Responsibilities
- Expand event-driven strategies to incorporate market data streams, news feeds, social media inputs, and infrastructure telemetry.
- Conduct rapid prototyping and analysis using Python and Jupyter to assess signal quality and translate findings into system improvements.
- Design and maintain agent frameworks—including tooling, context management, evaluation mechanisms, and safeguards—that operate across data and infrastructure layers, ensuring reliability in production.
- Apply large language models selectively where they provide measurable advantage in tasks such as extraction, classification, triage, or research acceleration, while avoiding their use in unsuitable contexts.
- Own end-to-end system performance from edge networks to in-memory data stores—implement monitoring, instrumentation, and debugging practices alongside operations teams to meet strict service level objectives.
- Lead new initiatives including greenfield projects, design reviews, and post-mortem analyses to drive continuous improvement.
Nice to Have
- Expertise in current LLM ecosystems, including agent frameworks, model control planes, RAG architectures, evaluation tools, or local/self-hosted inference solutions.
- Demonstrated success in reducing latency within NGINX, Envoy, or custom load-balancing layers.
- Experience operating in high-pressure environments such as trading floors, esports, competitive sports, or hackathons.
- Contributions to open-source projects, technical blogging, or conference presentations.
Work Arrangement
Remote — Montreal
Ce que vous apportez
- 3–5 ans d’expérience dans la conception de systèmes temps réel ou intensifs en données (nous privilégions la trajectoire et la profondeur plutôt que le nombre exact d’années).
- Maîtrise approfondie des LLM, pas seulement de leur usage — compréhension du comportement réel de ces modèles (contexte et modes de défaillance, usage d’outils, sorties structurées, compromis coût/latence, limitation des hallucinations) et capacité à construire le cadre autour d’un modèle : outils, mémoire, réessais, évaluations, frontières du « humain dans la boucle ». Présentez un projet concret que vous avez déployé et que vous pouvez expliquer de bout en bout, y compris ce qui a cassé.
- Solides fondamentaux en ingénierie dans Python, Go ou Rust. Préférence, pas exclusion — une expérience systèmes approfondie dans un autre langage sérieux est transférable.
- Connaissance approfondie de la programmation réseau et des protocoles — TCP/UDP/IP, DNS, BGP, HTTP(S), WebSocket, QUIC.
- Capacité à transformer rapidement des POC (preuve de concept) en production — valider la significativité statistique, itérer vite, livrer et expliquer les résultats à des publics techniques et non techniques.
- Baccalauréat ou maîtrise en informatique, science des données, mathématiques ou discipline connexe.
Atouts supplémentaires
- Expertise dans l’écosystème LLM actuel — frameworks d’agents, MCP, architectures RAG, outils d’évaluation, ou inférence locale / autohébergée.
- Succès démontré à réduire la latence sur NGINX, Envoy ou des couches de répartition de charge personnalisées.
- Expérience dans des domaines à haute pression — salles de marché, esports, sports de compétition ou hackathons.
- Contributions open source, blog technique ou présentations en conférence.
Ce que DRW Montréal a à vous offrir
- Reconnue comme l'un des meilleurs employeurs au Canada depuis 8 ans
- Engagement en faveur de la formation et du développement continus
- Un ensemble d'avantages et de bénéfices à la pointe de l'industrie
- Centré sur le bien-être des employés et l'équilibre entre vie professionnelle et vie privée
- Initiatives communautaires, programme de volontariat et possibilités de redonner
Other
Le masculin est utilisé sans discrimination dans le seul but d’alléger le texte.
