Software Engineer - Generative Data Platform, Evaluation

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер платформы генерации синтетических данных в организации Apple AIML. Команда строит self-service инструменты, позволяющие ML-инженерам, дата-сайентистам и дизайнерам создавать крупномасштабные датасеты для обучения и оценки моделей.

Задачи

• Работать с ML-инженерами, дата-сайентистами и дизайнерами, превращая их потребности в фичи платформы
• Поддерживать команды при создании их датасетов на платформе и помогать проектировать абляции моделей для оценки влияния синтетических данных на обучение и оценку
• Объяснять поведение ML, vision и генеративных моделей людям, не знакомым с ними, включая стоимость, качество, скорость и реализуемость
• Оценивать domain gap между синтетическими и реальными данными, включая визуальные и невизуальные свойства: метаданные, распределения значений, метки
• Совместно с feature-командами находить, где синтетических данных не хватает, и строить возможности платформы для закрытия этих пробелов
• Помогать командам оценивать сгенерированный результат, понимать причины вариативности и приближаться к желаемому результату
• Интегрировать новые модели генерации изображений и видео в многоступенчатый production-пайплайн
• Эксплуатировать и отлаживать GPU-нагрузки, обеспечивая надёжность и экономичность генерации

Требования

• Степень бакалавра в Computer Science, Computer Engineering или смежной области либо 3 года эквивалентного опыта
• 3+ года опыта разработки и эксплуатации production-ПО на Python
• Опыт отладки распределённых систем или data pipeline в production с использованием логов, метрик и состояния задач
• Опыт развёртывания ML-моделей на GPU-инфраструктуре, включая управление зависимостями и оценку объёма GPU-памяти
• Опыт проектирования валидации входных данных и конфигурационных контрактов для систем, где поздние сбои дорого обходятся
• Умение объяснять концепции ML и компромиссы нетехническим партнёрам — дизайнерам или product-менеджерам
• Практический опыт использования agentic AI-инструментов кодинга в повседневной разработке, включая понимание, где они эффективны, а где нужна человеческая проверка

Навыки

• Python
• GPU
• ML
• generative models
• image generation
• video generation
• LLM APIs
• distributed systems
• data pipelines
• batch compute
• job schedulers
• agentic AI coding tools