Senior Machine Learning Engineer

About Us As a global boutique firm, we partner with leading organizations to solve their most pressing challenges through Machine Learning and data engineering, creating sustainable value at scale. As a client-facing consultancy, our team must be adaptable, technically rigorous, and capable of designing systems from the ground up across a wide range of industries in North America and beyond. Role Overview We are looking for a Senior Machine Learning Engineer to design, build, and deploy scalable ML solutions for our clients. You will work across diverse projects, collaborating with cross-functional teams to deliver production-ready AI systems in modern cloud environments. Key Responsibilities Design, build, and deploy machine learning and deep learning models in production environmentsDevelop and maintain MLOps pipelines (CI/CD, monitoring, model versioning) across cloud platformsWork with large-scale datasets for training, validation, and evaluationImplement and optimize LLM-based solutions, including:- Fine-tuning foundation models - Building and deploying RAG (Retrieval-Augmented Generation) systems Collaborate with clients and internal teams to translate business problems into ML solutionsEnsure model performance, scalability, and reliability in productionStay current with advancements in AI/ML, especially in generative AI and LLMs Required Qualifications 4+ years of experience in Machine Learning Engineering or related rolesStrong experience with Python and ML frameworks (e.g., PyTorch, TensorFlow, Scikit-learn)Apply and optimize traditional machine learning algorithms (e.g., tree-based models, gradient boosting, neural networks) for structured data problemsHands-on experience with deep learning models (e.g., CNNs, RNNs)Experience building and deploying production ML systemsFamiliarity with MLOps practices and tools (e.g., MLflow, Kubeflow, Airflow, CI/CD pipelines)Experience with cloud platforms (at least one of AWS, Azure, or GCP; multi-cloud is a plus)Implement and optimize LLM-based solutions, including: Fine-tuning foundation models, prompt engineering, building and deploying RAG (Retrieval-Augmented Generation) systemsExperience building RAG pipelines (vector databases, embeddings, retrieval strategies) Nice to Have Experience in a consulting or client-facing roleFamiliarity with tools like LangChain, LlamaIndex, or similar frameworksKnowledge of data engineering (Spark, SQL, data pipelines)Experience with containerization and orchestration (Docker, Kubernetes)Understanding of model governance, monitoring, and responsible AI What We Offer Opportunity to work on cutting-edge AI/ML and GenAI projectsExposure to a variety of industries and problem domainsFlexible work environment (hybrid)Competitive compensation and growth opportunities Français À propos de nous En tant que boutique d’envergure internationale, nous collaborons avec des organisations de premier plan pour relever leurs défis les plus stratégiques grâce au Machine Learning et à l’ingénierie des données, afin de créer une valeur durable. En tant que firme-conseil en contact direct avec les clients, notre équipe doit faire preuve d’adaptabilité, de rigueur technique et d’une forte capacité à concevoir des systèmes de bout en bout pour divers secteurs d’activité en Amérique du Nord et ailleurs. Aperçu du poste Nous recherchons un ingénieur sénior en apprentissage automatique pour concevoir, développer et déployer des solutions d’IA évolutives pour nos clients. Vous travaillerez sur des projets variés, en collaboration avec des équipes multidisciplinaires, afin de livrer des systèmes d’IA prêts pour la production dans des environnements cloud modernes. Principales responsabilités Concevoir, développer et déployer des modèles de machine learning et de deep learning dans des environnements de productionDévelopper et maintenir des pipelines MLOps (CI/CD, surveillance, gestion des versions des modèles) sur des plateformes cloudTravailler avec des jeux de données à grande échelle pour l’entraînement, la validation et l’évaluationMettre en œuvre et optimiser des solutions basées sur les LLM, notamment :l’ajustement fin de modèles de fondationla conception et le déploiement de systèmes RAG (Retrieval-Augmented Generation)Collaborer avec les clients et les équipes internes afin de traduire des enjeux d’affaires en solutions de machine learningGarantir la performance, l’évolutivité et la fiabilité des modèles en productionSe tenir à jour sur les avancées en IA/ML, en particulier en IA générative et en LLM Qualifications requises 4 ans ou plus d’expérience en ingénierie du machine learning ou dans des rôles connexesSolide expérience avec Python et les frameworks de ML (p. ex. PyTorch, TensorFlow, Scikit-learn)Capacité à appliquer et à optimiser des algorithmes traditionnels de machine learning (p. ex. modèles arborescents, gradient boosting, réseaux neuronaux) pour des problèmes sur données structuréesExpérience pratique avec des modèles de deep learning (p. ex. CNN, RNN)Expérience dans la conception et le déploiement de systèmes de ML en productionMaîtrise des pratiques et outils MLOps (p. ex. MLflow, Kubeflow, Airflow, pipelines CI/CD)Expérience avec des plateformes cloud (au moins une parmi AWS, Azure ou GCP; le multi-cloud est un atout)Expérience dans la mise en œuvre et l’optimisation de solutions basées sur les LLM, notamment : l’ajustement fin de modèles de fondation, le prompt engineering, la conception et le déploiement de systèmes RAG (Retrieval-Augmented Generation)Expérience dans la conception de pipelines RAG (bases de données vectorielles, embeddings, stratégies de récupération) Atouts supplémentaires Expérience en cabinet de conseil ou dans un rôle en contact direct avec la clientèleFamiliarité avec des outils comme LangChain, LlamaIndex ou des frameworks similairesConnaissance de l’ingénierie des données (Spark, SQL, pipelines de données)Expérience en conteneurisation et orchestration (Docker, Kubernetes)Compréhension de la gouvernance des modèles, de leur surveillance et de l’IA responsable Ce que nous offrons L’occasion de travailler sur des projets de pointe en IA/ML et en IA générativeUne exposition à une grande variété de secteurs et de problématiquesUn environnement de travail flexible (hybride)Une rémunération concurrentielle et des possibilités d’évolution professionnelle