SoC Machine Learning Design Engineer

Bei Apple glauben wir, dass unsere Produkte bei unseren Mitarbeitern beginnen. Indem wir ein vielfältiges Team einstellen, fördern wir kreatives Denken. Indem wir diesem Team alles geben, was es braucht, treiben wir Innovationen voran. Indem wir unglaubliche Ingenieure einstellen, treiben wir Präzision voran. Und durch unseren kollaborativen Prozess schaffen wir unvergessliche Erlebnisse für unsere Kunden! Diese Elemente zusammen machen Apple zu einer erstaunlichen Umgebung für motivierte Menschen, um die größten Arbeiten ihres Lebens zu leisten.

Sie werden Teil eines praktischen Entwicklungsteams, das den Standard für die Kultivierung von Exzellenz, Kreativität und Innovation setzt. Helfen Sie uns, die nächste Generation revolutionärer Apple Produkte zu entwickeln. Wir suchen einen zukunftsorientierten und außergewöhnlich talentierten Ingenieur.

Als Mitglied unserer dynamischen Gruppe haben Sie die seltene und lohnende Gelegenheit, Methoden und Lösungen mit hoher Auswirkung auf kommende Produkte zu entwickeln und zu implementieren, die Millionen von Apple-Kunden jeden einzelnen Tag begeistern und inspirieren werden.

In dieser Rolle werden Sie direkt in unsere machine learning-Bemühungen im SoC-Design eingebunden sein, eng mit unseren internen funktionsübergreifenden Teams zusammenarbeiten und Ihre Expertise in machine learning nutzen, um die Produktivität und Optimierungen in mehreren SoC-Design-bezogenen Funktionen von Design bis zur Validierung zu verbessern.

Mindestens BS + 10 Jahre relevante Branchenerfahrung.

Praktische Erfahrung und Kenntnisse in generativer KI und modernen machine learning-Methoden.

Erfahrung mit einem der folgenden: RAG-Systeme einschließlich Embedding-Modellen, Retrieval-Strategien und Techniken zur Kontextoptimierung.

Entwicklung von generativen KI-Pipelines.

Kompetenz in KI-Evaluierung und -Tests, einschließlich der Gestaltung von Testsuiten und der Implementierung von Frameworks für menschliche Evaluierung.

Erfahrung mit KI-Code-Assistenten.

Erfahrung mit KI-Infrastrukturprotokollen wie MCP.

Erfahrung mit tiefen neuronalen Netzen und Reinforcement Learning ist von Vorteil.

Solide mathematische Kenntnisse und Verständnis von Algorithmen und Datenstrukturen.

Erfahrung mit aktuellen deep learning-Frameworks wie PyTorch, TensorFlow, JAX oder MLX.

Erfahrung mit Hardwarebeschreibungssprachen wie Verilog, SystemVerilog oder VHDL.

Erfahrung mit Chip design und Verifizierung von front end flows ist von Vorteil:

Praktische Verifizierungserfahrung mit UVM-Testbenches.

Praktische Erfahrung mit front-end-Tools wie statischer Zeit- und CDC/RDC-Analyse.

Starke Kommunikations- und Kollaborationsfähigkeiten mit der Fähigkeit, effizient in funktionsübergreifenden Teams zu arbeiten.

Master- oder PhD-Abschluss mit relevanten Veröffentlichungen bevorzugt, aber nicht zwingend erforderlich.