About Ondova

Ondova is a Montreal deep-tech startup, spun out of the TandemLaunch incubator. We reuse the driver already inside an ordinary headphone or earbud as both the speaker and a biosignal sensor, with no added sensors. That turns everyday headphones into heart-rate, wear-detection, user-identification and gesture sensors. We are pre-commercial, patent-backed, and building the reference hardware and software that partners and OEMs will license.

The role

You will work directly with our CTO on the science at the core of the product: the algorithms that turn raw speaker-sensed signals into biometrics. Heart rate, wearer identification, wear detection, gesture recognition. The acquisition tooling already exists; your job is what happens to the data afterward. Pulling physiological signal out of noise, building and evaluating models, and testing hypotheses about how well each feature holds up under motion, playback, and real-world variation.

This is a hands-on research-engineering role for someone who wants their models to end up in a shipping product rather than a paper. You will own the quality of our results: the evaluation harnesses, the benchmarks, and the discipline behind every number we show a partner.

What you will do

- Explore speaker-sensed biosignal datasets; form and test hypotheses about what the signal contains and what corrupts it.
- Design, implement, and evaluate signal-processing and machine-learning methods for feature extraction, heartbeat recovery, wearer identification, gesture classification, and interference rejection.
- Own results QA: build evaluation harnesses and regression benchmarks (MAE, MAPE, correlation, Bland-Altman, availability), track them as methods evolve, and report what works and what does not with equal clarity.
- Run robustness studies across motion artifacts, playback conditions, fit variation, and unit-to-unit spread; quantify where each feature degrades and why.
- Document methods and results so that every claim we make to a partner is traceable to an experiment.

What we are looking for

- Master's or PhD in engineering, computer science, physics, applied math or a related field, or a Bachelor's with equivalent research experience, plus roughly 3 to 8+ years of applied work. The role is leveled to the candidate, intermediate to senior.
- Strong Python scientific stack (NumPy, SciPy, pandas, scikit-learn and/or a deep-learning framework) and solid software habits: tests, Git, code review.
- Real signal-processing fundamentals: filtering, FFT and spectral analysis, sampling. You can reason about a time series before you model it.
- Statistical and evaluation literacy. You know when correlation misleads, why Bland-Altman exists, and how to design an experiment that could prove you wrong.




- Comfort with messy real-world data, and the habit of stating your assumptions.
- Transparent communication of a result and its limitations, to researchers and to business stakeholders.

Nice to have

- Biosignals (ECG, PPG, audio).
- Time-series deep learning; self-supervised or small-data methods.
- Awareness of real-time and on-device constraints: compute, latency, memory.

Logistics

Montreal, hybrid, full-time. Intermediate to senior; we level the role to the candidate. Selected candidates complete a short take-home signal-processing exercise (about two hours) before the technical conversation. Ondova is an equal-opportunity employer and welcomes applicants of every background.

---------------------------------------------------

À propos d'Ondova

Ondova est une jeune entreprise de deep tech montréalaise, issue de l'incubateur TandemLaunch. Nous réutilisons le haut-parleur déjà présent dans un écouteur ordinaire à la fois comme haut-parleur et comme capteur de biosignaux, sans capteur ajouté. Des écouteurs de tous les jours deviennent ainsi des capteurs de fréquence cardiaque, de détection du port, d'identification de l'utilisateur et de gestes.

Nous sommes en phase pré-commerciale, protégés par brevets, et nous développons le matériel et le logiciel de référence que nos partenaires et les fabricants viendront licencier.

Le poste

Vous travaillerez directement avec notre directeur technique sur la science au cœur du produit : les algorithmes qui transforment les signaux captés par le haut-parleur en mesures biométriques. Fréquence cardiaque, identification du porteur, détection du port, reconnaissance de gestes. Les outils d'acquisition existent déjà ; votre travail commence après.

Extraire le signal physiologique du bruit, construire et évaluer des modèles, et tester des hypothèses sur la robustesse de chaque fonction face au mouvement, à la lecture audio et à la variabilité du monde réel.

C'est un poste de recherche appliquée, très concret, pour quelqu'un qui veut voir ses modèles aboutir dans un produit plutôt que dans un article. Vous serez responsable de la qualité de nos résultats : les bancs d'évaluation, les mesures de référence, et la rigueur derrière chaque chiffre que nous présentons à un partenaire.

Vos responsabilités





- Explorer les jeux de données de biosignaux captés par le haut-parleur ; formuler et tester des hypothèses sur ce que contient le signal et sur ce qui le corrompt.
- Concevoir, implémenter et évaluer des méthodes de traitement du signal et d'apprentissage automatique pour l'extraction de caractéristiques, la récupération du battement cardiaque, l'identification du porteur, la classification de gestes et le rejet d'interférences.
- Assurer le contrôle qualité des résultats : bancs d'évaluation et mesures de référence (MAE, MAPE, corrélation, Bland-Altman, disponibilité), suivis au fil de l'évolution des méthodes, avec la même clarté sur ce qui fonctionne et sur ce qui ne fonctionne pas.
- Mener des études de robustesse : artéfacts de mouvement, conditions de lecture audio, variation d'ajustement, dispersion entre unités ; quantifier où chaque fonction se dégrade et pourquoi.
- Documenter méthodes et résultats afin que chaque affirmation faite à un partenaire soit traçable jusqu'à une expérience.

Profil recherché

- Maîtrise ou doctorat en génie, informatique, physique, mathématiques appliquées ou domaine connexe, ou baccalauréat avec expérience de recherche équivalente, et environ 3 à 8 ans et plus de pratique. Le niveau du poste s'ajuste à la personne, d'intermédiaire à senior.
- Maîtrise solide de l'écosystème scientifique Python (NumPy, SciPy, pandas, scikit-learn ou un cadriciel d'apprentissage profond) et de bonnes pratiques logicielles : tests, Git, revue de code.
- Bases réelles en traitement du signal : filtrage, FFT et analyse spectrale, échantillonnage. Vous savez raisonner sur une série temporelle avant de la modéliser.
- Culture statistique et sens de l'évaluation. Vous savez quand une corrélation induit en erreur, pourquoi Bland-Altman existe, et comment concevoir une expérience capable de vous donner tort.
- À l'aise avec des données réelles imparfaites, et habitué à énoncer vos hypothèses.
- Capacité à expliquer clairement un résultat et ses limites, autant à des chercheurs qu'à des interlocuteurs d'affaires.

Atouts

- Biosignaux (ECG, PPG, audio).
- Apprentissage profond sur séries temporelles ; méthodes auto-supervisées ou adaptées aux petits jeux de données.
- Sensibilité aux contraintes temps réel et embarquées : calcul, latence, mémoire.

Conditions

Montréal, mode hybride, temps plein. Niveau intermédiaire à senior ; le poste s'ajuste à la personne. Les personnes retenues réalisent un court exercice pratique de traitement du signal (environ deux heures) avant l'entretien technique. Ondova souscrit au principe d'égalité d'accès à l'emploi et accueille les candidatures de tous les horizons.

📌 Data Scientist (Montreal)
🏢 Ondova
📍 Montreal