MSc or PhD in Machine Learning, Physics, Electrical/Computer Engineering, Applied Mathematics, Aerospace Engineering or related fields
Minimum of 5 years of relevant experience
Bilingual in French and English, written and spoken
Combination of education and relevant experience may be considered
Responsibilities
Design and implement ML/DL models for extracting and analyzing astro-dynamical data
Deploy models on cloud infrastructure or edge devices
Develop robust, reusable software components
Collaborate within a multidisciplinary team
Evaluate performance of solutions using simulated and real data
Document algorithms, workflows and results clearly
Benefits
Opportunity to work towards a sustainable environment
Involvement in product and technical management
Health and dental coverage from Day 1
Flexible working hours and a hybrid work model
Office located in Old Montreal
Full Job Description
English follows
Tes responsabilités
Concevoir, implémenter et valider des modèles de machine learning / deep learning (supervisés ou non supervisés) pour :
extraire des données astrodynamiques proches de la Terre à partir d'images bruitées avec des ressources matérielles limitées
identifier des séries temporelles représentant la dynamique d'un objet
regrouper (clustering) des séries temporelles
inférer des données astrodynamiques à partir d'observations partielles
analyser les tendances à long terme et le comportement d'objets en orbite
Déployer ces modèles dans des infrastructures cloud ou sur des dispositifs embarqués (edge)
Développer des composants logiciels robustes et réutilisables (au-delà de prototypes de recherche)
Collaborer avec une équipe multidisciplinaire
Assurer une veille scientifique continue, synthétiser les résultats clés et les traduire en recommandations exploitables pour des publics techniques et non techniques
Évaluer les performances des solutions à l'aide de données simulées et réelles
Documenter clairement les algorithmes, flux de travail et résultats
Ton profil
Maîtrise ou doctorat en : Machine Learning, physique, génie électrique ou informatique, mathématiques appliquées, aérospatiale ou tout autre domaine connexe
Un minimum de 5 ans d'expérience dans le domaine
Bilinguisme français/anglais (écrit et oral) - collaboration internationale (~20%)
Une combinaison équivalente formation + expérience peut être considérée
Compétences recherchées
Solides bases en : apprentissage automatique, probabilités, statistiques, optimisation
Expérience pratique avec : frameworks de deep learning (ex. PyTorch), Python et ses bibliothèques scientifiques, développement et débogage de modèles personnalisés
Bonne maîtrise des architectures de deep learning : réseaux convolutifs, architectures à mécanisme d'attention, adaptation de modèles pré-entraînés ou conception from scratch
Capacité à concevoir des preuves de concept avec contraintes de production : modularité, scalabilité, reproductibilité
Bonnes pratiques en génie logiciel : Git, tests, CI/CD
Atouts supplémentaires
Expérience en déploiement de modèles dans des pipelines de données (cloud et/ou edge)
Connaissances en calcul haute performance : CUDA, optimisation GPU
Intérêt ou connaissances en mécanique orbitale
Expérience avec : ingestion de données à grande échelle, prétraitement, gestion du cycle de vie des données manipulation de données volumineuses et multidimensionnelles
Notre promesse
Travailler pour une entreprise dont la mission est de garantir un environnement durable et prospère pour les générations futures
Opportunités d'implication dans la gestion produit et technique
Salaire compétitif
Assurance santé et dentaire dès le premier jour
Horaires flexibles et mode de travail hybride
Bureau situé dans le Vieux-Montréal
Who you will do
Design, implement, and validate ML/DL models (supervised or unsupervised) to:
extract near-Earth astro-dynamical data from noisy imagery under limited hardware resource availability
identify time series representing the dynamic of an object
cluster time series
infer astro-dynamical data from partial observations
analyze long-term trends and object behavior in orbit
Support deployment of those models within a cloud infrastructure or on edge-devices.
Build robust, reusable software components beyond research prototypes and collaborate with a multidisciplinary team.
Benchmark solutions using simulated and real data.
Document algorithms, workflows, and results clearly for reproducibility and maintainability.
What you bring to the table
MSc or PhD in Machine Learning, Physics, Electrical/Computer Engineering, Applied Mathematics, Aerospace Engineering, or related fields.
5+ years of experience
Bilingualism French & English spoken and written (collaboration with international colleagues - 20%)
Any combination of education and relevant experience may be considered
Must-haves:
Strong foundations in machine learning, probability, statistics, and optimization.
Hands-on experience with deep learning frameworks (PyTorch for example) and Python in general and its scientific libraries with experience implementing and debugging custom model components.
Strong deep learning architecture knowledge with understanding of convolutional and attention-based architectures, with practical experience adapting pretrained models or building them from first principles.
Ability to design proof-of-concept with production constraints in mind (modularity, scalability, reproducibility) with solid software engineering practices (Git, testing frameworks, CI/CD).
Nice-to-haves:
Experience working in a multidisciplinary team deploying models within data pipelines whether edge and/or cloud environments.
Knowledge of high-performance computing (CUDA, GPU optimization).
Interest in or exposure to orbital mechanics.
Experience in large-scale data ingestion, preprocessing, and lifecycle management, including efficient handling of high-volume, high-dimensional datasets.
What you can expect
The opportunity to work in a company whose mission is to ensure a sustainable and prosperous environment for future generations while fostering the new space economy and pursuing exploration.
The opportunity to get involved in
A competitive salary.
Health and dental coverage through our group plan from Day 1.
Flexible working hours and a hybrid work model.
An office in the great location of the Old Montreal.
