Data Scientist - Expériences Intelligentes, MLO

Croyez-vous que le machine learning et l'IA peuvent changer le monde ? Nous le croyons. Nous sommes l'équipe ML Data au sein du groupe Intelligent System Experience (ISE) d'Apple, et nous construisons les jeux de données de haute qualité et à grande échelle qui entraînent les fonctionnalités ML sur de nombreux produits Apple — iPhone, iPad, Mac, Apple Watch et AirPods. Notre travail se situe derrière certaines des expériences les plus visibles et personnelles qu'Apple propose : le fond d'écran de votre écran verrouillé, les autocollants personnalisés dans iMessage, les Genmoji sur appareil et d'autres modèles génératifs d'Apple Intelligence, et les modèles qui reconnaissent les visages et construisent des souvenirs des personnes que vous aimez dans Photos. Nous recherchons un data scientist passionné par les données ML et désireux de façonner les données d'entraînement pour la prochaine génération de fonctionnalités multimodales d'Apple. Le candidat idéal prospère dans un environnement au rythme rapide, apporte un raisonnement scientifique rigoureux et prend en charge les problèmes de bout en bout. Rejoignez-nous et vous façonnerez des produits expédiés dès votre première semaine, en travaillant avec des pétaoctets de données multimodales.

Vous concevrez et exploiterez le cycle de vie complet des données qui prend en charge l'entraînement, le réglage fin et l'évaluation des grands modèles de langage et des modèles de diffusion. Au quotidien, cela signifie construire des pipelines distribués qui nettoient, dédupliquent et enrichissent d'énormes ensembles de données multimodales ; mettre en place des pipelines de génération de données synthétiques avec des générateurs, des validateurs et des juges basés sur LLM ; et concevoir des flux de travail d'agents — systèmes LLM multi-étapes utilisant des outils — qui étendent le jugement humain sur beaucoup plus de données qu'une équipe humaine ne pourrait en examiner directement.

Diplôme de licence ou de master en informatique, Machine Learning, Data Science, ou un domaine d'ingénierie connexe, avec 5+ années d'expérience pratique dans l'application du NLP, de la vision par ordinateur ou du machine learning multimodal aux systèmes de production, y compris une expérience avec des pipelines de données à grande échelle.

Expérience dans le prompting, le réglage fin et l'évaluation de LLMs ou de modèles vision-langage/diffusion pour des tâches spécifiques en aval.

Expérience avec le réglage fin efficace des paramètres (LoRA/QLoRA), l'optimisation des préférences (RLHF, DPO), RAG et la curation de données basée sur la récupération.

Expérience dans la conception, l'évaluation et la mise en production d'algorithmes de science des données utilisés pour la curation de données, le filtrage de données, la déduplication et la sous-sélection de données.

Expérience dans la conception d'expériences contrôlées ou d'études d'ablation pour comprendre l'effet des données sur la qualité du modèle.

Expérience dans la construction de systèmes LLM d'agents ou multi-agents utilisant des outils et de flux de travail avec intervention humaine, la calibration des juges par rapport aux étiquettes humaines, et l'atténuation des modes d'échec.

Solides compétences en ingénierie logicielle, avec 5+ années dans Python, l'orchestration de flux de travail (Airflow), les plateformes cloud (AWS, GCP), les frameworks de traitement de données distribuées (Spark, Ray, ou similaires) à grande échelle.

Un historique de publications ou des contributions open-source en NLP, vision par ordinateur ou IA générative est un plus.

Une familiarité avec les techniques de données préservant la vie privée (par exemple, confidentialité différentielle, contraintes de données sur appareil) est un plus.