C’est au travers de son partenariat IVADO que la Banque Nationale est fière commanditaire de la conférence SEMLA 2024 à Montréal. Viens discuter avec nos représentants le :
- 📅 12 juin 2024 de 8h30 à 19h | 13 juin 2024 de 8h30 à 18h
- 📍 Polytechnique de Montréal au pavillon principal
Selon ton expertise, plusieurs postes s’offrent à toi dans l’univers des technologies et de l’information à la Banque. Pour en savoir plus, consulte notre site carrière et abonne-toi aux alertes. Tu verras à quel point notre environnement est inclusif et diversifié!
Quelques données intéressantes à propos de nous :- Plus de 26 000 employé.e.s qui contribuent tous les jours à aider plus de deux millions de client.e.s à atteindre leurs objectifs financiers et à réaliser leurs idées
- Parmi les six banques les plus importantes du Canada
- La principale institution bancaire au Québec et partenaire par excellence des PME
- Nos succursales sont dans la plupart des provinces canadiennes et sommes aussi présents aux États-Unis, en Europe et ailleurs dans le monde.
- Nos environnements de travail dynamiques et nos outils de collaborations modernes qui favorisent une expérience employé agréable
- Notre culture qui laisse place aux idées des employé.e.s. Que ce soit par nos sondages, ou encore par l’entremise de nos programmes, le dialogue en continu et le feedback sont encouragés.
- Milk
L’humain d’abord
Nous sommes une banque à grandeur humaine qui se démarque par son audace, sa culture entrepreneuriale et sa passion pour les gens. Nous existons pour avoir un impact positif dans la vie des gens. Nos valeurs fondamentales de complicité, d’agilité et de pouvoir d’agir sont nos sources d’inspiration. L’inclusion est au cœur de nos engagements. Nous offrons un milieu de travail sans obstacle et accessible à l’ensemble des employé.e.s. Nous visons à procurer des mesures d’accessibilité lors du processus de recrutement. Si tu as besoin d’accommodement, n’hésites pas à nous en faire part lors de tes premiers échanges avec nous. Nous accueillons les candidat.e.s de tous horizons et nous aimerions savoir ce que tu peux ajouter à notre équipe.Viens Entreprendre tes ambitions avec nous !
Abstract: Anomaly detection plays an important role in management of modern large-scale distributed systems. Logs, which record system runtime information, are widely used for anomaly detection. However, Unsupervised anomaly detection algorithms face challenges in addressing complex systems, which generate vast amounts of multivariate time series data. Timely anomaly detection is crucial for managing these systems effectively and minimizing downtime. This proactive approach minimizes system downtime and plays a vital role in incident management for large-scale systems. To address these challenges, a method called Multi-Scale Convolutional Recurrent Encoder-Decoder (MSCRED) has been developed for detecting anomalies in CN PTC system logs. MSCRED leverages the power of multivariate time series data to perform anomaly detection and diagnosis. It creates multi-scale signature matrices that capture different levels of system statuses across various time steps. The method utilizes a convolutional encoder to capture inter-sensor correlations and a Convolutional Long-Short Term Memory (ConvLSTM) network with attention mechanisms to capture temporal patterns.
Abstract
Abstract: Language models such as RoBERTa, CodeBERT, and GraphCodeBERT have gotten much attention in the past three years for various Software Engineering tasks. Though these models are proven to have state-of-the-art performance for many SE tasks, such as code summarization, they often require to be fully fine-tuned for the downstream task. Is there a better way for fine-tuning these models that require training fewer parameters? Can we impose new information on the current models without pre-training them again? How do these models perform for different programming languages, especially low-resource ones with less training data available? How can we use the knowledge learned from other programming languages to improve the performance of low-resource languages? This talk will review a series of experiments and our contributions to answering these questions.
