Scientifique appliqué principal, maintenance prédictive en apprentissage automatique (intellige[...]

MaintainX est la première plateforme mobile au monde dédiée à la gestion des actifs et des tâches dans les environnements industriels et de première ligne. Nous proposons une solution moderne, basée sur l'IoT et le cloud, qui facilite la maintenance, la sécurité et l'exploitation des équipements et installations physiques. Nous aidons plus de 12 000 organisations à atteindre l'excellence opérationnelle et la fiabilité à grande échelle.

Ce Que Vous Ferez

• Concevoir, développer et optimiser des modèles d’apprentissage automatique pour la détection et la classification de défauts de bout en bout — des choix liés aux données et à l’entraînement jusqu’aux stratégies d’évaluation et aux contraintes de mise en production.
• Réaliser des analyses exploratoires de données (EDA) sur des données de vibration, des données OT et des séries temporelles afin d’en tirer des insights et d’identifier des motifs révélateurs de défaillances ou d’anomalies.
• Mener des expérimentations et évaluer différents algorithmes en modélisation de séries temporelles, en traitement du signal et en méthodes statistiques afin d’optimiser la performance des modèles.
• Collaborer avec les chefs de produit pour la découverte de fonctionnalités et la priorisation de la feuille de route, notamment en validant des hypothèses produit, en définissant des indicateurs de succès et en quantifiant l’impact pour les utilisateurs finaux.
• Travailler en étroite collaboration avec des experts du domaine afin de valider les résultats et d’assurer leur pertinence dans des contextes réels.
• Participer activement à la communauté interne de pairs pour remettre en question le statu quo, améliorer les méthodes de travail et influencer les décisions d’architecture, tout en contribuant à une culture d’excellence en science appliquée.
• Participer aux rotations de garde (on-call).

À Propos De Vous

• Maîtrise ou doctorat en informatique, science des données, génie mécanique, génie électrique ou dans un domaine connexe, avec une spécialisation en surveillance d’état (condition monitoring) ou en apprentissage automatique.
• Plus de 5 ans d’expérience démontrée en programmation avec des outils standards de ML tels que Python, PyTorch, TensorFlow, etc.
• Solides connaissances fondamentales en apprentissage automatique, en science des données et en statistiques.
• Bonne maîtrise des techniques de modélisation de séries temporelles et de l’ingénierie de caractéristiques (feature engineering).
• Capacité à livrer du code prêt pour la production, bien testé, maintenable et validé par des expérimentations rigoureuses.

Atouts

• Expérience pratique dans le développement de modèles appliqués aux données OT et de vibration, à la surveillance d’état et à la détection ou classification de défauts.
• Connaissance des techniques de traitement du signal et de leur application aux données OT et de vibration.

Quels sont les avantages pour vous?

• Un salaire compétitif et des opportunités d'équité significatives.
• Couverture des soins de santé, des soins dentaires et de la vue.
• Programme d'inscription 401(k) / RRSP.
• Prenez les congés dont vous avez besoin.
• Une culture du travail: vous travaillerez avec des personnes intelligentes, humbles et optimistes à travers le monde. Un environnement méritocratique où les idées et les résultats sont publiquement célébrés.

Qui Sommes-nous

Notre raison d’être est de faciliter la vie des équipes de première ligne et de maintenance en développant des logiciels qui répondent à leurs besoins concrets. Notre produit transforme la manière dont 80 % de la main-d’œuvre mondiale gère ses opérations, ses actifs et ses équipes. MaintainX s’engage à créer un environnement diversifié. Tous les candidats qualifiés seront pris en considération pour un emploi sans considération de race, de couleur, de religion, de sexe, d’identité ou d’expression de genre, d’orientation sexuelle, d’origine nationale, de génétique, d’invalidité, d’âge ou de statut d’ancien combattant.