Scientific Internship Jobs in Quebec (NOW HIRING)

Company Overview

Jesta I.S. builds enterprise retail technology used by apparel and footwear brands with complex, multi-site operations. Our data environment spans ERP and cloud platforms, and our engineering culture is hands-on, pragmatic, and fast-moving.

You'll work in a production environment integrating Oracle, Snowflake, AWS, and Azure, supported by strong security standards, modern CI/CD practices, and close collaboration across Data Science, Engineering, Frontend, and Product teams.

Position Summary

We are looking for a Senior MLOps Engineer to design, build, and maintain the data and machine learning pipelines that power our AI and analytics platforms.

This is a deeply hands-on engineering role responsible for the full ML lifecycle, from data ingestion and transformation through model training, deployment, monitoring, retraining, and rollback.

You will bridge data engineering, ML automation, infrastructure, observability, and application deployment to help build scalable, secure, multi-tenant AI infrastructure with a strong focus on reliability, performance, and cost-efficient design.

Responsibilities

• Build and automate ML pipelines for data preparation, training, inference, monitoring, and retraining.
• Develop production data flows across Oracle ERP, Snowflake, AWS, and Azure environments.
• Create reusable Kedro pipelines and manage scalable workloads through AWS Batch, EKS, Karpenter, Kueue, and Fargate.
• Implement MLflow-based experiment tracking, model versioning, lineage, quality gates, staged promotion, and rollback.
• Capture reproducible run manifests, validate prediction completeness, and support safe partial-run recovery.
• Provision secure, multi-tenant cloud infrastructure using Terraform or OpenTofu.
• Implement CI/CD workflows using Azure DevOps and GitHub Actions, including testing, scanning, immutable images, and rollback strategies.
• Build observability for run success, completeness, freshness, duration, drift, failures, and infrastructure cost.
• Maintain Dockerized, Kubernetes-native environments using ECR and EKS, with appropriately sized compute and memory resources.
• Deploy secure React and Python ML applications across AWS and Azure using private networking, MFA, RBAC, encryption, and least-privilege access.
• Collaborate with Data Scientists and Product stakeholders to operationalize models, improve performance, and address reliability gaps.

Technical Environment

• Languages & Frameworks: Python (pandas, Polars, boto3, joblib, LightGBM/XGBoost), SQL, JavaScript/React
• Data Engineering: AWS DMS, Athena, Snowflake, Oracle
• Pipeline & Orchestration: Kedro, EventBridge, AWS Batch, Amazon EKS, Karpenter, Kueue, Fargate
• MLOps: MLflow, Docker, ECR, Azure DevOps, GitHub Actions
• Infrastructure & Observability: Terraform/OpenTofu, CloudWatch, Prometheus, Grafana, structured logging, drift monitoring
• Cloud & Deployment: AWS (EC2, S3, RDS, Batch, EKS, Fargate, ECR, EventBridge, Lambda), Azure integration and parallel deployment
• Security: AWS IAM, Cognito, RBAC, MFA, Secrets Manager, PrivateLink, encryption, and network access controls

Qualifications

Education & Professional Experience

• Bachelor's or Master's degree in Computer Science, Machine Learning, or a related field.
• Minimum of 5 years of full-time professional experience, excluding internships and academic training, in ML Engineering, MLOps, or data-pipeline development.
• 7+ years of relevant professional experience is preferred.
• Proven ability to design, build, and automate production-scale, end-to-end ML pipelines in cloud environments.

Technical Expertise

• Strong Python and SQL skills, including complex querying against large datasets.
• Hands-on experience integrating Oracle and Snowflake with production ML systems.
• Proficiency with Terraform or equivalent Infrastructure as Code (IaC) tooling.
• Experience with containerized application deployment, CI/CD, and workflow orchestration.
• Experience with Kubernetes/EKS and cloud-native infrastructure.
• Experience with MLflow or equivalent MLOps tooling.
• Understanding of model lifecycle practices, including versioning, lineage, quality validation, staged promotion, monitoring, and rollback.
• Experience working with cloud platforms, preferably AWS and Azure.

Skills & Abilities

• Strong ownership and hands-on engineering mindset, from architecture through production.
• Analytical and performance-focused approach to solving complex technical and operational problems.
• Ability to balance scalability, cost, security, reliability, and maintainability when designing solutions.
• Comfortable working across data engineering, machine learning, software engineering, infrastructure, and application delivery.
• Strong collaboration skills when working with Data Scientists, Frontend Developers, Product stakeholders, and Engineering teams.
• Strong attention to detail and commitment to automation, observability, reliability, and responsible data handling.
• Ability to proactively identify and resolve operational gaps.
• Strong adaptability and ability to work effectively in a fast-moving engineering environment.

Additional Information

• Work Model: Hybrid; 2days per week in the Montreal office. Remote option possible for exceptional candidates.

We thank all applicants for their interest; only those shortlisted will be contacted.

Join us to help build the secure, scalable cloud foundations of our AI-powered future!

--------------------

Presentation de l'entreprise

Jesta I.S. developpe des technologies d'entreprise pour le commerce de detail, utilisees par des marques de vetements et de chaussures ayant des operations complexes et reparties sur plusieurs sites. Notre environnement de donnees englobe des plateformes ERP et infonuagiques, et notre culture d'ingenierie est pratique, pragmatique et dynamique.

Vous travaillerez dans un environnement de production integrant Oracle, Snowflake, AWS et Azure, soutenu par des normes de securite rigoureuses, des pratiques modernes de CI/CD et une collaboration etroite entre les equipes de science des donnees, d'ingenierie, de developpement frontend et de produit.

Resume du poste

Nous sommes a la recherche d'une ingenieure MLOps senior pour concevoir, developper et maintenir les pipelines de donnees et d'apprentissage automatique qui alimentent nos plateformes d'IA et d'analytique.

Il s'agit d'un role d'ingenierie tres pratique couvrant l'ensemble du cycle de vie du ML, de l'ingestion et de la transformation des donnees a l'entrainement, au deploiement, a la surveillance, au reentrainement et au retour a une version anterieure.

Vous ferez le lien entre l'ingenierie des donnees, l'automatisation ML, l'infrastructure, l'observabilite et le deploiement applicatif afin de contribuer a batir une infrastructure d'IA evolutive, securisee et multi-locataires, avec un fort accent sur la fiabilite, la performance et l'optimisation des couts.

Responsabilites

• Concevoir et automatiser des pipelines ML pour la preparation des donnees, l'entrainement, l'inference, la surveillance et le reentrainement.
• Developper des flux de donnees de production entre les environnements Oracle ERP, Snowflake, AWS et Azure.
• Creer des pipelines Kedro reutilisables et gerer des charges de travail evolutives avec AWS Batch, EKS, Karpenter, Kueue et Fargate.
• Mettre en uvre avec MLflow le suivi des experiences, le versionnage des modeles, la lignee des donnees, les controles de qualite, la promotion par etapes et le rollback.
• Produire des manifestes d'execution reproductibles, valider la completude des predictions et permettre la reprise securitaire des traitements partiels.
• Provisionner une infrastructure infonuagique securisee et multi-locataires a l'aide de Terraform ou OpenTofu.
• Mettre en uvre des workflows CI/CD avec Azure DevOps et GitHub Actions, incluant les tests, l'analyse, les images immuables et les strategies de rollback.
• Developper l'observabilite des executions, notamment leur succes, leur completude, leur fraicheur, leur duree, la derive, les defaillances et les couts d'infrastructure.
• Maintenir des environnements Dockerises et natifs Kubernetes avec ECR et EKS, en assurant un dimensionnement approprie des ressources de calcul et de memoire.
• Deployer des applications ML securisees en React et Python sur AWS et Azure a l'aide de reseaux prives, MFA, RBAC, chiffrement et acces a privileges minimaux.
• Collaborer avec les equipes de science des donnees et les parties prenantes produit afin d'industrialiser les modeles, d'ameliorer les performances et de resoudre les enjeux de fiabilite.

Environnement technique

• Langages et frameworks : Python (pandas, Polars, boto3, joblib, LightGBM/XGBoost), SQL, JavaScript/React
• Ingenierie des donnees : AWS DMS, Athena, Snowflake, Oracle
• Pipelines et orchestration : Kedro, EventBridge, AWS Batch, Amazon EKS, Karpenter, Kueue, Fargate
• MLOps : MLflow, Docker, ECR, Azure DevOps, GitHub Actions
• Infrastructure et observabilite : Terraform/OpenTofu, CloudWatch, Prometheus, Grafana, journalisation structuree, surveillance de la derive
• Cloud et deploiement : AWS (EC2, S3, RDS, Batch, EKS, Fargate, ECR, EventBridge, Lambda), integration Azure et deploiement parallele
• Securite : AWS IAM, Cognito, RBAC, MFA, Secrets Manager, PrivateLink, chiffrement et controles d'acces reseau

Qualifications

Formation et experience professionnelle

• Baccalaureat ou maitrise en informatique, apprentissage automatique ou dans un domaine connexe.
• Minimum de 5 ans d'experience professionnelle a temps plein, excluant les stages et la formation academique, en ingenierie ML, MLOps ou developpement de pipelines de donnees.
• 7 ans ou plus d'experience pertinente sont privilegies.
• Capacite demontree a concevoir, developper et automatiser des pipelines ML complets a l'echelle de la production dans des environnements infonuagiques.

Expertise technique

• Solides competences en Python et SQL, incluant la redaction de requetes complexes sur de grands volumes de donnees.
• Experience pratique de l'integration d'Oracle et Snowflake a des systemes ML en production.
• Maitrise de Terraform ou d'un outil equivalent d'Infrastructure as Code (IaC).
• Experience en deploiement d'applications conteneurisees, en CI/CD et en orchestration de workflows.
• Experience avec Kubernetes/EKS et les infrastructures infonuagiques natives.
• Experience avec MLflow ou un outil MLOps equivalent.
• Bonne comprehension du cycle de vie des modeles, notamment le versionnage, la lignee, la validation de la qualite, la promotion par etapes, la surveillance et le rollback.
• Experience avec des plateformes infonuagiques, idealement AWS et Azure.

Competences et aptitudes

• Fort sens de l'autonomie et approche d'ingenierie pratique, de l'architecture jusqu'a la mise en production.
• Approche analytique axee sur la performance pour resoudre des problemes techniques et operationnels complexes.
• Capacite a equilibrer evolutivite, couts, securite, fiabilite et maintenabilite dans la conception de solutions.
• A l'aise a l'intersection de l'ingenierie des donnees, de l'apprentissage automatique, du genie logiciel, de l'infrastructure et du deploiement applicatif.
• Excellentes aptitudes a collaborer avec les equipes de science des donnees, de developpement frontend, de produit et d'ingenierie.
• Grande attention aux details et engagement envers l'automatisation, l'observabilite, la fiabilite et la gestion responsable des donnees.
• Capacite a identifier et resoudre de facon proactive les enjeux operationnels.
• Grande capacite d'adaptation et aisance dans un environnement d'ingenierie dynamique et en constante evolution.

Informations complementaires

• Modele de travail : Hybride ; presence au bureau de Montreal deux jours par semaine.
  Option de teletravail possible pour les candidates exceptionnelles.
• Nous remercions toutes les personnes interessees; seules les personnes retenues seront contactees.

Joignez-vous a nous pour contribuer a batir les fondations infonuagiques securisees et evolutives de notre avenir propulse par l'IA!