Ericsson

Ingénieur(e) En Gestion De Données ML

Ericsson • $110K — $130K *
Montreal, QC H1A 0A1In-Person
Information Technology
5 - 7 years of experience
Today
Be an Early Applicant
Job Overview by Ladders

Qualifications

  • Bachelor's degree in Computer Science, Software Engineering, or a related field; a master's degree preferred.
  • 5-8 years of progressive experience in data engineering, software engineering, platform development, or MLOps; 10+ years for expert level.
  • Proficiency in Python, Go, and SQL.
  • Experience with Docker, Kubernetes, and GitOps tools like Flux/ArgoCD.
  • Hands-on experience with data management, automation for deployment, and operational tasks.

Responsibilities

  • Lead the design, integration, and launch of an end-to-end Data Management and MLOps SaaS/PaaS offering.
  • Collaborate with architects and infrastructure teams to define the technical vision and roadmap.
  • Architect scalable and secure multi-tenant SaaS infrastructure ensuring robust data governance.
  • Build and maintain automated feature stores with compliance metadata.
  • Design advanced CI/CD workflows for model validation and testing.

Benefits

  • Opportunity for remote work and flexible hours.
  • Career development via mentorship and technical leadership roles.
  • Access to emerging technologies and complex projects.
  • Engagement with a community of developers for knowledge sharing.
  • Focus on innovation with cutting-edge MLOps practices.
Full Job Description
Vos missions

Architecture et conception stratégique
  • Piloter la conception, l'intégration et le lancement d'une offre SaaS/PaaS clé en main de gestion des données et de MLOps, incluant un data lakehouse, des pipelines ETL/ELT, un catalogue de données, des capacités d'observabilité opérationnelle ainsi que des environnements d'entraînement et d'inférence ML.
  • Collaborer étroitement avec les architectes systèmes et les équipes d'infrastructure afin de définir la vision technique et la feuille de route de la plateforme.
  • Concevoir une infrastructure SaaS multi-locataire (multi-tenant) évolutive et sécurisée, garantissant l'isolation des données, le contrôle d'accès fondé sur les rôles (RBAC) et une gouvernance des données rigoureuse.


Ingénierie de plateforme et développement
  • Développer et maintenir des feature stores automatisés avec gestion stricte des versions et métadonnées de conformité.
  • Concevoir des flux CI/CD avancés intégrant des jalons d'évaluation automatisés pour détecter la dérive des modèles (model drift), tester les biais et valider la qualité des données.
  • Concevoir et développer un écosystème intuitif d'intégration (onboarding), d'observabilité et de dépannage en libre-service pour nos prestations MLOps et de gestion de données.
  • Créer et standardiser des modèles de pipelines de données réutilisables, des composants ETL/ELT, des structures de projet et des outils CLI sur mesure afin d'accélérer le déploiement et la prise en main par les équipes.
  • Gérer des flux de données bidirectionnels, sécurisés et auditables entre les services internes et tiers, en déployant des fonctionnalités de gouvernance et de traçabilité (masquage des données personnelles/PII, tokenisation, détection de logiciels malveillants, suivi de la provenance).
  • Évoluer avec aisance dans des environnements multi-technologies et multi-plateformes IT.


Leadership technique et accompagnement
  • Agir en tant que référent• e technique et mentor auprès des ingénieur• es juniors, en faisant rayonner les meilleures pratiques d'ingénierie, de conception et d'exploitation.
  • Piloter et optimiser en continu le parcours d'intégration des développeurs sur la plateforme, rédiger une documentation technique claire et à jour, et échanger activement avec la communauté d'utilisateurs pour recueillir leurs retours.
  • Définir et suivre les indicateurs de productivité des développeurs (ex. temps de compilation, délais de validation des PR, métriques DORA/SPACE) afin d'identifier et de résorber proactivement les points de friction.
  • Contribuer activement à la création d'accélérateurs et de pipelines de modèles réutilisables, garantissant la conformité réglementaire et l'éthique des modèles dès la phase de conception (ethics by design).


Opérations et fiabilité
  • Appliquer et faire évoluer les pratiques SRE/DevOps/SecOps (pipelines CI/CD, surveillance continue avec boucles de rétroaction, observabilité globale et écosystèmes Infrastructure-as-Code basés sur GitOps) afin de garantir le maintien des services dans l'état cible.
  • Qualifier et résoudre les dysfonctionnements des outils internes et de la plateforme, en apportant un support réactif et une communication claire lors des incidents critiques.


Profil recherché

Formation
  • Diplôme d'ingénieur ou Master (Bac +5) en informatique, génie logiciel ou domaine équivalent.


Expérience
  • 5 à 8 ans d'expérience progressive pour un profil senior (et 10 ans ou plus pour un niveau d'expert) en ingénierie des données, génie logiciel, développement de plateformes ou MLOps, avec une pratique confirmée de la conception et de l'exploitation de systèmes distribués à grande échelle.


Expertise technique
  • Maîtrise avancée de Python, Go et SQL.
  • Solide expérience pratique de Docker, Kubernetes, Helm/Flux, ainsi que des outils d'IaC et GitOps (idéalement Flux / ArgoCD).
  • Expérience concrète dans la gestion des données, l'automatisation des déploiements et l'exploitation opérationnelle.
  • Connaissance privilégiée des services d'infrastructures équivalents chez les grands fournisseurs cloud (AWS, Azure, GCP) et expérience préalable des environnements SaaS en cloud hybride.
  • Maîtrise des outils d'orchestration de données (Apache Airflow, Dagster) et des architectures d'entrepôts/puits de données (data warehouse / lakehouse).
  • Familier• e des architectures data lakehouse (Apache Iceberg / Delta Lake), d'Apache Spark, de Kafka et des formats d'ouverture de tables (open table formats).
  • Expérience des plateformes ML telles que JupyterLab, SageMaker, Vertex AI ou d'environnements d'entraînement/inférence ML équivalents.


Compétences clés
  • Architecture de données : Capacité avérée à concevoir et déployer des architectures de data lakes et data warehouses robustes, évolutives et sécurisées.
  • Gouvernance des données : Connaissance approfondie des principes de gouvernance, de catalogage, de traçabilité (lineage), de masquage des données personnelles (PII) et de conformité réglementaire.
  • MLOps : Expertise dans le déploiement des meilleures pratiques MLOps (gestion du cycle de vie des modèles, déploiement, surveillance et réentraînement).
  • Sécurité : Maîtrise des meilleures pratiques en sécurité informatique, notamment l'architecture Zero Trust, la gestion des identités et des accès (IAM) et la protection des données en transit et au repos.
  • Leadership : Aptitude à animer les réflexions techniques, trancher sur les orientations d'architecture, accompagner les profils plus juniors et fédérer les parties prenantes.
  • Communication : Excellentes capacités rédactionnelles et relationnelles, posture orientée service/produit et volonté d'offrir une expérience fluide aux équipes de développement.
  • Curiosité et autonomie : Capacité à travailler en équipe tout en sachant évoluer de manière autonome, gestion méthodique des priorités et curiosité naturelle pour les technologies émergentes et les défis complexes.


What you will do

Architecture & Strategic Design:
  • Lead the design, integration, and launch of an end-to-end Data Management and MLOps SaaS/PaaS offering, including a data lakehouse, ETL/ELT pipelines, data catalog, operational observability capabilities, and ML training/inference environments.
  • Collaborate closely with end-to-end architects and infrastructure teams to define the technical vision and roadmap for the platform.
  • Architect scalable and secure multi-tenant SaaS infrastructure, ensuring tenant data isolation, role-based access control (RBAC), and robust data governance.


Platform Engineering & Development:
  • Build and maintain automated feature stores with strict versioning and compliance metadata.
  • Develop advanced CI/CD workflows with automated gates for model drift, bias testing, and data quality validation.
  • Design and develop an intuitive service onboarding and observability/troubleshooting ecosystem for our Data Management and MLOps services, including self-service capabilities.
  • Build and standardize reusable data pipeline templates, ETL/ELT components, project scaffolding, and custom CLI tools to accelerate delivery and onboarding.
  • Manage secure, auditable, and bidirectional data flows across internal and third-party services, implementing data governance and lineage capabilities (PII masking, tokenization, malware detection, provenance tracking).
  • Capable to work on multi-technologies and IT platforms.


Technical Leadership & Mentorship:
  • Act as a technical leader and mentor for junior engineers, fostering best practices in engineering, design, and operations.
  • Own and continuously improve the developer onboarding lifecycle on the platform, create clear and up-to-date technical documentation, and engage with the user community to gather feedback.
  • Establish and track developer productivity metrics (e.g., build times, PR cycle times, DORA/SPACE metrics) to proactively identify and address friction points.
  • Actively contribute to reusable model pipelines and accelerators that enforce regulatory compliance and model ethics by design.


Operations & Reliability:
  • Apply and evolve SRE/DevOps/SecOps practices, including CI/CD pipelines, feedback-loop-based monitoring, end-to-end observability, and GitOps-based Infrastructure-as-Code (IaC) ecosystems to maintain the desired state of services.
  • Triage and troubleshoot internal tooling and platform issues, providing attentive support and clear communication during critical incidents.


What You Will Bring

Education:
  • Bachelor's degree in Computer Science, Software Engineering, or a related field; a master's degree is a strong asset.


Experience:
  • Minimum 5-8 years for senior, (and 10+ for expert level ) of progressive experience in data engineering, software engineering, platform development, or MLOps, with proven experience designing and operating large-scale systems.


Technical Expertise:
  • Proficiency in Python, Go, and SQL.
  • Deep experience with Docker, Kubernetes, Helm/Flux, IaC and Gitops tools (preferably Flux / Argocd).
  • Hands-on experience with data mgmt., automation for deployment and operations
  • Preferably knowledge of similar stacks on hyperscale cloud provider services (AWS, Azure, GCP) and prior experience with hybrid cloud SAAS setups/ environments.
  • Experience with data orchestration tools (Apache Airflow, Dagster) and data warehouse/lakehouse platforms.
  • Familiarity with data lakehouse architectures (Apache Iceberg/Delta Lake), Apache Spark, Kafka, and open table formats.
  • Experience with ML platforms such as JupyterLab, SageMaker, Vertex AI, or equivalent ML training/inference environments.


Key Skills:
  • Data Architecture: Proven ability to design and implement robust, scalable, and secure data lake and data warehouse architectures.
  • Data Governance: Deep knowledge of data governance concepts, cataloging, lineage, PII masking, and regulatory compliance.
  • MLOps: Expertise in implementing MLOps best practices, including model lifecycle management, deployment, monitoring, and retraining.
  • Security: Strong understanding of IT security best practices, including Zero Trust architecture, Identity and Access Management (IAM), and protection of data at rest and in transit.
  • Leadership: Ability to lead technical discussions, make architectural decisions, mentor junior engineers, and influence stakeholders.
  • Communication: Excellent written and verbal communication skills, with a product- and service-oriented approach, capable of creating low-friction experiences for development teams.
  • Curiosity & Autonomy: Collaborative team player with the ability to work independently, manage priorities, and an insatiable curiosity for new technologies and complex challenges.


Pays et ville principaux : Canada (CA), Montreal (Country/ City)

Détails du poste : ICT Engineer

About Ericsson

Ericsson is a multinational telecommunications company headquartered in Stockholm, Sweden. The company was founded in 1876 by Lars Magnus Ericsson and has since grown to become one of the largest telecommunications companies in the world. Ericsson provides a range of products and services including network equipment, software, and services for telecommunications operators. The company operates in over 180 countries and has over 100,000 employees. Ericsson is known for its innovation in the telecommunications industry and has been awarded numerous patents for its inventions. The company is also committed to sustainability and has set ambitious goals to reduce its environmental impact.
Learn more about Ericsson
Size
101,067 employees
Market Cap
$19.6 billion
Industry
Telecommunications & Hardware
Net Income
$17.4 billion
Founded
1876
5 Year Trend
+1.1%
Revenue
$232.3 billion
NASDAQ
ERIC
* Ladders Estimates

Similar Jobs

Ad banner background

Get Ready For Your
Next Interview

More Jobs at Ericsson

More Information Technology Jobs

Find similar Ingénieur(e) En Gestion De Données ML jobs:

NationwideMontreal, QC