Auxiliaire de recherche 2

Résumé du poste

Develop methods for uncertainty quantification, calibration, active learning, and experimental design to improve prediction reliability and data efficiency. Build and maintain Python research pipelines, develop verifiable information retrieval and memory methods for LLM-based scientific agents, and contribute to publications, conference presentations, and grant reports.

Détails du poste

Veuillez référer au guide Comment postuler à un emploi (pour les candidats externes) pour obtenir des instructions sur la façon de postuler. Si vous êtes un employé actif de McGill (c.-à-d. actuellement dans un contrat ou un poste actif à l'Université McGill), ne postulez pas via ce site de carrière. Connectez-vous à votre compte McGill Workday et postulez à cette affichage en utilisant le rapport Find Jobs (tapez Find Jobs dans la barre de recherche). Unité D’embauche Département de mathématiques et de statistique Sommaire Du Poste Développer des méthodes de quantification de l’incertitude et de calibration afin d’assurer la fiabilité des prédictions et la maîtrise des risques. Superviser et contribuer à la conception de stratégies d’apprentissage actif et d’expériences visant à améliorer l’efficacité de l’utilisation des données et à orienter les décisions expérimentales. Développer et maintenir des pipelines Python pour la modélisation statistique, l’expérimentation et l’analyse. Contribuer à la rédaction de publications scientifiques, aux présentations lors de conférences et à la préparation de rapports de subvention. Développer des méthodes de recherche d’information et de mémoire vérifiables pour les agents scientifiques fondés sur de grands modèles de langage (LLM). Compétences Requises Un doctorat en statistique, en génie électrique, en science des matériaux, en génie mécanique ou dans un domaine connexe, accompagné d’une expérience de recherche en intelligence artificielle (IA) ou en apprentissage automatique, constitue un atout. Connaissance de l’apprentissage automatique, de la modélisation probabiliste, de la quantification de l’incertitude et de l’interprétabilité des modèles. Expérience en conception ou en optimisation de matériaux guidée par l’apprentissage automatique, démontrée par des publications évaluées par les pairs. Maîtrise de Python et des outils scientifiques d’apprentissage automatique, y compris le développement de logiciels de recherche reproductibles. Expérience Et Formation Un doctorat dans un domaine connexe constitue un atout. Avant de postuler, veuillez noter que pour travailler à l’Université McGill, vous devez être autorisé à travailler au Canada et être disposé à travailler dans la province de Québec, sur le campus où le poste est situé. L’Université McGill est une université de langue anglaise où la majorité des activités d’enseignement et de recherche se déroulent en anglais. Une capacité de communication en anglais, tant à l’oral qu’à l’écrit, est donc requise. Le niveau d’anglais requis pour ce poste a été évalué au niveau 4 sur une échelle de 0 à 4. Salaire Horaire $32.15 Heures Par Semaine 5 (Temps partiel) Lieu Pavillon Burnside Superviseur Professeur Date De Début De L’emploi 2026-10-13 Date De Fin De L’emploi 2027-02-26 Date Limite Pour Postuler 2026-10-29 Ce poste est couvert par la convention collective de l’Association des employés de recherche de l’Université McGill (AMURE). L’Université McGill recrute sur la base du mérite et s’est fermement engagée à promouvoir et instaurer l’équité et la diversité au sein de sa communauté. Nous accueillons favorablement les demandes d’emploi des personnes racisées et de minorités visibles, des femmes, des personnes autochtones, des personnes handicapées, des minorités ethniques, des personnes de toute orientation et identité sexuelles, ainsi que toute personne possédant les aptitudes et les connaissances lui permettant de travailler en collaboration avec diverses communautés. L’Université McGill met en œuvre un programme d’équité en matière d’emploi et invite les membres des groupes visés à indiquer leur appartenance à ces derniers dans leur dossier de candidature. Les personnes handicapées qui pourraient avoir besoin d’accommodements à n’importe quelle étape du processus de candidature sont invitées à communiquer en toute confidentialité, accessibilityrequest.hr@mcgill.ca.

Ce que vous ferez

Develop methods for uncertainty quantification, calibration, active learning, and experimental design to improve prediction reliability and data efficiency. Build and maintain Python research pipelines, develop verifiable information retrieval and memory methods for LLM-based scientific agents, and contribute to publications, conference presentations, and grant reports.

Exigences

A PhD in statistics, electrical engineering, materials science, mechanical engineering, or a related field is an asset, along with research experience in AI or machine learning. Candidates should have knowledge of machine learning, probabilistic modeling, uncertainty quantification, and model interpretability; peer-reviewed research in machine-learning-guided materials design or optimization; and proficiency in Python and reproducible scientific software development.

Compétences indiquées

• Analyse de données · Souhaitée
• Apprentissage automatique · Souhaitée
• Python · Souhaitée

Autres compétences pertinentes

Relevées dans la description du poste. Confirmez les exigences importantes ci-dessus.

• Statistical Modeling
• Machine Learning
• Probabilistic Modeling
• Uncertainty Quantification
• Model Interpretability
• Active Learning
• Experimental Design
• Materials Design and Optimization
• Python
• Reproducible Research Software Development
• Information Retrieval
• Large Language Models
• Scientific Writing
• Data Analysis

Domaines d’emploi

• Science & Research
• Data & Analytics
• Technology
• Education

Autres postes chez McGill University