Spécialiste, Machine Learning (SSA) - Machine Learning Specialist (SSA)

English follows
À propos de NorthStar
NorthStar Earth & Space (« NorthStar ») est le leader mondial de l’analyse de données spatiales. Nous utilisons des données issues de capteurs optiques, radar, RF passifs et d’autres sources liées à la connaissance de la situation spatiale (SSA) comme briques de base pour créer des services d’information adaptés aux besoins des clients gouvernementaux et industriels.
Notre vaste portefeuille technologique breveté comprend des algorithmes de dynamique orbitale et d’apprentissage automatique appliqués à la surveillance de l’espace et à la gestion du trafic spatial.
Avec un siège social à Montréal, un siège européen au Luxembourg et des opérations aux États-Unis (McLean, Virginie), l’entreprise s’attaque à la menace croissante des collisions spatiales et contribue à préserver notre planète.
L'équipe qui t'attend
L’équipe Space Information and Intelligence (Si²) est une équipe multidisciplinaire composée de scientifiques, d’ingénieur·e·s et de développeur·euse·s logiciels issus de domaines tels que la physique, la dynamique des systèmes, l’informatique et la conception logicielle.
Elle se consacre au développement de solutions innovantes pour surveiller l’environnement spatial à partir de multiples sources d’observation et de données géospatiales.
Tes responsabilités
Concevoir, implémenter et valider des modèles de machine learning / deep learning (supervisés ou non supervisés) pour :
extraire des données astrodynamiques proches de la Terre à partir d’images bruitées avec des ressources matérielles limitées
identifier des séries temporelles représentant la dynamique d’un objet
regrouper (clustering) des séries temporelles
inférer des données astrodynamiques à partir d’observations partielles
analyser les tendances à long terme et le comportement d’objets en orbite
Déployer ces modèles dans des infrastructures cloud ou sur des dispositifs embarqués (edge)
Développer des composants logiciels robustes et réutilisables (au-delà de prototypes de recherche)
Collaborer avec une équipe multidisciplinaire
Assurer une veille scientifique continue, synthétiser les résultats clés et les traduire en recommandations exploitables pour des publics techniques et non techniques
Évaluer les performances des solutions à l’aide de données simulées et réelles
Documenter clairement les algorithmes, flux de travail et résultats
Ton profil
Maîtrise ou doctorat en : Machine Learning, physique, génie électrique ou informatique, mathématiques appliquées, aérospatiale ou tout autre domaine connexe
Un minimum de 5 ans d'expérience dans le domaine
Bilinguisme français/anglais (écrit et oral) — collaboration internationale (~20%)
Une combinaison équivalente formation + expérience peut être considérée
Compétences recherchées
Solides bases en : apprentissage automatique, probabilités, statistiques, optimisation
Expérience pratique avec : frameworks de deep learning (ex. PyTorch), Python et ses bibliothèques scientifiques, développement et débogage de modèles personnalisés
Bonne maîtrise des architectures de deep learning : réseaux convolutifs, architectures à mécanisme d’attention, adaptation de modèles pré-entraînés ou conception from scratch
Capacité à concevoir des preuves de concept avec contraintes de production : modularité, scalabilité, reproductibilité
Bonnes pratiques en génie logiciel : Git, tests, CI/CD
Atouts supplémentaires
Expérience en déploiement de modèles dans des pipelines de données (cloud et/ou edge)
Connaissances en calcul haute performance : CUDA, optimisation GPU
Intérêt ou connaissances en mécanique orbitale
Expérience avec : ingestion de données à grande échelle, prétraitement, gestion du cycle de

Employment type
Permanent (Full-Time)

Work arrangement
No