ML/AI Data Scientist
Role Summary
Build the matching, inference, and labeling models that resolve entities into golden records and bring Gemini-assisted intelligence into the ontology.
Key Responsibilities
• Own entity matching and bridging: design and build fuzzy and exact matching models to stitch duplicate entities into golden records.
• Build inference models to support data profiling — identifying patterns, relationships, and anomalies in profiled source data.
• Support the business-ontology effort with Gemini-assisted labeling models that classify records into business domains (Location, Asset, Service, Event, Work-ticket).
• Design and build labeling workflows combining weak supervision, LLM-assisted labeling, and human-in-the-loop review.
• Deploy and manage matching, inference, and labeling models on Vertex AI.
• Evaluate model performance (precision/recall, drift) and work with the Architect and Data Domain SME to validate outputs against ontology rules.
• Partner with the Backend/Agent Engineer to expose matching/labeling models as callable tools within the agent orchestration layer.
• Continuously retrain and tune models as new source data and golden-record feedback become available.
• Document model logic, training data lineage, and known limitations for each deployed model.
• Support QA in defining acceptance thresholds for model-driven outputs (matching accuracy, labeling precision).
Core Skills
• Entity resolution / matching: fuzzy and exact matching techniques for golden-record creation.
• Inference and pattern-detection modeling over profiled data.
• LLM-assisted labeling and classification (Gemini) with human-in-the-loop review design.
• Model deployment, evaluation, and drift monitoring on Vertex AI.
• Weak supervision and semi-supervised labeling workflow design.
Required Qualifications
• 5+ years in applied ML, including entity resolution, classification, or NLP-based matching.
• Strong Python; experience with PyTorch and/or scikit-learn.
• Hands-on experience deploying and evaluating models on Vertex AI.
• Experience with embeddings, LLMs, or NLP techniques for matching and classification.
• Experience designing labeling workflows (weak supervision, LLM-assisted, human-in-the-loop).
Preferred Qualifications
• Experience with knowledge graphs or ontology-aligned ML (feature use over graph data).
• MLOps experience (model versioning, monitoring, retraining pipelines).
• GCP ML Engineer certification.
Tools & Technologies
Vertex AI, Gemini APIs, Python, PyTorch, scikit-learn, BigQuery, Spanner Graph or equivalent graph platform (for feature/context retrieval)
Disclaimer: The salary, other compensation, and benefits information is accurate as of the date of this posting. Cognizant reserves the right to modify this information at any time, subject to applicable language
Salary and Other Compensation:
Applications will be accepted until Month Day, Year. 11/30/2026
Salary and Other Compensation:
Applications will be accepted until Month Day, Year.
The annual salary for this position is between $110,000 - $125,000 depending on experience and other qualifications of the successful candidate.
This position is also eligible for Cognizant’s discretionary annual incentive program, based on performance and subject to the terms of Cognizant’s applicable plans.
Benefits: Cognizant offers the following benefits for this position, subject to applicable eligibility requirements:
· Medical/Dental/Vision/Life Insurance
· Paid holidays plus Paid Time Off
· 401(k) plan and contributions
· Long-term/Short-term Disability
· Paid Parental Leave
· Employee Stock Purchase Plan
Our strength is built on our ability to work together. Our diverse backgrounds offer different perspectives and new ways of thinking. It encourages lively discussions, creativity, productivity, and helps us build better solutions for our clients. We want someone who thrives in this setting and is inspired to craft meaningful solutions through true collaboration.
If you are content with ambiguity, excited by change, and excel through autonomy, we’d love to hear from you!
#LI-AV1#CB#Ind123
À savoir avant de postuler
- Autorisation de travail: Cognizant ne prendra en considération que les candidats à ce poste qui sont légalement autorisés à travailler au Canada sans avoir besoin d'un parrainage de l'employeur, aujourd'hui ou à l'avenir.
- Mesures d’adaptation: Si vous avez un handicap qui nécessite des mesures d’adaptation raisonnable pour effectuer une recherche d’emploi ou poser une candidature, veuillez envoyer un courriel à [email protected] avec votre demande et vos coordonnées.
- L’IA dans notre processus de recrutement: Nous utilisons des outils d'intelligence artificielle (IA) pour trier et évaluer les candidatures efficacement. Notre équipe examine ensuite les candidatures et décide qui passe à l’étape suivante.
- Poste à pourvoir: Sauf indication contraire, ce poste est actuellement vacant et nous cherchons à le pourvoir.
- Exigences linguistiques: Nous demandons à tous les candidats de posséder une connaissance de base de l’anglais afin de faciliter les communications internes. Pour les postes au Québec, la capacité à communiquer efficacement en anglais est requise car vous fournirez des services à et collaborerez avec des parties prenantes anglophones situées hors de la province.
- Inclusion: Cognizant est un employeur souscrivant au principe de l’égalité d’accès à l’emploi. Votre candidature et votre dossier ne seront pas examinés en fonction de la race, de la couleur, du sexe, de la religion, des croyances, de l'orientation sexuelle, de l'identité de genre, de l'origine nationale, du handicap, des renseignements génétiques, de la grossesse, du statut d'ancien combattant ou de toute autre caractéristique protégée par les lois fédérales, provinciales ou locales.
À propos de Cognizant
Cognizant (NASDAQ: CTSH) est un AI Builder et une entreprise de services numériques (ESN) élaborant des solutions complètes d’IA maximisant les investissements pour des résultats concrets. Sa profonde expertise des métiers, des processus et des technologies lui permet d’intégrer dans les systèmes technologiques le contexte unique de chaque organisation de l’ingénierie à la production à l’échelle. Son objectif: améliorer l’efficacité des équipes, créer de la valeur et permettre aux grandes entreprises de rester performantes dans un monde qui évolue rapidement. Pour en savoir plus: cognizant.ai ou @cognizant.
