Data Science AI Intern

# Data Science & AI Intern — AI Lab

## About Us

The [

Canadian Food Inspection Agency (CFIA) ](https://inspection.canada.ca) is the federal body responsible for safeguarding food, animals, and plants in Canada. Within CFIA, the **AI Lab** is a multidisciplinary team that designs and develops AI-powered digital tools to modernize inspection and regulatory processes. We work in the open (open source) and strive to deliver reliable, secure solutions.

🔗 inspection.canada.ca | github.com/ai-cfia

---

## General Information

- **Position:** Data Science & AI Intern — AI Lab

- **Location:** 2001, Robert-Bourassa Blvd, Montréal, QC H3A 3N2 — hybrid

- **Period:** Summer 2026 (May to August 2026, 4 months)

- **Schedule:** 37.5 hours/week, Monday to Friday

- **Salary:** TBD

- **Positions available:** 1

---

## Position Context

The AI Lab builds intelligent tools that help CFIA inspectors and scientists make faster, more informed decisions. As a data science intern, you'll play a key role in the design, development, and deployment of advanced machine learning models and solutions on **Kubernetes** . You will work on applied AI/ML problems with real-world regulatory impact — from training and evaluating models to designing scalable data pipelines and ensuring smooth integration into production systems through **DevOps** practices.

Examples of projects you may contribute to:

- **[ Nachet ](

https://github.com/ai-cfia/nachet )** — AI-powered seed identification system. Computer vision models classify seeds from digital microscope images to support inspection workflows. (Python, deep learning)

- **[ FertiScan ](

https://github.com/ai-cfia/fertiscan )** — AI-powered label compliance analysis tool. Uses LLMs to extract and validate regulatory information from product labels. Expanding beyond fertilizers to other regulated product categories. (Python, LLMs/NLP)

_Additional projects may be added during Summer 2026._

---

## Tasks

- **~40% Model Development & Experimentation** — Research, train, fine-tune, and optimize deep learning models (NLP, Computer Vision). Design and run experiments to improve accuracy and performance on domain-specific tasks.

- **~30% Data & ML Engineering Pipelines** — Build and maintain end-to-end machine learning pipelines on **Microsoft Azure** , using services like **Azure Machine Learning** , **Azure Databricks** , and **Azure DevOps** .

- **~20% Analysis, Deployment & Integration** — Preprocess data, perform feature engineering, and evaluate model robustness. Collaborate with full-stack teams to integrate ML capabilities into applications, ensuring a seamless user experience.

- **~10% Collaboration & DevOps** — Apply DevOps best practices for automated training, deployment, and monitoring. Participate in code reviews, stand-ups, and stay updated on the latest trends in Azure and ML technologies.

_The balance shifts depending on project needs and the intern's interests._

---

## Skills & Requirements

### Required

**Education:**

- Graduate student (Master's or PhD) in Machine Learning, Data Science, Computer Science, or a related field

**Technical skills:**

- Python (NumPy, pandas, scikit-learn)

- Experience with deep learning frameworks ( **PyTorch** , **TensorFlow** , or **Keras** )

- Solid understanding of **NLP** or **computer vision** techniques

- Experience in designing and implementing ML solutions with a focus on deep learning

- Git and GitHub

**Interpersonal skills:**

- Self-driven and technically curious

- Clear communication (written and verbal)

- Ability to work in a team in a hybrid environment

- **French or English required** (bilingualism is an asset)

### Nice to Have

- Experience with LLMs (fine-tuning, prompt engineering, RAG)

- Proficiency with **Microsoft Azure** services, including **Azure Machine Learning** , **Azure Databricks** , **Azure DevOps** , **Azure Kubernetes Service (AKS)** , and **Azure Data Factory**

- Practical experience with **DevOps** practices: **CI/CD pipelines** , **containerization** (e.g., Docker), and **Infrastructure as Code** (e.g., Terraform)

- Experience in **full-stack web development**

- Knowledge of MLOps (experiment tracking, model serving, performance monitoring)

- Publications or contributions to open source ML projects

---

## Work Environment

- Agile and collaborative environment with direct mentoring from team members

- Collaboration tools: **GitHub** , **Microsoft Teams**

- Regular code reviews and knowledge sharing

---

# Stagiaire Science des données et IA — AI Lab

## Description de l'entreprise

L' Agence canadienne d'inspection des aliments (ACIA) est l'organisme fédéral responsable de la sauvegarde des aliments, des animaux et des végétaux au Canada. Au sein de l'ACIA, le **AI Lab** est une équipe multidisciplinaire qui conçoit et développe des outils numériques propulsés par l'intelligence artificielle pour moderniser les processus d'inspection et de réglementation. Nous travaillons en mode ouvert (open source) et visons à livrer des solutions fiables et sécuritaires.

🔗 inspection.canada.ca | github.com/ai-cfia

---

## Informations générales

- **Poste :** Stagiaire Science des données et IA — AI Lab

- **Lieu :** 2001, boul. Robert-Bourassa, Montréal, QC H3A 3N2 — hybride

- **Période :** Été 2026 (mai à août 2026, 4 mois)

- **Horaire :** 37,5 heures/semaine, du lundi au vendredi

- **Salaire :** À déterminer

- **Postes disponibles :** 1

---

## Mise en contexte du poste

Le AI Lab développe des outils intelligents qui aident les inspecteurs et les scientifiques de l'ACIA à prendre des décisions plus rapidement et plus efficacement. En tant que stagiaire en science des données, vous jouerez un rôle clé dans la conception, le développement et le déploiement de modèles et solutions avancés de machine learning sur **Kubernetes** . Vous travaillerez sur des problèmes appliqués en IA/ML ayant un impact réel sur les processus réglementaires — de l'entraînement et l'évaluation de modèles à la conception de pipelines de données robustes et l'intégration de capacités d'IA dans des systèmes en production via des pratiques **DevOps** .

Exemples de projets sur lesquels vous pourriez contribuer :

- **[ Nachet ](

https://github.com/ai-cfia/nachet )** — Système d'identification de semences propulsé par l'IA. Des modèles de vision par ordinateur classifient les semences à partir d'images de microscopes numériques pour appuyer les processus d'inspection. (Python, apprentissage profond)

- **[ FertiScan ](

https://github.com/ai-cfia/fertiscan )** — Outil d'analyse de conformité d'étiquettes propulsé par l'IA. Utilise des LLMs pour extraire et valider l'information réglementaire sur les étiquettes de produits. Le projet s'étend au-delà des engrais vers d'autres catégories de produits réglementés. (Python, LLMs/NLP)

_D'autres projets pourraient s'ajouter durant l'été 2026._

---

## Tâches

- **~40 % Développement et expérimentation de modèles** — Rechercher, entraîner, affiner et optimiser des modèles d'apprentissage profond (NLP, Vision par ordinateur). Concevoir et mener des expériences pour améliorer la précision et la performance sur des tâches spécifiques au domaine.

- **~30 % Ingénierie des données et pipelines ML** — Construire et maintenir des pipelines de machine learning de bout en bout sur **Microsoft Azure** , en utilisant des services tels que **Azure Machine Learning** , **Azure Databricks** et **Azure DevOps** .

- **~20 % Analyse, déploiement et intégration** — Prétraiter les données, effectuer l'ingénierie des fonctionnalités et évaluer la robustesse des modèles. Collaborer avec l'équipe full stack pour intégrer les capacités d'IA dans les applications et systèmes.

- **~10 % Collaboration et DevOps** — Appliquer les meilleures pratiques DevOps pour l'automatisation de l'entraînement, du déploiement et de la supervision. Participer aux revues de code, aux mêlées, et rester à l'affût des nouvelles tendances Azure et IA.

_L'équilibre varie selon les besoins des projets et les intérêts du ou de la stagiaire._

---

## Compétences et exigences

### Requis

**Formation :**

- Étudiant·e (niveau maîtrise ou doctorat) en apprentissage automatique, science des données, informatique ou domaine connexe

**Compétences techniques (savoir-faire) :**

- Python (NumPy, pandas, scikit-learn)

- Expérience avec des cadres d'apprentissage profond ( **PyTorch** , **TensorFlow** ou **Keras** )

- Solides compétences en **NLP** ou en **vision par ordinateur**

- Capacité à concevoir et déployer des solutions d'apprentissage automatique profond

- Git et GitHub

**Compétences interpersonnelles (savoir-être) :**

- Autonomie et curiosité technique

- Communication claire (écrite et orale)

- Capacité à travailler en équipe dans un environnement hybride

- **Français ou anglais requis** (bilinguisme est un atout)

### Atouts

- Expérience avec les LLMs (fine-tuning, prompt engineering, RAG)

- Maîtrise des services **Microsoft Azure** : **Azure Machine Learning** , **Azure Databricks** , **Azure DevOps** , **Azure Kubernetes Service (AKS)** et **Azure Data Factory**

- Expérience pratique des pratiques **DevOps** : pipelines **CI/CD** , **conteneurisation** (ex. Docker) et infrastructure as code (ex. Terraform)

- Expérience en **développement web full stack**

- Connaissance du MLOps (suivi d'expériences, déploiement, supervision de la performance)

- Contributions à des projets open source ou publications scientifiques

---

## Milieu de travail

- Environnement agile et collaboratif avec encadrement direct par les membres de l'équipe

- Outils de collaboration : **GitHub** , **Microsoft Teams**

- Revues de code régulières et partage de connaissances

---