Senior Machine Learning Engineer (Consulting)

About Us

As a global boutique firm, we partner with leading organizations to solve their most pressing challenges through Machine Learning and data engineering, creating sustainable value at scale. As a client-facing consultancy, our team must be adaptable, technically rigorous, and capable of designing systems from the ground up across a wide range of industries in North America and beyond.

Role Overview

We are looking for a Senior Machine Learning Engineer to design, build, and deploy scalable ML solutions for our clients. You will work across diverse projects, collaborating with cross-functional teams to deliver production-ready AI systems in modern cloud environments.

Key Responsibilities

• Design, build, and deploy machine learning and deep learning models in production environments
• Develop and maintain MLOps pipelines (CI/CD, monitoring, model versioning) across cloud platforms
• Work with large-scale datasets for training, validation, and evaluation
• Implement and optimize LLM-based solutions, including:

• Fine-tuning foundation models

• Building and deploying RAG (Retrieval-Augmented Generation) systems

• Collaborate with clients and internal teams to translate business problems into ML solutions
• Ensure model performance, scalability, and reliability in production
• Stay current with advancements in AI/ML, especially in generative AI and LLMs

Required
Qualifications

• 4+ years of experience in Machine Learning Engineering or related roles
• Strong experience with Python and ML frameworks (e.g., PyTorch, TensorFlow, Scikit-learn)
• Apply and optimize traditional machine learning algorithms (e.g., tree-based models, gradient boosting, neural networks) for structured data problems
• Hands-on experience with deep learning models (e.g., CNNs, RNNs)
• Experience building and deploying production ML systems
• Familiarity with MLOps practices and tools (e.g., MLflow, Kubeflow, Airflow, CI/CD pipelines)
• Experience with cloud platforms (at least one of AWS, Azure, or GCP; multi-cloud is a plus)
• Implement and optimize LLM-based solutions, including: Fine-tuning foundation models, prompt engineering, building and deploying RAG (Retrieval-Augmented Generation) systems
• Experience building RAG pipelines (vector databases, embeddings, retrieval strategies)

Nice to Have

• Experience in a consulting or client-facing role
• Familiarity with tools like LangChain, LlamaIndex, or similar frameworks
• Knowledge of data engineering (Spark, SQL, data pipelines)
• Experience with containerization and orchestration (Docker, Kubernetes)
• Understanding of model governance, monitoring, and responsible AI

What We Offer

• Opportunity to work on cutting-edge AI/ML and GenAI projects
• Exposure to a variety of industries and problem domains
• Flexible work environment (hybrid)
• Competitive compensation and growth opportunities

Français

À propos de nous

En tant que boutique d’envergure internationale, nous collaborons avec des organisations de premier plan pour relever leurs défis les plus stratégiques grâce au Machine Learning et à l’ingénierie des données, afin de créer une valeur durable. En tant que firme-conseil en contact direct avec les clients, notre équipe doit faire preuve d’adaptabilité, de rigueur technique et d’une forte capacité à concevoir des systèmes de bout en bout pour divers secteurs d’activité en Amérique du Nord et ailleurs.

Aperçu du poste

Nous recherchons un ingénieur sénior en apprentissage automatique pour concevoir, développer et déployer des solutions d’IA évolutives pour nos clients. Vous travaillerez sur des projets variés, en collaboration avec des équipes multidisciplinaires, afin de livrer des systèmes d’IA prêts pour la production dans des environnements cloud modernes.

Principales responsabilités

• Concevoir, développer et déployer des modèles de machine learning et de deep learning dans des environnements de production
• Développer et maintenir des pipelines MLOps (CI/CD, surveillance, gestion des versions des modèles) sur des plateformes cloud
• Travailler avec des jeux de données à grande échelle pour l’entraînement, la validation et l’évaluation
• Mettre en œuvre et optimiser des solutions basées sur les LLM, notamment :
• l’ajustement fin de modèles de fondation
• la conception et le déploiement de systèmes RAG (Retrieval-Augmented Generation)
• Collaborer avec les clients et les équipes internes afin de traduire des enjeux d’affaires en solutions de machine learning
• Garantir la performance, l’évolutivité et la fiabilité des modèles en production
• Se tenir à jour sur les avancées en IA/ML, en particulier en IA générative et en LLM

Qualifications requises

• 4 ans ou plus d’expérience en ingénierie du machine learning ou dans des rôles connexes
• Solide expérience avec Python et les frameworks de ML (p. ex. PyTorch, TensorFlow, Scikit-learn)
• Capacité à appliquer et à optimiser des algorithmes traditionnels de machine learning (p. ex. modèles arborescents, gradient boosting, réseaux neuronaux) pour des problèmes sur données structurées
• Expérience pratique avec des modèles de deep learning (p. ex. CNN, RNN)
• Expérience dans la conception et le déploiement de systèmes de ML en production
• Maîtrise des pratiques et outils MLOps (p. ex. MLflow, Kubeflow, Airflow, pipelines CI/CD)
• Expérience avec des plateformes cloud (au moins une parmi AWS, Azure ou GCP; le multi-cloud est un atout)
• Expérience dans la mise en œuvre et l’optimisation de solutions basées sur les LLM, notamment : l’ajustement fin de modèles de fondation, le prompt engineering, la conception et le déploiement de systèmes RAG (Retrieval-Augmented Generation)
• Expérience dans la conception de pipelines RAG (bases de données vectorielles, embeddings, stratégies de récupération)

Atouts supplémentaires

• Expérience en cabinet de conseil ou dans un rôle en contact direct avec la clientèle
• Familiarité avec des outils comme LangChain, LlamaIndex ou des frameworks similaires
• Connaissance de l’ingénierie des données (Spark, SQL, pipelines de données)
• Expérience en conteneurisation et orchestration (Docker, Kubernetes)
• Compréhension de la gouvernance des modèles, de leur surveillance et de l’IA responsable

Ce que nous offrons

• L’occasion de travailler sur des projets de pointe en IA/ML et en IA générative
• Une exposition à une grande variété de secteurs et de problématiques
• Un environnement de travail flexible (hybride)
• Une rémunération concurrentielle et des possibilités d’évolution professionnelle