Machine Learning Research Engineer, Pretraining Data — Foundation Models

Apple revolutioniert die künstliche Intelligenz durch die Entwicklung hochentwickelter Foundation Models, die intelligente Funktionen in unserem gesamten Produkt-Ökosystem antreiben. Wir suchen qualifizierte Machine Learning Engineers, die modernste Forschung in skalierbare, produktionsreife KI-Lösungen umsetzen. Wir suchen Ingenieure, die leidenschaftlich daran arbeiten, Systeme zu entwickeln, die die Grenzen von deep learning in Bezug auf Skalierung, Effizienz und Flexibilität erweitern und Millionen von Nutzern in Apple Produkten begeistern. Das Foundation Models-Team von Apple entwickelt die nächste Generation von Large Language Models, die intelligente Erlebnisse in allen Apple Produkten ermöglichen. Hochwertige, vielfältige und skalierbare Trainingsdaten sind grundlegend für die Verbesserung der Modellfähigkeiten in den Bereichen Wissen, logisches Denken, Programmierung und mehrsprachiges Verständnis. Wir suchen talentierte und motivierte Research Engineers, um den Stand der Technik in der Forschung und Entwicklung von Pretraining-Daten voranzutreiben. In dieser Rolle entwickeln Sie neuartige Algorithmen und skalierbare Systeme für die Datenkuration, Qualitätsbewertung und Optimierung und arbeiten eng mit Forschern im Bereich Modelltraining zusammen, um innovative Ideen in messbare Verbesserungen der Fähigkeiten von Foundation Models zu übersetzen. Diese Position bietet eine einzigartige Gelegenheit, an der Schnittstelle zwischen modernster machine learning Forschung und Large-Scale Systems Engineering zu arbeiten, mit direktem Einfluss auf die Entwicklung der nächsten Generation von Foundation Models.

Als Research Engineer im Pretraining Data-Team übernehmen Sie technisch anspruchsvolle Projekte, die Forschung, Algorithmenentwicklung, Experimente und Production Engineering umfassen. Sie untersuchen neue Ansätze zur Verbesserung der Qualität, Vielfalt und Effizienz von Trainingsdaten und bauen gleichzeitig eine robuste und skalierbare Infrastruktur auf, um die Verarbeitung massiver Datensätze zu unterstützen. Sie arbeiten eng mit den Modelltraining-Teams zusammen, um den Zusammenhang zwischen Daten und Modellfähigkeiten zu verstehen, kontrollierte Experimente zu entwerfen und Pretraining-Strategien kontinuierlich zu verbessern.