Meta is advancing the frontier of artificial intelligence to power products and experiences used by billions of people worldwide. As a Research Engineer on our AI team, you will work at the intersection of applied AI research and production engineering, implementing and scaling novel machine learning systems that translate cutting-edge research into real-world impact. In this role, you will collaborate closely with research scientists to develop, evaluate, and deploy AI models across Meta's family of products, contributing to breakthroughs in areas such as large language models, generative AI, computer vision, and recommendation systems.
-------
Meta repousse les frontières de l’intelligence artificielle pour alimenter des produits et des expériences utilisés par des milliards de personnes à l’échelle mondiale. En tant qu’ingénieur de recherche au sein de notre équipe d’IA, vous travaillerez à l’intersection de la recherche appliquée en IA et de l’ingénierie de production, en mettant en œuvre et en déployant à grande échelle de nouveaux systèmes d’apprentissage automatique qui transforment la recherche de pointe en retombées concrètes. Dans le cadre de ce poste, vous collaborerez étroitement avec des chercheurs pour développer, évaluer et déployer des modèles d’IA au sein de la famille de produits de Meta, contribuant ainsi à des percées dans des domaines tels que les grands modèles de langage, l’IA générative, la vision par ordinateur et les systèmes de recommandation.
Responsibilities
- Implement and optimize machine learning models and AI systems, translating research prototypes into production-quality, scalable code | Mettre en œuvre et optimiser des modèles d’apprentissage automatique et des systèmes d’IA, en transformant des prototypes de recherche en code évolutif de qualité production
- Design and execute controlled experiments to evaluate model performance, validate research hypotheses, and support data-driven decisions in collaboration with research scientists | Concevoir et réaliser des expériences contrôlées pour évaluer les performances des modèles, valider les hypothèses de recherche et appuyer les décisions fondées sur les données en collaboration avec les chercheurs
- Build and maintain robust AI pipelines covering data preprocessing, model training, evaluation, and inference at scale | Concevoir et maintenir des pipelines d’IA robustes couvrant le prétraitement des données, l’entraînement des modèles, l’évaluation et l’inférence à grande échelle
- Instrument AI systems with logging, monitoring, and alerting to track model behavior, detect regressions, and ensure production reliability | Instrumenter les systèmes d’IA avec des fonctions de journalisation, de surveillance et d’alerte afin de suivre le comportement des modèles, de détecter les régressions et d’assurer la fiabilité en production
- Identify and resolve performance bottlenecks in model training and inference pipelines to improve latency, throughput, and computational efficiency | Identifier et résoudre les goulots d’étranglement des performances dans les pipelines d’entraînement et d’inférence des modèles afin d’améliorer la latence, le débit et l’efficacité de calcul.
- Collaborate with cross-functional partners including research scientists, product engineers, and data scientists to define requirements and deliver AI-powered features | Collaborer avec des partenaires interfonctionnels, notamment des chercheurs, des ingénieurs de produits et des scientifiques des données, pour définir les exigences et fournir des fonctionnalités alimentées par l’IA
- Manage staged rollouts of AI model updates using feature flagging and incremental deployment frameworks, monitoring key metrics throughout | Gérer le déploiement progressif des mises à jour des modèles d’IA à l’aide de drapeaux de fonctionnalité et de frameworks de déploiement incrémentiel, en surveillant les indicateurs clés tout au long du processus
- Contribute to technical documentation for new AI features, experimental findings, and system design decisions to support knowledge sharing across the team | Contribuer à la documentation technique relative aux nouvelles fonctionnalités d’IA, aux résultats expérimentaux et aux décisions de conception du système afin de favoriser le partage des connaissances au sein de l’équipe.
- Follow privacy, security, and responsible AI practices throughout the model development and deployment lifecycle | Respecter les pratiques en matière de protection de la vie privée, de sécurité et d’IA responsable tout au long du cycle de vie du développement et du déploiement des modèles
- Participate in code reviews to improve code quality and share knowledge of AI engineering best practices with peers | Participer aux revues de code afin d’améliorer la qualité du code et de transmettre aux pairs les connaissances sur les pratiques exemplaires d’ingénierie de l’IA.
Minimum Qualifications
- Currently has, or is in the process of obtaining a Bachelor's degree in Computer Science, Computer Engineering, relevant technical field, or equivalent practical experience. Degree must be completed prior to joining Meta | Titulaire (ou en voie d’obtention) d’un baccalauréat en informatique, en génie informatique ou dans un domaine technique connexe, ou expérience pratique équivalente. Le diplôme doit être obtenu avant l’entrée en fonction chez Meta
- Experience implementing machine learning models or AI systems in Python using frameworks such as PyTorch or TensorFlow | Expérience de la mise en œuvre de modèles d’apprentissage automatique ou de systèmes d’IA en Python à l’aide de frameworks tels que PyTorch ou TensorFlow
- Experience writing automated tests, debugging model or pipeline issues, and ensuring the reliability of AI systems | Expérience de la rédaction de tests automatisés, du débogage de problèmes liés aux modèles ou aux pipelines et de l’assurance de la fiabilité des systèmes d’IA
- Experience with data analysis and experimentation, including designing and interpreting A/B tests or model evaluation experiments | Expérience en analyse de données et en expérimentation, notamment dans la conception et l’interprétation de tests A/B ou d’expériences d’évaluation de modèles
- Experience building and maintaining production-quality code, including participation in code reviews and adherence to software engineering best practices | Expérience en matière de développement et de maintenance de code de qualité production, incluant la participation à des revues de code et le respect des meilleures pratiques d’ingénierie logicielle
- Experience with end-to-end ownership of AI or machine learning features, from technical design through deployment and monitoring | Expérience de la gestion de bout en bout de fonctionnalités d’IA ou d’apprentissage automatique, de la conception technique au déploiement et à la surveillance
Preferred Qualifications
- Experience with large-scale model training, distributed computing frameworks, or inference optimization techniques such as quantization or distillation | Expérience en matière d’entraînement de modèles à grande échelle, de frameworks de calcul distribué ou de techniques d’optimisation de l’inférence telles que la quantification ou la distillation
- Graduate degree in computer science related to machine learning | Diplôme d’études supérieures en informatique lié à l’apprentissage automatique
- Exposure to responsible AI principles, including fairness evaluation, model interpretability, or privacy-preserving machine learning techniques | Sensibilisation aux principes de l’IA responsable, notamment l’évaluation de l’équité, l’interprétabilité des modèles ou les techniques d’apprentissage automatique respectueuses de la vie privée
- Experience applying AI or machine learning to a specific product domain such as ranking, recommendation, natural language processing, generative AI, or computer vision | Expérience de l’application de l’IA ou de l’apprentissage automatique à un domaine de produit précis, comme le classement, la recommandation, le traitement du langage naturel, l’IA générative ou la vision par ordinateur
- Familiarity with ML infrastructure tooling including experiment tracking, model registries, or feature stores | Connaissance des outils d’infrastructure d’apprentissage automatique, notamment le suivi des expériences, les registres de modèles ou les magasins de caractéristiques
CA$104,000/year to CA$148,000/year + bonus + equity + benefits
