Passer à la navigation du site Passer au contenu principal

Statistique Canada – Réseau canadien des Centres de données de recherche (RCCDR) – Stage en analyse de données

  • Stage
  • Anywhere

Statistics Canada-CRDCN

Êtes-vous un étudiant des cycles supérieurs à la recherche d’une occasion d’utiliser vos compétences en analyse de données ?

Un projet d’analyse de données de 4 à 8 mois vous intéresse-t-il ? Le stage en analyse de données de Statistique Canada et du RCCDR offre des possibilités de projets d’analyse dans des secteurs de programme de Statistique Canada. L’initiative permet de renforcer la capacité d’analyse de Statistique Canada et offre aux étudiants des cycles supérieurs des occasions de travailler à des projets qui répondent aux besoins en information des utilisateurs, qui favorisent l’utilisation de méthodes de pointe et qui servent les Canadiens.

Avantages

Ces stages vous permettront d’appliquer vos compétences aux côtés de chercheurs de Statistique Canada dans le cadre de projets d’intérêt pour l’organisme. La participation aux stages procure les avantages suivants :

  • Acquérir de l’expérience de travail tout en appliquant des compétences en matière de données et en les perfectionnant;
  • Travailler avec de nouvelles sources de données et contribuer à mettre au point des méthodes nouvelles et novatrices;
  • Travailler de concert avec du personnel hautement qualifié dans l’analyse de données;
  • Appliquer les connaissances acquises dans le domaine d’études;
  • Faire partie d’un milieu de travail respectueux et inclusif.

Quels types de possibilités sont offertes en analyse de données ?

Des possibilités sont offertes dans divers secteurs de programme, comme la santé, la technologie et l’innovation. Les descriptions des projets sont énumérées ci-dessous (en anglais uniquement).

Si cela vous intéresse, vous devez :

Envoyer un courriel à statcan.asmb-deam.statcan@statcan.gc.ca et fournir les renseignements suivants :

  • Nom;
  • Adresse courriel de préférence pour la correspondance;
  • Numéro d’identification d’étudiant;
  • CV à jour;
  • Le projet qui vous intéresse

AItopsies: Investigating Death through Large Language Models

Data source: Canadian Coroner and Medical Examiner Database (CCMED) and/or Canadian Vital Statistics Death Database (CVSD)
Tools that will be used: Large Language Models (LLMs), Retrievers, Natural Language Processing (NLP), R and/or Python

CCMED and the CVSD use data from provincial and territorial partners to produce statistics on mortality and causes of death including opioid deaths. Some of this data is in large unstructured open text fields, which is challenging to code and makes selecting cases for research time consuming. The student will test whether recent advancements in LLMs and related tools (e.g., retrievers) can alleviate these problems. In particular, the student will help develop and test systems for smart search and auto-coding the data.

Measuring inter-generational transfers within the Distributions of Household Economic Accounts

Subject: Tax Filer Simulation and Modelling
Data source: Survey of Financial Security and Various Tax Filings
Tools that will be used: SAS, R, Excel

This project seeks to develop a methodology to link data on household wealth within the Distributions of Household Economic Accounts (DHEA) with indicators on inter-generational transfers available from other Statistics Canada data sources. Users will be better able to identify within the DHEA how access to financial support from a relative may affect households differently in terms of their accumulation of assets and debt obligations. It will also enable greater clarity on the sources of variation in household financial risk and inequality.

The successful applicant will have extensive knowledge of econometrics and experience with applying statistical modelling and analysis techniques (i.e., using software such as SAS, R, Excel, etc.) to manipulate, develop, and analyze information within large micro-data sets (i.e., income tax files, administrative datasets, surveys, etc.).

The Savings Gap: Re-assessing Canadian Household Income and Saving

Subject: Macroeconomic accounts, household savings, financial vulnerability, wealth gap
Data source: SFS, T2 Tax data, T1 tax data, T3 tax data, macro-economic analysis
Tools that will be used: Python, R, Excel, Powerpoint, etc.

Data from the income and expenditure program of the national accounts show that Canadian households are persistent net borrowers, which means they consistently need to borrow funds to match their uses. This net borrowing must equal the net financial investment recorded in the financial flow accounts. When analysing the financial flow accounts and national balance sheet in isolation, Canadian households don’t appear to be net borrowers, certain transactions must be heavily adjusted to preserve the net lending/net financial investment linkage, making them incoherent with the related asset levels.

The primary output of this project will be an analytical and technical report outlining conceptual, methodological and statistical issues (i.e., data gaps) and solutions. This report will be accompanied by documentation, structured data outputs and associated metadata. This underlying information will help justify any revisions to household incomes or support the findings that Canadians are indeed persistent net borrowers.

To apply for this job email your details to statcan.asmb-deam.statcan@statcan.gc.ca