Description du poste
INSTITUT DE RECHERCHE DU CUSM
L'Institut de recherche du Centre universitaire de santé McGill (IR-CUSM) est un centre de recherche de réputation mondiale dans le domaine des sciences biomédicales et des soins de santé. Établi à Montréal, au Québec, l'Institut constitue la base de recherche du Centre universitaire de santé McGill (CUSM), centre hospitalier universitaire affilié à la Faculté de médecine de l'Université McGill. L'IR-CUSM est financé en partie par le Fonds de recherche du Québec - Santé (FRQS).
Sommaire du poste
Sous la direction du Dr. Esli Osmanlliu, l’assistante ou assistant de recherche contribuera au projet PREDICT-ED (Pediatric Real-time Evaluation and Dynamic Intelligent Crowding Tracking in the Emergency Department), un projet visant à développer et évaluer rétrospectivement des algorithmes d’apprentissage automatique pour prédire l’achalandage, les temps d’attente et l’encombrement à l’urgence pédiatrique. Le projet utilisera des données opérationnelles institutionnelles agrégées ainsi que des données externes accessibles publiquement afin de développer des modèles prédictifs à des horizons de 6 heures et de 24 heures. Ce poste s’inscrit à l’intersection de l’amélioration de la qualité, de la sécurité des patients, de la science des données en santé et de l’optimisation des systèmes de soins. Il convient à une personne possédant une formation avancée en informatique, science des données ou domaine connexe, avec un intérêt marqué pour l’application de l’apprentissage automatique à l’amélioration des soins de santé.
Fonctions et attributions
- Contribuer à la préparation, au nettoyage, à l’intégration et à la structuration de jeux de données provenant de sources opérationnelles institutionnelles et de sources externes accessibles publiquement;
- Participer au développement de variables et caractéristiques pertinentes pour la prédiction de l’achalandage et de l’encombrement à l’urgence pédiatrique;
- Travailler avec des données longitudinales et des séries temporelles liées aux volumes de patients, aux temps d’attente, aux ressources opérationnelles et à d’autres facteurs contextuels;
- Mettre en œuvre, entraîner et comparer différents modèles d’apprentissage automatique applicables aux séries temporelles;
- Participer à l’évaluation rétrospective de modèles prédictifs à l’aide de mesures de performance appropriées;
- Appliquer des stratégies de validation temporelle afin de réduire le risque de surapprentissage;
- Documenter les pipelines de données, le code, les choix méthodologiques, les hypothèses analytiques, les résultats expérimentaux et les limites des modèles;
- Collaborer avec une équipe multidisciplinaire comprenant des cliniciennes et cliniciens, chercheuses et chercheurs, spécialistes en informatique clinique, partenaires opérationnels et spécialistes des données;
- Contribuer à la préparation de rapports, présentations, résumés scientifiques, manuscrits ou documents de mobilisation des connaissances;
- Participer, au besoin, à la préparation de matériel visant à soutenir une évaluation prospective future des modèles développés;
- Collaborer avec les chercheuses et chercheurs, les cliniciennes et cliniciens, et les ingénieures et ingénieurs pour faire progresser les initiatives innovantes en santé numérique ;
- Assurer les mises à jour régulières des systèmes, le dépannage et la documentation afin de soutenir la pérennité et le transfert de connaissances ;
- Soutenir les activités de test, d’évaluation et d’assurance qualité pour maintenir la fiabilité et l’évolutivité des solutions de santé numérique.
Critères de performance :
- Respecter l'échéancier convenu des sous-tâches du projet (y compris le nettoyage des données; le développement, l'entraînement et l'évaluation du modèle; la création d'un outil de visualisation destiné aux cliniciennes et cliniciens des urgences).
Site web de l’organisation
https://rimuhc.ca/fr
Éducation/Expérience
Éducation : Maîtrise
Domaine d’étude : Informatique, science des données, apprentissage automatique, intelligence artificielle, statistiques, bio-informatique, génie logiciel ou domaine connexe
Autre éducation considérée un atout pour ce poste : Doctorat considéré un atout
Expérience de travail : 1 à 3 ans Expérience pertinente en programmation scientifique, science des données ou apprentissage automatique requise. Excellente maîtrise de Python requise. Expérience avec les bibliothèques d'apprentissage automatique (scikit-learn, PyTorch, TensorFlow, XGBoost, pandas, NumPy). Expérience avec les données longitudinales, séries temporelles, données de santé ou données opérationnelles hospitalières est un atout.
Compétences requises
- Une connaissance du français est requise.
- Une connaissance avancée de l’anglais oral et écrit est requise puisque le poste requiert un contact régulier et complexe auprès de chercheuses et chercheurs ou d’étudiantes et d’étudiants internationaux qui maîtrisent exclusivement l’anglais.
- Solides compétences en programmation, particulièrement en Python;
- Expérience avec des plateformes infonuagiques et le déploiement d'applications ;
- Excellentes compétences en communication et capacité à documenter clairement les processus techniques ;
- Bonne compréhension des méthodes d'apprentissage automatique supervisé;
- Capacité à produire du code clair, organisé, reproductible et bien documenté;
- Rigueur scientifique, autonomie, sens de l'organisation et souci du détail;
- Capacité à travailler dans un environnement multidisciplinaire et collaboratif;
- Excellentes compétences communicationnelles et interpersonnelles;
- Connaissance des principes de MLOps (reproductibilité des modèles, gestion des pipelines, contrôle de versions et documentation);
- Expérience avec les pratiques DevOps (p. ex. pipelines CI/CD, conteneurisation, automatisation infonuagique) ;
- Familiarité avec les normes de confidentialité et de sécurité des données en santé (p. ex. LPRPDE, HIPAA, RGPD);
- Connaissance de Microsoft Word, Excel et Outlook.
Information additionnelle
Statut : Temporaire à temps plein (semaine de 35 heures)
Échelle de rémunération : Selon les qualifications et l’expérience
Horaire de travail : Lundi au vendredi 9h00 à 17h00
Site de travail : 5252, boul. de Maisonneuve
- Ce poste offre la possibilité de travail hybride (présentiel et télétravail).
Précisions additionnelles : Contrat à durée déterminée de 4 mois, débutant à l’été 2026. Rémunération : 30 $/h avant les retenues applicables.
***
Si vous désirez inclure une lettre de motivation, veuillez la joindre à votre curriculum vitae en un seul document. ***
Pourquoi travailler avec nous?
- 4 semaines de vacances, une 5e semaine après 5 ans
- Banque de 12 congés payés (congés personnels et pour cause de maladie ou raisons familiales),
- 13 jours fériés payés,
- Régime d'assurance collective modulaire (incluant une garantie pour l'affirmation de genre),
- Télémédecine,
- Régime de retraite gouvernemental (RREGOP) à prestations déterminées, régime garanti,
- Opportunités de formation et de développement professionnel,
- Garderie sur les lieux de travail,
- Rabais corporatif (OPUS + Perkopolis),
- Tarif mensuel compétitif pour le stationnement,
- Programme d'aide aux employés,
- Programme de reconnaissance,
- Possibilité de travail flexible et plus encore!
https://rimuhc.ca/fr/careers
Pour en savoir plus sur nos avantages sociaux, SVP visitez http://rimuhc.ca/fr/compensation-and-benefits
LE POSTE AFFICHÉ N’EST PAS UN POSTE D’HÔPITAL
Programme d'accès à l'égalité en emploi
L'Institut de recherche du Centre universitaire de santé McGill embauche sur la base du mérite et s'engage fermement à respecter l'équité, la diversité et l'inclusion au sein de sa communauté. Nous accueillons les candidatures de tous les candidats qualifiés qui s'identifient comme membres de groupes racialisés / minorités visibles, femmes, personnes autochtones, personnes handicapées, minorités ethniques et personnes 2SLGBTQIA+. Nous accueillons également les candidats qui possèdent les compétences et les connaissances nécessaires pour s'engager de manière productive auprès de diverses communautés. Les personnes handicapées qui prévoient avoir besoin de mesures d'adaptation pour toute partie du processus de candidature peuvent contacter, en toute confidentialité, [email protected]
