Trouvez un emploi au Canada.

484 786 offres dans notre réseau canadien. Comment nous comptons

Emplois : Canada

Recevoir les nouvelles offres Enregistrer cette recherche

Ajouté il y a 6 mois
E
Senior Structural Engineer – Mining Sector (Design & Engineering)
EXP
Montreal, Quebec
- Temps plein
Baccalauréat en génie civil ou génie - spécialisation structure.
Ajouté il y a 6 mois
E
Mechanical Engineer – Mining Sector (Design & Engineering)
EXP
Montreal, Quebec
- Temps plein
Collaborer avec les équipes multidisciplinaires (procédés, électrique, instrumentation, civil) afin d’assurer l’intégration optimale des solutions mécaniques.
Ajouté il y a 3 mois
Senior Technical Manager, Bridges and Civil Structures
WSP
Burlington, Ontario
Licensed Professional Engineer (P.Eng.) in Ontario, with a bachelor’s degree in civil or Structural Engineering; Master’s or PhD preferred.
Ajouté il y a 3 mois
Senior Bridge Structural Engineer
WSP
Burlington, Ontario
…be responsible for the inspection, preliminary, and detail design of bridges and other civil structures for federal, provincial, municipal, and private clients. Our Bridge Team has a highly…
Ajouté il y a 3 mois
W
Engineer, Bridges and Civil Structures
WSP
Burlington, Ontario
- Temps plein
WSP is currently seeking an Engineer, Bridges and Civil Structures who has the interest and drive to join our team in Burlington, ON.
Ajouté il y a 1 mois
R
Ingénieur en Amélioration Continue / Continuous Improvement Engineer
Rolls-Royce
Montreal, QC
- Temps plein
An attractive opportunity is currently available at Rolls-Royce Canada for a Continuous Improvement Engineer. Working in a High-Performance Culture environment, the main responsibilities of…
Ajouté il y a 1 mois
A
Chargé·e de projet – Infrastructures urbaines
Artelia
Sherbrooke, QC
- Temps plein
Baccalauréat en génie de la Construction ou en génie civil ;
Ajouté il y a 1 mois
W
Concepteur électrique / Electrical Designer
Wabtec
Montreal, QC
- Temps plein
Ajouté il y a 4 mois
Senior Machine Learning Engineer - Computer Vision
Citylogix
Montreal, Quebec
Reporting to the Chief Technology Officer (CTO), the Senior Machine Learning Engineer is responsible for researching, developing, and deploying the computer-vision models at the core of our…
Ajouté il y a 4 mois
W
Senior Highway Designer, Engineer
WSP
Thunder Bay, Ontario
- Temps plein
…significant infrastructure projects. As a Senior Highway Designer/Engineer, you’ll lead multidisciplinary teams, influence strategic decisions, and ensure excellence on projects that define…
Ajouté il y a 4 mois
W
Intermediate Highway Designer, Engineer
WSP
Thunder Bay, Ontario
- Temps plein
…grow, innovate, and lead. As an Intermediate Highway Designer/Engineer, you’ll take ownership of complex projects, collaborate with top-tier professionals, and gain exposure to cutting-edge…
Ajouté il y a 4 mois
Senior Bridge Engineer
WSP
Ottawa, Ontario
Reporting to the Ottawa Bridge Engineering Manager, this position will be responsible for the preliminary and detailed design of bridges and other civil structures for federal, provincial…
Ajouté il y a 4 mois
A
Concepteur-Conceptrice sénior de chemins de câbles/Senior Cable Tray Designer
AFRY
Montreal, Quebec
- Temps plein
Coordinate design with other disciplines (Piping, HVAC, Civil, Mechanical).
Ajouté il y a 4 mois
A
Spécialiste Digital Twin
AtkinsRéalis
Montreal, Quebec
- Temps plein
Piloter la mise en œuvre du Digital Twin sur les volets civil, systèmes et exploitation.
Ajouté il y a 4 mois
A
Ingénieur(e) géotechnique - Secteur minier
AECOM
Montreal, QC
- 90 000 $ à 110 000 $ CAD / an
- Temps plein
Agir à titre d’ingénieur(e) adjoint(e) responsable du dossier (Deputy Engineer of Record) pour des projets de digues à résidus, avec possibilité d’évolution vers un rôle futur d’Engineer of…
Ajouté il y a 4 mois
SE
Ingénieur(e) concepteur(trice) – Structure / Structural Design Engineer
Sense Engineering
Télétravail, Canada
- Temps plein
- Télétravail
Baccalauréat en génie civil, avec une spécialisation en génie des structures.
Ajouté il y a 1 mois
Conseiller·ère principal·e, Alignement et drainage
VIA HFR - VIA TGF Inc
Montreal, QC
Sous la responsabilité du directeur principal, Génie civil, le ou la candidat·e idéal·e possède une solide expérience dans les domaines du tracé ferroviaire, des infrastructures de quais et…
Ajouté il y a 5 mois
D
Controls Systems Technician (Airport Montreal)
Daifuku
Montreal, Quebec
- Autre
Daifuku Airport America is the world class leader in design, build, and installation of large scale, airport baggage conveyor security systems. At Daifuku, this division is named Airport…
Ajouté il y a 6 mois
D
Controls Engineer II (Airport Montreal)
Daifuku
Montreal, Quebec
- Autre
Daifuku Airport America is the world class leader in design, build, and installation of large scale, airport baggage conveyor security systems. At Daifuku, this division is named Airport…
Ajouté il y a 6 mois
D
Mechanical Engineer II (Airport Montreal)
Daifuku
Montreal, Quebec
- Autre
The Mechanical Engineer II is a member of the Airport Baggage Handling engineering team that reports to the Chief Engineer. This position will work under the direction of the Lead Senior…
Ajouté il y a 4 mois
GV
Ingénieur Électrique Poste Électrique - Electrical Substation Engineer
GE Vernova
Télétravail, Canada
- Temps plein
- Télétravail
The Electrical Substation Engineer is responsible for detailed technical execution of high-voltage substation design proj
Ajouté il y a 2 mois
SP
Applied AI Engineer
Singapore Post
Montreal, QC
- Temps plein
The Applied AI Software Engineer will be responsible for the rapid technical design and delivery of AI agents and frameworks built on top of SIMPRO FSMs. Working closely with the AI…
Ajouté il y a 2 mois
E
Structure/construction (Québec et Ontario)/Structural/Construction Engineer
EllisDon
Quebec, QC
- Temps plein
Les exigences en matière de formation et d'expérience dans l'industrie sont les suivantes : diplôme d'ingénieur en génie civil ou structurel et de 4 à 10 ans d'expérience dans l'industrie.
Ajouté il y a 1 mois
C
Ingénieur structure (DTA) / DTA Stress Engineer
Capgemini
Montreal, QC
- 100 200 $ à 125 747 $ CAD / an
…changement de sexe, de la religion ou des convictions, de l'état civil, de la grossesse ou de la maternité. Nous nous engageons à recruter, à développer et à retenir les meilleures…
Ajouté il y a 5 mois
C
Senior Civil Engineer
CIMIC
Montreal, Quebec
- Temps plein
Sedgman is currently seeking a Senior Civil Engineer to join our team in Montreal. The Senior Civil Engineer will lead civil projects related to mining, energy and/or infrastructure.

Citylogix

Senior Machine Learning Engineer - Computer Vision

Montreal, QC, Canada

Postuler À propos de l’employeur

La candidature s’ouvre dans un nouvel onglet.

Détails de l’emploi

Expérience: Minimum of 5 years of applied machine-learning / computer-vision experience, or a graduate degree (MSc/PhD) ina relevant field plus 3+ years of applied experience
Langue de l’annonce: Anglais · Français
Publié: 26 juin 2026

Description originale de l’offre

Version française de cette offre bilingue.

Peer-reviewed publications or open-source contributions in computer vision

Version française:

À propos du rôle

Relevant du chef de la direction technologique (CTO), l'ingénieur principal ou l'ingénieure principale en apprentissage automatique est responsable de la recherche, du développement et du déploiement des modèles de vision par ordinateur au cœur de notre plateforme. Ceux-ci comprennent notamment les systèmes de segmentation qui détectent les défauts d'infrastructure et cartographient les actifs routiers à partir d'images acquises à grande échelle.

Il s'agit d'un rôle technique pratique, axé sur la segmentation par transformeurs. Vous prendrez en charge l'ensemble du cycle de vie des modèles, de la recherche à la mise en production : amélioration de la précision et de la robustesse, généralisation des modèles à différents systèmes de caméras, consolidation de modèles spécialisés en architectures unifiées, et collaboration avec les équipes DevOps et de développement afin d'assurer leur déploiement fiable et à grande échelle.

Responsabilités principales

Concevoir, entraîner et évaluer des modèles d'apprentissage profond pour la segmentation sémantique, par instance et panoptique, appliqués à la détection de défauts d'infrastructure ainsi qu'à la segmentation des actifs et des scènes routières.
Adapter et affiner (fine-tuning) des architectures de segmentation par transformeurs (p. ex. Mask2Former, OneFormer et les modèles de la famille DETR, y compris des variantes internes).
Améliorer la généralisation des modèles afin d'assurer une performance fiable sur différents systèmes de caméras et dans diverses conditions d'imagerie, individuellement ou en combinaison.
Consolider plusieurs points de contrôle (checkpoints) spécialisés en modèles multitâches unifiés afin de simplifier l'architecture de production.
Collaborer avec l'équipe DevOps pour entraîner, déployer et surveiller les modèles sur AWS (y compris Amazon SageMaker), tout en optimisant les performances et les coûts d'inférence.
Concevoir et maintenir des pipelines d'entraînement reproductibles, des bancs d'évaluation ainsi que des flux de travail liés aux jeux de données et à l'annotation.
Diagnostiquer les défaillances des modèles et les problèmes de qualité des données, puis mettre en œuvre des améliorations mesurables en matière de précision, de robustesse et d'efficacité.
Assurer une veille technologique sur les nouvelles architectures et techniques, puis recommander celles qui apportent une réelle valeur ajoutée à la plateforme.
Maintenir une documentation technique claire, des registres d'expériences et des normes de gestion des versions des modèles.

Exigences du poste

Minimum de cinq (5) années d'expérience appliquée en apprentissage automatique ou en vision par ordinateur, ou une maîtrise (M. Sc.) ou un doctorat (Ph. D.) dans un domaine pertinent accompagné d'au moins trois (3) années d'expérience appliquée.
Solide maîtrise pratique de PyTorch.
Expérience démontrée en segmentation par apprentissage profond (sémantique, par instance et/ou panoptique) appliquée à des images réelles.
Expérience pratique des architectures de vision par transformeurs (Mask2Former, OneFormer, DETR ou équivalent).
Bonne maîtrise des techniques de fine-tuning, d'apprentissage par transfert (transfer learning) et d'adaptation ou de généralisation de domaine.
Expérience avec l'écosystème Hugging Face et/ou Detectron2.
Aisance à entraîner et à déployer des modèles dans un environnement infonuagique (AWS de préférence; une expérience avec Amazon SageMaker constitue un atout important).
Solides compétences en développement logiciel Python ainsi qu'en bonnes pratiques de développement (gestion des versions, tests et reproductibilité).
Excellentes aptitudes en communication, en collaboration et en résolution de problèmes, ainsi que la capacité à gérer plusieurs priorités dans un environnement dynamique.

Atouts

Expérience avec l'imagerie provenant de caméras industrielles, linéaires (line-scan) ou panoramiques.
Expérience en géomatique (SIG), en télédétection ou dans des applications liées aux infrastructures et au génie civil.
Expérience en MLOps, notamment en gestion du cycle de vie des modèles, en surveillance et en CI/CD appliqués à l'apprentissage automatique.
Expérience en optimisation de modèles (quantification, distillation, ONNX, TensorRT ou équivalent) afin d'améliorer l'efficacité de l'inférence.
Expérience dans l'unification de systèmes multitâches ou multimodèles au sein d'architectures consolidées.
Publications évaluées par les pairs ou contributions à des projets de vision par ordinateur à code source ouvert.
Expérience au sein d'une entreprise technologique ou d'une entreprise SaaS en forte croissance.

Lire l’offre bilingue complète

About the role

Reporting to the Chief Technology Officer (CTO), the Senior Machine Learning Engineer is responsible for researching, developing, and deploying the computer-vision models at the core of our platform - the segmentation systems that detect infrastructure defects and map road assets from large-scale imagery.

This is a hands-on technical role focused on transformer-based segmentation. You will own models from research through production: improving accuracy and robustness, generalizing models across different camera systems, consolidating task-specific models into unified architectures, and partnering with our DevOps and Engineering teams to bring them reliably into production at scale.

What you'll do

Research, design, train, and evaluate deep-learning models for semantic, instance, and panoptic segmentation, applied to infrastructure-defect detection and road-asset/scene segmentation
Fine-tune and adapt transformer-based segmentation architectures (e.g., Mask2Former, OneFormer, and DETR-family models, including custom in-house variants) Improve domain generalization so models perform reliably across heterogeneous
camera systems and imaging conditions, both individually and in combination
Consolidate multiple task- or defect-specific checkpoints into unified, multi-task models to simplify the production footprint
Partner with the DevOps team to train, deploy, and monitor models on AWS (including Amazon SageMaker), and to optimize inference performance and cost
Build and maintain reproducible training pipelines, evaluation benchmarks, and dataset/annotation workflows
Diagnose model failures and data-quality issues, and drive measurable improvements in accuracy, robustness, and efficiency
Track emerging architectures and techniques, and recommend where they create real value for the platform
Maintain clear technical documentation, experiment records, and model-versioning standards

Qualifications

Minimum of 5 years of applied machine-learning / computer-vision experience, or a graduate degree (MSc/PhD) ina relevant field plus 3+ years of applied experience
Strong, hands-on proficiency with PyTorch
Demonstrated experience with deep-learning segmentation (semantic, instance, and/or panoptic) on real-world image data
Practical experience with transformer-based vision architectures (Mask2Former, OneFormer, DETR, or similar)
Solid command of fine-tuning, transfer learning, and domain-adaptation/generalization techniques
Experience with the Hugging Face ecosystem and/or detectron2
Comfort training and deploying models in a cloud environment (AWS preferred; experience with Amazon SageMaker a strong asset)
Strong Python engineering skills and good software practices (version control, testing, reproducibility)
Excellent communication and collaboration skills, and the ability to manage priorities in a fast-paced environment

Nice to Have

Experience working with imagery from industrial, line-scan, or panoramic camera systems
Background in geospatial / GIS, remote sensing, or infrastructure/civil applications
MLOps experience: model lifecycle management, monitoring, and CI/CD for ML
Model-optimization experience (quantization, distillation, ONNX/TensorRT, or similar) for efficient inference
Experience unifying multi-task or multi-model systems into consolidated architectures
Peer-reviewed publications or open-source contributions in computer vision
Experience in a fast-growing SaaS or technology-driven organization

Version française:

À propos du rôle

Responsabilités principales

Concevoir, entraîner et évaluer des modèles d'apprentissage profond pour la segmentation sémantique, par instance et panoptique, appliqués à la détection de défauts d'infrastructure ainsi qu'à la segmentation des actifs et des scènes routières.
Adapter et affiner (fine-tuning) des architectures de segmentation par transformeurs (p. ex. Mask2Former, OneFormer et les modèles de la famille DETR, y compris des variantes internes).
Améliorer la généralisation des modèles afin d'assurer une performance fiable sur différents systèmes de caméras et dans diverses conditions d'imagerie, individuellement ou en combinaison.
Consolider plusieurs points de contrôle (checkpoints) spécialisés en modèles multitâches unifiés afin de simplifier l'architecture de production.
Collaborer avec l'équipe DevOps pour entraîner, déployer et surveiller les modèles sur AWS (y compris Amazon SageMaker), tout en optimisant les performances et les coûts d'inférence.
Concevoir et maintenir des pipelines d'entraînement reproductibles, des bancs d'évaluation ainsi que des flux de travail liés aux jeux de données et à l'annotation.
Diagnostiquer les défaillances des modèles et les problèmes de qualité des données, puis mettre en œuvre des améliorations mesurables en matière de précision, de robustesse et d'efficacité.
Assurer une veille technologique sur les nouvelles architectures et techniques, puis recommander celles qui apportent une réelle valeur ajoutée à la plateforme.
Maintenir une documentation technique claire, des registres d'expériences et des normes de gestion des versions des modèles.

Exigences du poste

Minimum de cinq (5) années d'expérience appliquée en apprentissage automatique ou en vision par ordinateur, ou une maîtrise (M. Sc.) ou un doctorat (Ph. D.) dans un domaine pertinent accompagné d'au moins trois (3) années d'expérience appliquée.
Solide maîtrise pratique de PyTorch.
Expérience démontrée en segmentation par apprentissage profond (sémantique, par instance et/ou panoptique) appliquée à des images réelles.
Expérience pratique des architectures de vision par transformeurs (Mask2Former, OneFormer, DETR ou équivalent).
Bonne maîtrise des techniques de fine-tuning, d'apprentissage par transfert (transfer learning) et d'adaptation ou de généralisation de domaine.
Expérience avec l'écosystème Hugging Face et/ou Detectron2.
Aisance à entraîner et à déployer des modèles dans un environnement infonuagique (AWS de préférence; une expérience avec Amazon SageMaker constitue un atout important).
Solides compétences en développement logiciel Python ainsi qu'en bonnes pratiques de développement (gestion des versions, tests et reproductibilité).
Excellentes aptitudes en communication, en collaboration et en résolution de problèmes, ainsi que la capacité à gérer plusieurs priorités dans un environnement dynamique.

Atouts

Expérience avec l'imagerie provenant de caméras industrielles, linéaires (line-scan) ou panoramiques.
Expérience en géomatique (SIG), en télédétection ou dans des applications liées aux infrastructures et au génie civil.
Expérience en MLOps, notamment en gestion du cycle de vie des modèles, en surveillance et en CI/CD appliqués à l'apprentissage automatique.
Expérience en optimisation de modèles (quantification, distillation, ONNX, TensorRT ou équivalent) afin d'améliorer l'efficacité de l'inférence.
Expérience dans l'unification de systèmes multitâches ou multimodèles au sein d'architectures consolidées.
Publications évaluées par les pairs ou contributions à des projets de vision par ordinateur à code source ouvert.
Expérience au sein d'une entreprise technologique ou d'une entreprise SaaS en forte croissance.

Postuler À propos de l’employeur

En savoir plus sur ce poste

Parrainage de visa

Aucune mention détectée dans l’offre

Signaler cette offre