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

Description complète

Résumé Prêt à transformer comment des milliards de personnes interagissent avec la technologie? L'équipe de la Fondation de base d'Apple est à l'origine de l'intelligence qui alimente des milliards d'appareils à travers le monde. Rejoignez notre équipe ML appliquée basée en Europe pour construire la prochaine génération d'infrastructures de formation ML et RL à grande échelle pour les modèles de fondation Apple. Nous développons des systèmes distribués de haute performance qui alimentent massivement la recherche de modèles de base de pointe. Nous recherchons un ingénieur passionné par la conception, l'optimisation et l'échelle de l'infrastructure qui permet l'apprentissage automatique de pointe et le renforcement de la charge de travail d'apprentissage.

En tant que membre principal de l'équipe, vous travaillerez en étroite collaboration avec des chercheurs et des ingénieurs en systèmes pour construire des cadres de formation robustes, accélérer l'expérimentation et repousser les limites de la performance et de l'efficacité. Vous collaborerez avec des équipes de tous les centres d'ingénierie d'Apple, y compris New York, Seattle et Cupertino, pour faire progresser l'outillage et les systèmes qui rendent possible l'entraînement à grande échelle des modèles. Si vous prospèrez à l'intersection des systèmes distribués, des cadres ML et de l'informatique haute performance, c'est le rôle pour vous.

Désignation des marchandises En tant que membre principal de notre équipe d'infrastructure ML, vous concevez, construisez et amplifiez les systèmes qui permettent un apprentissage de renforcement à grande échelle pour les modèles de fondation Apple. Vous vous concentrerez sur la formation basée sur le TPU avec JAX, le développement de pipelines RL robustes et performants qui prennent en charge les architectures d'acteur/learner distribuées, l'expérience de replay efficace et l'exécution d'environnement à grande échelle.

Dans ce rôle, vous travaillerez sur l'ensemble des systèmes de formation RL, depuis le réglage de faible performance et l'optimisation du compilateur jusqu'à l'orchestration et la gestion des ressources au niveau des grappes. Vous veillerez à ce que les pipelines de formation soient efficaces, fiables, reproductibles et observables, ce qui permettra aux équipes de recherche d'agir rapidement et d'explorer des environnements et des modèles de RL plus complexes.

Votre travail aura un impact direct sur l'évolutivité, le débit et la stabilité des expériences RL, aidant à débloquer de nouvelles capacités dans le raisonnement agentique, la prise de décision et l'apprentissage des politiques pour les modèles de fondation Apple. Cette position est idéale pour les ingénieurs qui apprécient les systèmes distribués, les cadres ML haute performance et la construction de l'infrastructure qui rend possible la recherche RL à grande échelle.

Qualités minimales

• Doctorat ou maîtrise en informatique, génie informatique ou domaine étroitement lié.
• Expérience pratique de conception, de construction ou d'entretien d'infrastructures de formation à grande échelle en ML.
• Forte compétence avec PyTorch ou JAX et l'expérience de la charge de travail d'entraînement sur les GPU/TPU.
• Compréhension solide des concepts de systèmes distribués (stratégies de parallélisme, tolérance aux défauts, synchronisation).

Qualifications privilégiées

• Expérience pratique de développement ou d'optimisation de boucles d'entraînement, de pipelines RL ou de cadres de formation de modèles à grande échelle.
• De solides compétences en génie logiciel en Python, avec l'accent sur la fiabilité, la débogabilité et l'exécution haute performance.
• Expérience approfondie avec PyTorch/JAX internes, XLA, débogage et profilage des performances sur les architectures GPU/TPU.
• Expertise dans les modèles de formation RL distribués, y compris les architectures d'acteur/learner, l'expérience de replay, et l'exécution d'environnement parallèle.
• Expérience des services de formation à la construction, des outils d'orchestration ou des pipelines automatisés pour des expériences à grande échelle.
• Diagnostiquer les goulets d'étranglement dans les emplois de ML à grande échelle (E/S, pipelines d'entrée, performance du noyau, mémoire, compilation).
• Familiarité avec les exigences spécifiques de l'infrastructure RL (par exemple, architectures d'acteur/learner, systèmes de replay d'expérience, exécution d'environnement à grande échelle).
• Pratiques solides en génie logiciel : qualité du code, examens de conception, essais, observabilité, IC/CD.
• Expérience de travail avec des clusters ou des accélérateurs spécialisés (TPU v5/v6, GPU, matériel personnalisé)
• Contributions aux cadres de ML, aux bibliothèques de formation distribuées ou aux systèmes informatiques à haute performance.
• Excellentes compétences en communication et collaboration pour travailler avec des partenaires de recherche et d'ingénierie.

Chez Apple, nous ne sommes pas tous les mêmes. Et c'est notre plus grande force. Nous tirons parti des différences dans notre identité, notre expérience et notre façon de penser. Parce que pour créer des produits qui servent tout le monde, nous croyons en l'inclusion de tous. Par conséquent, nous nous engageons à traiter tous les candidats de façon équitable et équitable. Nous travaillerons avec les demandeurs pour prendre des mesures d'adaptation raisonnables.

Chez Apple, nous croyons que l'accessibilité est un droit humain fondamental. Vous trouverez cette idée reflétée dans tout ici — dans notre culture, nos avantages et nos outils numériques. En accueillant autant de perspectives que possible, nous vous aidons à construire une carrière où vous vous sentez comme à votre place.

Découvrez l'accessibilité sur le lieu de travail Apple

Questions sur cette offre