Scientifique de Données

**Mila, pôle mondial en intelligence artificielle**

Fondé par le professeur Yoshua Bengio de l’Université de Montréal, Mila rassemble des chercheurs spécialisés en intelligence artificielle (IA) et plus précisément en apprentissage automatique. Reconnu mondialement pour ses importantes contributions aux domaines de l’apprentissage profond et apprentissage par renforcement, Mila s’est particulièrement distingué dans la modélisation du langage, la traduction automatique, la reconnaissance d’objets et les modèles génératifs. Depuis 2017, Mila est le fruit d’une collaboration entre l’Université de Montréal et l’Université McGill, en lien étroit avec Polytechnique Montréal et HEC Montréal.

Mila s’est donné pour mission d’être un pôle mondial d’avancées scientifiques qui inspire l’innovation et l’essor de l’intelligence artificielle pour le bénéfice de tous.

**Description du mandat**:
Le.la scientifique de données a la responsabilité de conseiller les entreprises dans l’identification d’opportunités en apprentissage automatique afin d’améliorer leurs processus et leur prise de décision. Ces recommandations porteront sur la priorisation de projets potentiels en apprentissage automatique en fonction du contexte, contraintes et expertise de l’entreprise, de la littérature scientifique et des données disponibles. Des discussions avec les scientifiques de recherche appliquée seront essentielles pour bien définir le problème d’apprentissage automatique, estimer la complexité et anticiper les potentiels problèmes des différents projets.

Ensuite, le.la scientifique de données se concentrera sur le ou les projets les plus prometteurs et accompagnera l’entreprise dans le développement d’ensembles de données nécessaires à l’entraînement des modèles. Cette activité concerne en particulier la création d’un guide d’annotation et la supervision de mandats de collecte et d’annotation faits par l’entreprise ou par une tierce partie. Cette supervision exige d’adopter les bonnes pratiques en assurance de la qualité en matière d’annotation des données en utilisant des outils de documentation (e.g. _datasheet_), d'analyses statistiques et de visualisation des données. Ces analyses seront présentées à la compagnie et aux scientifiques de recherche appliquée afin d’améliorer le processus d’annotation des données en cours de développement. Une fois l’annotation des données et les résultats préliminaires achevés, le.la scientifique des données transférera ses résultats d’analyse aux scientifiques de recherche appliquée qui continueront le projet.

Enfin, sur certains projets, le.la scientifique de données pourra tester des modèles d’apprentissage automatique sur le jeu de données recueilli afin d’estimer la difficulté du problème. Cette étape consiste à identifier et entraîner les modèles les plus simples et pertinents avec l’aide des scientifiques de recherche appliquée. Ces résultats préliminaires permettront de guider la compagnie vers les prochaines étapes telles que recueillir davantage de données, effectuer l’entraînement de modèles à l’interne sous la supervision d’experts ou externaliser à Mila un projet menant à une preuve de concept.

En fonction du niveau d’expérience de la personne recherchée, elle pourra travailler en collaboration avec 5 à 10 entreprises en même temps.

**Requirements**:
**Fonctions et responsabilités**:

- Identifier les opportunités dans l’adoption de l’apprentissage automatique par les entreprises;
- Définir des projets potentiels en apprentissage automatique;
- Aider les entreprises à mettre en place un projet de collecte et d’annotation de données pour un projet en apprentissage automatique;
- Mettre en place et développer des outils d’analyses statistiques et de visualisation des données;
- Tester des modèles de base en apprentissage automatique;
- Présenter des recommandations soutenues par les analyses de données à l’entreprise et aux scientifiques de recherche appliquée;
**Profil recherché**:

- Expérience professionnelle comme scientifique de donnée;
- Expérience en programmation Python dans l’environnement Jupyter Notebook;
- Expérience en apprentissage automatique (e.g. Scikit-learn);
- Expérience dans l’analyse/interprétation/visualisation de données (e.g. Matplotlib, Plotly);
- Expérience (optionnelle) en identification, sélection par appels d’offres et gestion des fournisseurs externes avec lesquels s'associer dans le cadre d’activités d’annotation de données;
- Compréhension des algorithmes en apprentissage profond;
- Esprit analytique et sens des affaires;
- Solides compétences en mathématiques appliquées (p. ex. statistiques);
- Aptitude à la résolution de problèmes;
- Excellentes aptitudes à la communication et à la rédaction en français et en anglais;
- MSc en inform