Conseiller(ère) principal(e) - Ingénierie IA

• Collaborer avec les gestionnaires et les ingénieurs de produits et avec les parties prenantes pour concevoir des solutions axées sur l'IA qui répondent aux exigences techniques et d'affaires.
• Effectuer la recherche, le prototypage et le développement d'applications d'IA générative en combinant des GML non déterministes et des techniques déterministes de génie logiciel.
• Établir des cadres d'évaluation et des points de référence pour mesurer la qualité des modèles, leur fiabilité et l'incidence sur l'entreprise.
• Générer régulièrement des rapports sur l'exactitude, la dérive et le rendement des modèles.
• Déboguer, optimiser et améliorer les applications d'IA générative à l'aide de pratiques exemplaires d'ingénierie de requêtes, d'apprentissage par renforcement, d'affinage et d'ingénierie logicielle.
• Entraîner et affiner des grands modèles de langage à l'aide des transformeurs de Hugging Face.
• Appliquer des techniques d'affinage de l'apprentissage par renforcement à l'aide de la bibliothèque TRL (Transformers Reinforcement Learning) de Hugging Face.
• Gérer les flux d'entraînement à l'aide d'outils de suivi des expériences et d'accélérateurs de l'apprentissage distribué (DeepSpeed, Accelerate, FSDP).
• Exécuter et optimiser l'entraînement et l'inférence de multiples unités de traitement graphique, en tirant parti de vLLM pour un service à haut débit de traitement et à faible latence.
• Contribuer à la conception de pipelines d'opérations d'apprentissage machine (OAM)/DevOps évolutifs pour le déploiement de modèles, la surveillance et l'entraînement continu.
• Assurer la conformité aux directives sur la confidentialité et la sécurité des données et sur l'IA responsable lors de la gestion de l'entraînement ou des ensembles de données de test.
• Se tenir au courant des recherches émergentes dans le domaine des GML, de l'apprentissage par renforcement à partir de la rétroaction humaine ou de la rétroaction de l'IA, de l'IA multimodale et des modèles génératifs; appliquer les résultats pour améliorer nos systèmes.
• Rédiger de la documentation technique et contribuer à des publications, des brevets ou des projets de code source libre, le cas échéant.

• Occasion de travailler sur des projets d'IA et de gouvernance des données de pointe avec des organisations de premier plan.
• Environnement inclusif propice au travail de collaboration.
• Apprentissage continu et perfectionnement professionnel.
• Régime de rémunération et d'avantages sociaux concurrentiel.

• Transformeurs (Hugging Face) pour l'entraînement des modèles, l'affinage et l'inférence.
• Bibliothèque TRL (Transformers Reinforcement Learning) pour l'affinage basé sur l'apprentissage par renforcement (optimisation des politiques proximales - PPO, optimisation directe des préférences - DPO, optimisation de la politique relative de groupe - GRPO, apprentissage par renforcement à partir de la rétroaction de l'IA).
• DeepSpeed, Accelerate ou FSDP pour l'entraînement de multiples unités de traitement graphique et l'apprentissage distribué.
• vLLM pour une inférence optimisée et le service de grands modèles.
• Weights & Biases (W&B) ou MLflow pour le suivi et la reproductibilité des expériences.
• LangChain, AutoGen (A2A) ou MCP pour le développement d'applications d'IA générative.
• PyTorch comme principal cadre d'apprentissage profond.

• Au moins trois ans d'expérience en ingénierie de l'apprentissage machine, en ingénierie des données ou en recherche appliquée (secteur d'activité ou milieu universitaire).
• Solides compétences en programmation Python et expérience avec des cadres comme PyTorch, TensorFlow, JAX.
• Expérience pratique avec les transformeurs de Hugging Face pour le préentraînement, l'affinage ou l'inférence.
• Expérience avec la bibliothèque TRL de Hugging Face pour l'affinage de l'apprentissage par renforcement (p. ex., optimisation des politiques proximales - PPO, optimisation directe des préférences - DPO, optimisation de la politique relative de groupe - GRPO, apprentissage par renforcement à partir de la rétroaction de l'IA).
• Expérience pratique dans la gestion de l'entraînement de multiples unités de traitement graphique et l'apprentissage distribué à grande échelle à l'aide de DeepSpeed, Accelerate ou FSDP.
• Expérience de l'inférence sur les grands modèles à l'aide de vLLM ou de cadres de service optimisés similaires.
• Bonne connaissance des outils de suivi et de reproductibilité des expériences (p. ex., W&B, MLflow).
• Connaissance des pratiques liées aux opérations d'apprentissage machine, incluant l'entraînement continu, la surveillance continue et la gestion du cycle de vie des modèles.
• Expérience des cadres d'IA générative comme LangChain, AutoGen (A2A) ou MCP.
• Capacité démontrée d'écrire du code propre, maintenable et prêt à la production.
• Expérience dans la création ou le soutien de systèmes d'IA infonuagiques (GCP, AWS ou Azure; certifications privilégiées).
• Solide connaissance de l'apprentissage par renforcement, du traitement automatique du langage naturel (TALN) ou de la modélisation générative (transformeurs, diffusion, génération améliorée par récupération d'information, etc.).
• Antécédents de contributions à la recherche (articles, brevets, projets de code source libre), un atout.

• Expérience en apprentissage par renforcement à partir de la rétroaction humaine ou de la rétroaction de l'IA.
• Contributions à des cadres d'IA de source libre.
• Bonne connaissance des lois d'échelle, des paramètres d'évaluation et de l'analyse comparative de grands modèles.
• Intérêt à repousser les limites de l'IA fiable, explicable et sécuritaire.

• "route" is used for session stickiness
• "careerSiteCompanyId" is used to send the request to the correct data center
• "JSESSIONID" is placed on the visitor's device during the session so the server can identify the visitor
• "Load balancer cookie" (actual cookie name may vary) prevents a visitor from bouncing from one instance to another

Deloitte