Code de demande: 433050

Chez Bell, on ne se contente pas de construire des réseaux de calibre mondial, d’élaborer des services novateurs et de créer du contenu pour des médias multiplateformes : on transforme la façon dont les Canadiens communiquent entre eux et avec le reste du monde.

Si vous êtes prêt à donner corps à des idées innovatrices et à vous joindre à une entreprise qui encourage, le développement professionnel et le bien-être de ses employés, l’équipe Bell est faite pour vous.

L’équipe Bell Mobilité propose aux consommateurs et aux clients d’affaires les meilleurs et plus récents appareils mobiles, services sans fil et solutions Internet des objets, ainsi que les vitesses, la couverture et la fiabilité incomparables du meilleur réseau national au pays. Nous aimons innover et relever de grands défis et, par-dessus tout, nous nous passionnons pour les technologies de pointe.

Résumé

Nous recherchons une personne au développement d’expérience en apprentissage automatique (AA) pour se joindre à notre équipe de la plateforme AIOps. Dans ce rôle, vous travaillerez en étroite collaboration avec les scientifiques des données pour mettre en production des solutions d’intelligence artificielle et d’apprentissage automatique (IA/AA). Vous accélérerez la livraison de nos services d’IA de base, de la validation de principe à une qualité de production hautement disponible. Vous comblerez le fossé entre la science des données et les opérations de la plateforme, en appliquant des pratiques d’ingénierie logicielle robustes, un développement axé sur l’intention et les meilleures pratiques MLOps pour garantir que nos systèmes sont évolutifs, fiables et performants.

Principales responsabilités

- Ingénierie de l’apprentissage machine (ML)



en production : Collaborer avec les équipes de science des données, les développeurs, développeuses et architectes de plateforme et d’autres équipes pour opérationnaliser les modèles d’apprentissage machine (ML), les flux de travail des grands modèles de langage (LLM) ou agentiques, et l’analytique avancée.
- MLOps et gestion du cycle de vie : Gérer le cycle de vie complet de l'apprentissage automatique (ingénierie des fonctionnalités, formation, évaluation, déploiement). Appliquer les meilleures pratiques
- MLOps, y compris l'intégration et le déploiement continus (CI/CD), le versionnement des modèles, la reproductibilité et les contrôles de déploiement.
- Conception de pipelines et d'architectures : Construire des pipelines de diffusion en continu en temps réel à l'aide d'Apache Beam/Dataflow et concevoir des architectures événementielles robustes (modèles Kafka/PubSub).
- Concevoir et créer des architectures de système à haut débit et à faible latence avec une idempotence et une déduplication strictes.
- API et prestation de services : Diriger la conception des API et des schémas pour les services complexes compatibles avec l'apprentissage automatique.
- Qualité et fiabilité : Inculquer un solide état d’esprit axé sur les tests et la qualité à l’ensemble de l’équipe (développement piloté par les tests, tests unitaires/d’intégration,



révisions de code, vérifications de sécurité). Déboguer et optimiser les systèmes distribués pour une performance maximale.
- Gestion des infrastructures : Mettre en œuvre l'infrastructure en tant que code (Terraform/CDKTF) pour gérer les déploiements évolutifs et natifs du cloud.

Qualifications Essentielles

- Baccalauréat ou diplôme supérieur en informatique, en génie informatique ou dans un domaine connexe. Une expérience pertinente peut être considérée à la place d'un diplôme.
- Plus de 5 ans d'expérience professionnelle en génie logiciel, spécifiquement axée sur les systèmes d'IA/ML de qualité production.
- Maîtrise de niveau expert en ingénierie logicielle Python.
- Solide expérience avec la pile GCP (Vertex AI, BigQuery, Spanner, GKE, GCS, Pub/Sub).
- Connaissance pratique approfondie des meilleures pratiques MLOps et de la mise en production de modèles, du concept à des services de production hautement disponibles.
- Expérience pratique du traitement des données en temps réel (Apache Beam, Dataflow) et de l’architecture événementielle (Kafka, PubSub).
- Capacité avérée en matière d'infrastructures en tant que code (Terraform/CDKTF) et d'orchestration infonuagique (Kubernetes).
- Solide discipline de test de logiciels et d’assurance de la qualité (tests unitaires, d’intégration, de bout en bout et fonctionnels, revue de code, vérifications de sécurité)
- Expérience pratique des cadres d’apprentissage machine (ML) comme PyTorch, scikit-learn, XGBoost ou TensorFlow.
- Expérience avec les bases de données orientées graphe / Spanner Graph et les réseaux de neurones graphiques (GNN)
- Solides compétences en commu

📌 Dév. princ., ingénierie appr. auto. I (Canada)
🏢 Bell
📍 Canada