Chercheur(euse) postdoctoral(e)

Résumé du poste

Develop multimodal machine-learning methods that integrate cognitive task performance, conversation text, creative choices, psychometric data, and biometric data into a unified latent representation. Evaluate models for robustness, generalization, missing modalities, measurement error, bias, and responsible data use, while collaborating on data pipelines and cloud integration.

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). Chercheur ou chercheuse postdoctorale en apprentissage automatique multimodal Aperçu du poste Le poste consiste à mettre au point des techniques visant à élaborer un modèle de fondation des neurotypes humains en intégrant les performances aux tâches cognitives, les données textuelles issues de conversations et les données biométriques. Le principal défi consiste à utiliser l’apprentissage auto-supervisé de représentations afin de construire une variété latente continue représentant les différences individuelles. Responsabilités Développer des techniques de tokenisation et des méthodes d’apprentissage auto-supervisé afin d’intégrer divers flux de données (résultats cognitifs, textes, choix créatifs et données psychométriques). Entraîner des modèles reposant sur des architectures multimodales novatrices afin de projeter des données qualitatives et quantitatives dans un espace latent unifié. Travailler en étroite collaboration avec une personne chercheuse postdoctorale en psychométrie afin de distinguer les variations cognitives réelles des erreurs de mesure, des effets liés aux appareils et des facteurs de confusion linguistiques. Concevoir des évaluations rigoureuses axées sur la séparation des données au niveau des participants, la robustesse des modèles, la gestion des modalités manquantes et la généralisation. Examiner minutieusement les modèles afin de détecter les biais et les inférences sensibles non étayées, et d’évaluer leur stabilité, tout en veillant à une utilisation responsable des données en collaboration avec les instances de gouvernance. Collaborer avec des ingénieurs logiciels sur les pipelines de prétraitement des données et l’intégration des modèles dans l’infrastructure infonuagique du jeu. Qualifications Doctorat en apprentissage automatique, en informatique, en neurosciences computationnelles, en statistique ou dans une discipline connexe. Maîtrise de Python et des cadres de développement modernes en apprentissage profond. Expérience des infrastructures de calcul haute performance et des grappes de processeurs graphiques (GPU). Solide expérience en recherche dans les domaines de la modélisation multimodale, de l’apprentissage de représentations et de l’évaluation statistique des modèles d’apprentissage automatique. Atout : Expérience en apprentissage auto-supervisé, en traitement automatique du langage naturel (TALN), en modélisation cognitive et en méthodes respectueuses de la vie privée. Ce poste est régi par la convention collective de l’AMURE : https://www.mcgill.ca/hr/fr/relations-de-travail/syndicats-et-associations Avant de postuler, veuillez noter que pour travailler à l’Université McGill, vous devez être à la fois autorisé à travailler au Canada et disposé à travailler au Québec, sur le campus où le poste est basé. L’Université McGill est une université anglophone où la plupart des activités d’enseignement et de recherche se déroulent en anglais, ce qui exige une maîtrise de l’anglais tant à l’oral qu’à l’écrit. Salaire Annuel $60,000.00 Heures Par Semaine 35 (Temps plein) Lieu De Travail Neuro. Montréal Superviseur(e) Professeur agrégé Date de début de l’emploi 2027-01-01 Date De Fin De L’emploi 2027-12-31 Date Limite Pour Postuler 2026-11-13 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 multimodal machine-learning methods that integrate cognitive task performance, conversation text, creative choices, psychometric data, and biometric data into a unified latent representation. Evaluate models for robustness, generalization, missing modalities, measurement error, bias, and responsible data use, while collaborating on data pipelines and cloud integration.

Exigences

A PhD in machine learning, computer science, computational neuroscience, statistics, or a related discipline is required, along with proficiency in Python and modern deep-learning frameworks. Candidates should have research experience in multimodal modeling, representation learning, and statistical evaluation of machine-learning models, as well as experience with high-performance computing and GPU clusters; self-supervised learning, NLP, cognitive modeling, and privacy-preserving methods are assets.

Compétences indiquées

• Python · Souhaitée

Autres compétences pertinentes

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

• Multimodal Modeling
• Self-Supervised Learning
• Representation Learning
• Python
• Deep Learning
• High-Performance Computing
• GPU Clusters
• Statistical Model Evaluation
• Tokenization
• Natural Language Processing
• Cognitive Modeling
• Privacy-Preserving Methods
• Model Robustness
• Data Preprocessing
• Cloud Infrastructure
• Bias Assessment

Domaines d’emploi

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

Autres postes chez McGill University