qualit.

Lquipe dingnierie des donnes (Data Engineering) est responsable de la plateforme de donnes partage et de linfrastructure de dploiement sur laquelle vous vous appuierez : entrept de donnes, pipelines, gouvernance, CI/CD et fiabilit oprationnelle des points de terminaison.

Cela vous permet de vous concentrer sur la science des donnes et le cycle de vie des modles, plutt que sur lexploitation de la plateforme.

Nous tenons tre transparents ce sujet : si vous recherchez un rle purement ax sur la recherche ou lanalyse dans des notebooks, ce poste nest probablement pas pour vous.

En revanche, si lide de mener un modle jusqu un point de terminaison en production, surveill et utilis pour prendre de vritables dcisions financires vous motive, vous vous panouirez chez Flinks.

Nous ne dveloppons pas des modles simplement pour faire du ML.

Nous valuons leur succs en fonction des rsultats daffaires quils gnrent : rduction du risque, amlioration de la qualit des enrichissements, adoption par les clients, efficacit oprationnelle, croissance des revenus, etc.

Faire le lien entre les amliorations apportes vos modles et ces rsultats fait partie intgrante du rle.

Ce que vous ferez Prendre en charge les modles de ML de bout en bout : dfinition du problme, rdaction des documents de conception (RFC), dveloppement, entranement, dploiement et suivi en production.

Concevoir les pipelines dentranement et prparer les modles pour leur mise en service sur la plateforme partage exploite par lquipe Data Engineering.

Assurer la qualit des modles, sans tre responsable de la plateforme elle-mme.

Surveiller les drives (drift), la performance et dterminer les moments appropris pour rentraner les modles.





Mettre en place des processus dvaluation rigoureux : exprimentation, validation statistique, dtection de drive, rentranement, approches champion-challenger et promotion des modles.

Collaborer avec plusieurs quipes de lorganisation.

Les rsultats de vos modles alimentent les couches dattributs et denrichissement, les systmes de risque lis aux paiements, les tableaux de bord et les intgrations clients.

Travailler troitement avec les quipes Data Engineering, Dveloppement Backend, Produit et Assurance qualit (QA) sur les contrats de donnes, les dploiements et les mises en production.

Tirer parti du dveloppement assist par lIA afin dacclrer limplmentation et lexprimentation.

Les contributions ayant le plus dimpact dans ce rle reposent sur une excellente dfinition des problmes, une solide conception de systmes, une grande rigueur analytique et des spcifications techniques claires.

Ce sur quoi vous travaillerez Voici quelques-uns des systmes de ML actuellement en production dont vous serez responsable de bout en bout: Catgorisation des transactions - Classificateur hirarchique multitche bas sur BERT, excut sous forme de modles segments, entran partir de donnes tiquetes et enrichi par des donnes synthtiques pour les catgories rares.

Dtection des annulations et de la catgorie finale - Modle hybride combinant apprentissage automatique et rgles analytiques permettant de classifier les diffrents types dannulation et de les associer leur transaction dorigine.

Analyseur (NER) de transactions - Classificateur multilingue de type token permettant dextraire des entits partir de descriptions transactionnelles brutes.

Prvision des soldes et du risque de paiement - Modles de prvision de sries temporelles quantiles alimentant les couches dcisionnelles lies au risque et aux offres.

Suite denrichissement financier - Modles lis aux revenus, revenus nets, frquence des revenus, pertes demploi, vnements de vie et frquence des paies.

Outils analytiques et de suivi de la qualit des modles - Dveloppement et maintien des outils internes permettant de surveiller la performance des modles, les indices de stabilit de population (PSI), les drives et les distributions de catgories.

Notre environnement technologique Python et SQL Google Cloud Platform (GCP) Big

Query et outils modernes de gestion de donnes PyTorch, Hugging

Face et autres frameworks dapprentissage automatique MLflow et Kubeflow FastAPI et dploiement conteneuris Azure Dev

Ops Vous navez pas besoin davoir utilis tous les outils mentionns ci-dessus.

Une solide expertise en apprentissage automatique appliqu la production est plus importante que la matrise exacte de notre pile technologique.

Python constitue toutefois une exigence essentielle.

Pourquoi ce poste? Grande autonomie, peu de bureaucratie - Vous tes responsable de vos modles de bout en bout et vous voyez directement leur impact sur les dcisions financires prises par des banques et des entreprises fintech.

Une pile technologique moderne - Travaillez avec une architecture infonuagique moderne et des outils de dveloppement assists par lintelligence artificielle.

Un impact rel grande chelle - Vous travaillerez avec des donnes financires rglementes, des systmes denrichissement et des infrastructures de paiement critiques.

Exigences essentielles Exprience Entre 6 et 8 annes dexprience dans le dveloppement et le dploiement de modles dapprentissage automatique.

Exprience dmontre dans la mise en production complte de modles (pipeline dentranement service en production surveillance).

Formation Baccalaurat dans un domaine quantitatif (informatique, statistique, mathmatiques appliques ou domaine connexe).

Une matrise ou un doctorat constitue un atout, mais nest pas obligatoire.

Chez Flinks, la capacit dvelopper et dployer des modles en production prime sur les diplmes.

Exigences incontournables Excellente matrise de Python dans un contexte de production.

Capacit dmontre mener un modle jusqu un service en production surveill.

Solides fondations en science des donnes et en apprentissage automatique.

Un profil limit lanalyse exploratoire ou au travail en notebook ne rpondra pas aux attentes du poste.

Autorisation de travail Vous devez tre lgalement autoris(e) travailler au Canada.

Fourchette salariale Pour les candidats expriments et qualifis rsidant au Canada, au niveau principal (IC4), la fourchette salariale annuelle se situe entre 120 000 $ et 160 000 $ CAD.

Ce que Flinks offre Dans le cadre de son programme global de rmunration et davantages sociaux, Flinks offre notamment: Couverture sant et dentaire ds le premier jour Politique de congs flexibles (FTO) Environnement de travail distance avec des rencontres et activits en personne rgulires Opportunits de dveloppement professionnel, dapprentissage et de croissance Et bien plus encore Accessibilit Flinks sengage offrir des mesures dadaptation aux personnes en situation de handicap.

Si vous avez besoin dun accommodement dans le cadre du processus de recrutement ou demploi, nous travaillerons avec vous afin de rpondre vos besoins.

Intelligence artificielle et recrutement Flinks utilise lintelligence artificielle (IA) dans le cadre de son processus de recrutement afin daider la prslection, lvaluation ou la slection des candidats.

📌 Senior Data Scientist (Montreal)
🏢 Flinks
📍 Montreal