Ingénieur(e) IA en déploiement avancé, Travel Intelligence// Forward Deployed AI Engineer, Travel Intelligence
Hopper, Montréal - Remote +1
Overview
À propos du poste
Hopper propulse le voyage pour certaines des plus grandes banques, compagnies aériennes et entreprises de voyage au monde, et notre équipe de Recherche conçoit des modèles spécialisés pour le voyage. À titre d’ingénieur(e) IA en déploiement avancé, vous portez ce travail dans l’environnement d’un partenaire et vous l’adaptez à sa réalité : construire l’évaluation avec son équipe, préparer ses données, entraîner et évaluer le modèle, puis le mettre en production là où il produit des résultats mesurables.
Vous travaillez au sein d’une petite équipe déployée chez le partenaire, à titre de personne qui dirige l’entraînement des modèles sur place, dans les domaines du service à la clientèle, de la fidélisation, du commerce et plus encore, et vous faites le pont entre nos partenaires et l’équipe de Recherche.
À quoi ressemblera votre quotidien
- Travailler avec les équipes de données et d’affaires du partenaire pour transformer ses tâches réelles en un banc d’essai figé et réservé, couvrant ses cas d’usage prioritaires
- Définir ce que signifie la réussite pour chaque tâche, soit l’exécution correcte, le respect des politiques, le coût et le temps de réponse, et construire les évaluateurs automatisés avec des vérifications humaines ponctuelles
- Établir des références afin que les résultats puissent être comparés équitablement
- Préparer les données d’entraînement dans l’environnement du partenaire par extraction, caviardage, déduplication, étiquetage et répartition entraînement/test, en utilisant uniquement les données nécessaires aux tâches convenues
- Réaliser le post-entraînement en partenariat avec l’équipe de Recherche, en appliquant des méthodes modernes de réglage fin aux cas d’usage du partenaire
- Exécuter l’entraînement sur l’infonuagique et les GPU du partenaire, ou dans un environnement qu’il approuve, selon ses règles de sécurité et d’accès
- Concevoir des expériences qui montrent clairement aux partenaires ce qui détermine les résultats
- Faire passer les modèles de l’évaluation à la production sur la base de preuves, puis surveiller la qualité, la latence et le coût une fois en service
- Utiliser les résultats en production pour continuer d’améliorer le modèle
- Présenter les résultats, la méthode et les compromis aux responsables des données et de la technologie chez le partenaire, et les défendre
- Collaborer étroitement avec l’équipe de Recherche en lui transmettant ce que vous apprenez sur le terrain
- Transformer chaque déploiement en outils réutilisables afin que le prochain partenaire avance plus vite
- Maintenir des normes strictes de traitement des données, de confidentialité et de sécurité dans chaque environnement partenaire, et appuyer les examens de risque lié aux modèles, de sécurité et de conformité du partenaire avec une documentation claire des données, de l’entraînement et de l’évaluation