Auf einen Blick
Staff Data/AI Engineer bei RBC Borealis in Toronto. Entwickelt skalierbare Data Pipelines und KI-Systeme für Personal Banking und Commercial Banking mit Fokus auf LLMs und Agentic AI.
💰 CAD 150.000–200.000/Jahr
📊 Senior
🕒 Vollzeit
🌍 Hybrid
🗺️ Americas
- Master in Computer Science oder verwandtem Feld
- 5+ Jahre Data, Software, ML oder KI Engineering
- Python, Java, SQL, Spark Expertise
- Erfahrung mit LLM-Anwendungen und Agentic Workflows
Data Engineering
AI/Machine Learning
Python
SQL
Spark
LLM
RAG
MLOps
✅ Geeignet für
- Senior Data/ML Engineer
- Systemarchitekten mit KI-Fokus
- LLM/Agentic AI Spezialisten
🚫 Weniger geeignet
- Junior Developer
- Keine ML Erfahrung
- Nur Frontend Skills
💡 Gut zu wissen
- RBC Borealis ist Innovationszentrum für KI und Data
- Master-Abschluss im Feld erforderlich
- LLMs und Agentic AI sind Core Focus
- Globales Team mit Fokus auf Finanzinnovation
Über das Unternehmen
RBC Borealis ist die treibende Kraft hinter RBCs KI- und Datamnovation. Das Team besteht aus Architekten, Ingenieuren, Wissenschaftlern und Product Experten mit Fokus auf Finanzinnovation in Kanadas größter Finanzinstitution.
Deine Aufgaben
- Baue und warte skalierbare Batch- und Streaming-Data Pipelines für KI und Agentic Workflows
- Implementiere DataOps und MLOps Automatisierung mit CI/CD Pipelines, Data Validation, ML Deployment und Monitoring
- Entwickle KI-Services wie LLM-powered APIs, RAG Pipelines und Agent Orchestration Logic
- Gestalte und optimiere Data Models, Feature Stores und Storage Patterns für Performance und Governance
- Schreibe produktionsqualitätlichen Code mit Code Reviews und kontinuierlicher Verbesserung
- Behebe Performance-Issues und verbessere Zuverlässigkeit, Skalierbarkeit und Observability
Deine Voraussetzungen
- Master in Computer Science, Software Engineering oder verwandtem Feld
- 5+ Jahre Erfahrung in Data, Software, ML oder KI Engineering
- Fachkenntnisse in Python, Java, SQL, Spark mit starken Softwaretechnik-Fundamentals
- Erfahrung mit KI-Systemen wie LLM-Anwendungen, RAG Pipelines, Agent-Workflows
- Tiefes Verständnis von Data Modeling, verteilten Systemen und Performance Tuning
- Solides Verständnis des ML Data Lifecycle mit Feature Engineering und Model Integration
- Exzellente Zusammenarbeit und Kommunikation mit ambiger Problem-Klärung
Benefits
- Team mit progressivem Denken und Zusammenarbeit
- Umfassendes Total Rewards Programm mit Boni, flexiblen Benefits und wettbewerbsfähiger Vergütung
- Führungskräfte, die deine Entwicklung unterstützen
- Möglichkeit, von lokal bis global Unterschied zu machen
