(English version below) Rejoignez une entreprise base Montral qui aide les organisations du monde entier crer un parcours personnalis, enrichissant et panouissant pour leurs employs.

Explorance propose des solutions innovantes d''analyse de la rtroaction, car nous croyons que chaque exprience compte.

Nous recherchons un(e) scientifique spcialis(e) en apprentissage automatique appliqu pour nous aider concevoir, valuer et dployer en production des systmes d''apprentissage automatique et de modlisation de l''apprentissage (LLM) qui facilitent la prise de dcision pour des millions d''utilisateurs dans le monde.

Ce poste se situe l''intersection de la recherche et du produit, et se concentre sur l''exprimentation, les cadres d''valuation et les performances en situation relle, et non pas uniquement sur la modlisation.

Description du Rle: Concevoir et excuter des expriences pour valuer les approches ML et LLM.

Dfinir des mtriques, des ensembles de donnes et des critres d''acceptation pour les fonctionnalits proposes.

Analyser les erreurs, les cas limites et les compromis cot-qualit.

Collaborer avec les ingnieurs pour traduire les rsultats en spcifications prtes tre mises en uvre.

Rviser la qualit des donnes, les stratgies d''tiquetage et les lacunes des ensembles de donnes.

Documenter les conclusions, les recommandations et les justifications des dcisions.

Conseiller sur la pertinence des LLM, du ML traditionnel ou de solutions plus simples pour un problme donn.

Responsabilits Cls: Concevoir et excuter des expriences de recherche applique sur les systmes ML, y compris: Modles ML traditionnels (par exemple, classification, scoring, classement) Approches bases sur LLM lorsque c''est appropri Dfinir les mthodologies d''valuation, les mtriques, les ensembles de donnes et les critres d''acceptation pour les fonctionnalits bases sur ML valuer les compromis entre performance du modle, interprtabilit, cot et complexit oprationnelle Analyser les erreurs, les cas limites et les entres ambigus ; proposer des stratgies de mitigation concrtes Contribuer aux systmes ML existants en soutenant: La stratgie de donnes et les approches d''tiquetage L''entranement, la validation et l''valuation des modles valuer quand les LLM sont appropris par rapport quand les approches ML standard sont suffisantes Produire des rsultats de recherche clairs, y compris: Conclusions et recommandations crites Spcifications prtes pour la mise en uvre pour les quipes d''ingnierie Collaborer troitement avec les ingnieurs en logiciels ML et le responsable de l''quipe de recherche applique pour assurer une transition fluide de la recherche la production Qualifications Requises: Exprience solide en apprentissage automatique appliqu dans des environnements orients production Exprience pratique avec Python et PyTorch ou des cadres ML similaires Exprience de la conception et de l''excution d''expriences structures ML et LLM (locales et tierces) Capacit dfinir et interprter des mtriques d''valuation quantitatives Comptences analytiques solides pour l''analyse des erreurs et la comparaison des modles Capacit documenter clairement les rsultats et les justifications des dcisions Exprience de travail avec la fois des modles ML traditionnels et des systmes bass sur LLM Familiarit avec des tches de NLP telles que la classification, l''extraction ou le rsum Exprience de travail avec des ensembles de donnes tiquets et l''amlioration itrative des donnes Familiarit avec les bases de donnes relationnelles (par exemple, Postgres, MSSQL) pour les donnes exprimentales Prfrences / Atouts: Familiarit avec les tableaux de bord de surveillance ou d''valuation (par exemple, Grafana) Exprience de collaboration avec des quipes de plateforme ou d''infrastructure Proprit & Impact:



Possder les standards d''valuation et les critres de qualit pour les systmes ML S''assurer que les approches ML sont valides avant l''investissement en production Soutenir la cohrence et la rutilisation des capacits ML et LLM Permettre l''adoption dlibre et fonde sur des preuves de nouvelles techniques tout en renforant les fondations ML existantes Le candidat idal: Est un chercheur appliqu pragmatique qui optimise pour la valeur client plutt que pour l''lgance technique.

Est l''aise avec le travail sous des contraintes relles (cot, latence, qualit des donnes).

Possde un jugement fort et reste calme face l''incertitude.

Traite des donnes et de l''valuation comme des proccupations d''ingnierie de premire classe.

Peut communiquer clairement les rsultats et les compromis des publics non chercheurs. quilibre curiosit et discipline et suit les problmes jusqu'' des rsultats exploitables.

Incarne l''tat d''esprit de btisseursavantoprateur : pratique, rigoureux et conscient des oprations.

Autres exigences: Postulez uniquement si vous rsidez Montral (ou dans les environs) et que vous souhaitez faire partie d''une culture d''entreprise dynamique et stimulante.

Chez Explorance, linclusion est au cur de nos valeurs et guide nos actions au quotidien.

Nous plaons lhumain au centre de tout ce que nous faisons et sommes fiers de notre authenticit et de notre culture inclusive.

Nous encourageons les personnes de toute race, religion, origine ethnique, identit de genre, orientation sexuelle, ge, statut dimmigration, situation de handicap ou toute autre caractristique protge par la loi postuler.

Les dcisions lies lemploi sont prises sans gard ces caractristiques, et toute offre demploi est conditionnelle la russite des vrifications dantcdents et de rfrences.

Pour plus dinformations, visitez ou contactez-nous sur, et.

Join a Montreal headquartered company that helps organizations around the world create a personalized journey of impact and fulfillment for their people.

Explorance offers innovative Feedback Analytics solutions because we believe that each experience matters.

Were looking for an Applied ML Scientist to help us design, evaluate, and productionize machine learning and LLM-based systems that power decision-making for millions of users globally.

This role sits at the intersection of research and product, focusing on experimentation, evaluation frameworks, and real-world performancenot just model building.

Role Description: Designing and running experiments to evaluate ML and LLM approaches.

Defining metrics, datasets, and acceptance criteria for proposed features.

Analyzing errors, edge cases, and costquality trade-offs.

Collaborating with engineers to translate findings into implementation-ready specifications.

Reviewing data quality, labeling strategies, and dataset gaps.

Documenting conclusions, recommendations, and decision rationales.

Advising on whether LLMs, traditional ML, or simpler solutions are most appropriate for a given problem.

Key Responsibilities: Design and execute applied research experiments across ML systems, including: Traditional ML models (, classification, scoring, ranking) LLM-based approaches where appropriate Define evaluation methodologies, metrics, datasets, and acceptance criteria for ML-driven features Assess trade-offs between model performance, interpretability, cost, and operational complexity Analyze errors, edge cases,



and ambiguous inputs; propose concrete mitigation strategies Contribute to existing ML systems by supporting: Data strategy and labeling approaches Model training, validation, and evaluation Evaluate when LLMs are appropriate versus when standard ML approaches are sufficient Produce clear research outputs, including: Written conclusions and recommendations Implementation-ready specifications for engineering teams Collaborate closely with ML Software Engineers and the Applied Research Team Lead to ensure smooth handoff from research to production Required Qualifications: Robust experience in applied machine learning in production-oriented environments Hands-on experience with Python and PyTorch or similar ML frameworks Experience designing and running structured ML and LLM (local and third party) experiments Ability to define and interpret quantitative evaluation metrics Strong analytical skills for error analysis and model comparison Ability to clearly document findings and decision rationales Experience working with both traditional ML models and LLM-based systems Familiarity with NLP tasks such as classification, extraction, or summarization Experience working with labeled datasets and iterative data improvement Exposure to relational databases (, Postgres, MSSQL) for experiment data Preferred / Nice-to-Have: Familiarity with monitoring or evaluation dashboards (, Grafana) Experience collaborating with platform or infrastructure teams Ownership & Impact: Own evaluation standards and quality criteria for ML systems Ensure ML approaches are validated before production investment Support consistency and reuse across ML and LLM capabilities Enable deliberate, evidence-based adoption of new techniques while strengthening existing ML foundations Candidate Requirements Is a pragmatic applied researcher who optimizes customer value over technical elegance.

Is comfortable working under real-world constraints (cost, latency, data quality).

Has strong judgment and remains calm under uncertainty.

Treats data and evaluation as first-class engineering concerns.

Can clearly communicate findings and trade-offs to non-research audiences.

Balances curiosity with discipline and follows problems through to actionable outcomes.

Embodies the builderscholaroperator mindset: hands-on, rigorous, and operationally aware.

Other Requirements Apply if you are a Montreal (or surroundings) resident - with expectation of working from our global headquarters.

At Explorance, we take inclusion to heart and live it each day.

We put the human first in everything we do and take pride in our authenticity and culture of inclusion.

We encourage candidates of any race, religion, ethnicity, gender identity, sexual orientation, age, immigration status, disability, or other legally protected characteristics to apply.

Employment decisions are made without regard to these characteristics, and all offers of employment are contingent upon the successful completion of background and reference checks.

About Explorance Explorance empowers organizations with nextgeneration feedback analytics to accelerate the insighttoaction cycle, guided by our philosophy of

Feedback for the Brave.

With over years of expertise, Explorance is a member of the World Economic Forum and a trusted partner to % of Fortune companies and % of the worlds top highereducation institutions.

Our awardwinning solutionsincluding Blue, Metrics That Matter, and MLYhave impacted more than million individuals worldwide.

Consistently recognized as a top employer by Great Place to Work, a Brandon Hall AI Award winner, and a twotime Global Leader in the degree feedback market by Fortune Business Insights, Explorance continues to lead with purpose, innovation, and heart.

Visitor,.

📌 Scientifique en IA/ML appliquée (Systèmes ML et LLM) / Applied AI/ML Scientist (ML & LLM Systems)
🏢 Explorance
📍 Montreal