AIML - Senior ML/RL Training Infrastructure Engineer, AFM — Apple Retail Switzerland

Vollständige Beschreibung

Zusammenfassung Bereit zu transformieren, wie Milliarden von Menschen mit Technologie interagieren? Apples Core Foundation Models Team treibt die Intelligenz voran, die Erfahrungen auf Milliarden von Geräten weltweit ermöglicht - und wir suchen nach außergewöhnlichen Talenten, die sich uns anschließen! Schließen Sie sich unserem in Europa ansässigen angewandten ML-Team an und bauen Sie die nächste Generation großangelegter ML- und RL-Schulungsinfrastruktur für Apples Grundlagenmodelle auf. Wir entwickeln leistungsstarke, verteilte Systeme, die innovative Grundlagenmodellforschung in großem Maßstab unterstützen. Wir suchen einen Ingenieur, der sich leidenschaftlich für die Gestaltung, Optimierung und Skalierung der Infrastruktur einsetzt, die hochmodernes maschinelles Lernen ermöglicht und Lernarbeitslasten verstärkt.

Als leitendes Mitglied des Teams arbeiten Sie eng mit Forschern und Systemingenieuren zusammen, um robuste Trainingsrahmen zu erstellen, Experimente zu beschleunigen und die Grenzen von Leistung und Effizienz zu erweitern. Sie werden mit Teams in den Engineering-Hubs von Apple zusammenarbeiten - darunter New York, Seattle und Cupertino -, um die Werkzeuge und Systeme weiterzuentwickeln, die ein groß angelegtes Modelltraining ermöglichen. Wenn Sie an der Schnittstelle von verteilten Systemen, ML-Frameworks und Hochleistungs-Computing gedeihen, ist dies die Rolle für Sie.

Beschreibung Als Kernmitglied unseres ML-Infrastrukturteams entwerfen, bauen und skalieren Sie die Systeme, die ein groß angelegtes Verstärkungslernen für Apples Grundlagenmodelle ermöglichen. Sie konzentrieren sich auf TPU-basiertes Training mit JAX und entwickeln robuste, leistungsstarke RL-Pipelines, die verteilte Akteurs- / Lernarchitekturen, effiziente Erfahrungswiedergabe und groß angelegte Umgebungsausführung unterstützen.

In dieser Rolle arbeiten Sie über den gesamten Stapel von RL-Trainingssystemen - von Low-Level-Performance-Tuning und Compiler-Optimierung bis hin zu Cluster-Level-Orchestrierung und Ressourcenmanagement. Sie stellen sicher, dass Schulungspipelines effizient, zuverlässig, reproduzierbar und beobachtbar sind, sodass Forschungsteams schnell iterieren und komplexere RL-Umgebungen und -Modelle erkunden können.

Ihre Arbeit wird sich direkt auf die Skalierbarkeit, den Durchsatz und die Stabilität von RL-Experimenten auswirken und dazu beitragen, neue Funktionen für agentisches Denken, Entscheidungsfindung und politisches Lernen für Apples Grundlagenmodelle zu erschließen. Diese Position ist ideal für Ingenieure, die sich für verteilte Systeme, leistungsstarke ML-Frameworks und den Aufbau der Infrastruktur interessieren, die eine groß angelegte RL-Forschung ermöglicht.

Mindestqualifikationen

• PhD oder MSc in Informatik, Computer Engineering oder einem eng verwandten Bereich.
• Praktische Erfahrung beim Entwerfen, Bauen oder Beibehalten einer groß angelegten ML-Schulungsinfrastruktur.
• Starke Kenntnisse mit PyTorch oder JAX und Erfahrung mit Trainings-Workloads auf GPUs / TPUs.
• Solides Verständnis von verteilten Systemkonzepten (Parallelitätsstrategien, Fehlertoleranz, Synchronisation).

Bevorzugte Qualifikationen

• Praktische Erfahrung in der Entwicklung oder Optimierung von Trainingsschleifen, RL-Pipelines oder groß angelegten Modelltrainings-Frameworks.
• Starke Software-Engineering-Fähigkeiten in Python, mit Schwerpunkt auf Zuverlässigkeit, Debuggbarkeit und Hochleistungsausführung.
• Tiefe Erfahrung mit PyTorch/JAX-Interna, XLA, Debugging und Performance-Profiling auf GPU/TPU-Architekturen.
• Expertise in verteilten RL-Trainingsmustern, einschließlich Akteur/Lerner-Architekturen, Erfahrungswiederholung und Ausführung paralleler Umgebungen.
• Erleben Sie Schulungsdienste, Orchestrierungswerkzeuge oder automatisierte Pipelines für groß angelegte Experimente.
• Nachgewiesener Erfolg bei der Diagnose von Engpässen bei großen ML-Jobs (I/O, Input-Pipelines, Kernel-Performance, Speicher, Compilation).
• Vertrautheit mit RL-spezifischen Infrastrukturanforderungen (z. B. Akteur/Lerner-Architekturen, Erfahrungswiedergabesysteme, groß angelegte Umgebungsausführung).
• Starke Software-Engineering-Praktiken: Codequalität, Design-Reviews, Test, Beobachtbarkeit, CI / CD.
• Erfahrung mit Cloud-Clustern oder spezialisierten Beschleunigern (TPU v5/v6, GPU, benutzerdefinierte Hardware)
• Beiträge zu ML-Frameworks, verteilten Schulungsbibliotheken oder Hochleistungsrechensystemen.
• Hervorragende Kommunikation und Zusammenarbeit für die Zusammenarbeit mit Forschungs- und Ingenieurpartnern.

Bei Apple sind wir nicht alle gleich. Und das ist unsere größte Stärke. Wir stützen uns auf die Unterschiede darin, wer wir sind, was wir erlebt haben und wie wir denken. Denn um Produkte zu schaffen, die allen dienen, glauben wir daran, alle einzubeziehen. Daher verpflichten wir uns, alle Bewerber fair und gleich zu behandeln. Wir werden mit Bewerbern zusammenarbeiten, um angemessene Unterkünfte zu schaffen.

Bei Apple glauben wir, dass Zugänglichkeit ein grundlegendes Menschenrecht ist. Diese Idee spiegelt sich hier in allem wider - in unserer Kultur, unseren Vorteilen und unseren digitalen Tools. Indem wir so viele Perspektiven wie möglich begrüßen, helfen wir Ihnen, eine Karriere aufzubauen, in der Sie sich wie Sie gehören fühlen.

Erfahren Sie mehr über die Zugänglichkeit am Arbeitsplatz von Apple

Fragen zu dieser Stellenanzeige