Apple conçoit des appareils électroniques, des systèmes d'exploitation et des services numériques, dont l'iPhone, le Mac et l'App Store.
ML Engineer
L’ingénieur ML rejoint l’équipe Software Localization & Release Engineering d’Apple à Cork. Il conçoit des systèmes de qualité fondés sur les LLM, évalue leur précision et améliore leur fiabilité et leur efficacité. Il crée des cadres d’évaluation, des pipelines de classification et des boucles de rétroaction pour les tests et les mises en production logicielles.
3× plus de chances d’entretien avec un cold email
Voir l’offre originaleRepères sur Apple
- Domaine officiel
- apple.com
- Offres ouvertes
- 239
Détails de l’offre
La description complète publiée par Apple.
Apple's Software Localization & Release Engineering team makes sure our software works well for people in every language and region. We're looking for an ML Engineer to apply LLMs and machine learning to how we test and release software for our international users. You'll own the model-facing side of AI-powered quality systems: designing LLM-based solutions, evaluating their accuracy, and improving them. Your goal is to make these systems reliable, efficient and trustworthy. You'll work on a fast-moving effort with real internal users that depend on it.
You'll work alongside automation, quality and localization engineers, and with international quality engineers, translators and project managers across several time zones. Your work will help Apple ship better software to people around the world. Your duties include:
- Build evaluation frameworks, including benchmarks, ground-truth datasets and graders. You'll measure precision, recall and false-positive rates, and drive them up.
- Reduce the cost and latency of each run through better prompts, better design and the right model for each stage.
- Build feedback loops that turn confirmed errors into better prompts, classifiers or training data.
- Designing and building LLM-based systems that carry out quality tasks and independently grade their own results, including adversarial grading approaches that catch false "pass" results.
- Designing classification pipelines that triage failures and separate real product issues from test or tooling problems.
- Building datasets to evaluate, train or fine-tune models.
- Writing clean, reviewable code, and helping the team keep a fast-moving codebase maintainable as it grows. Experience building production applications on top of LLMs, including tool use, structured output or agentic designs. Hands-on experience with prompt engineering and systematic model evaluation, such as writing rubrics or graders and measuring precision and false-positive rates. Strong programming skills in Swift / Python, and experience building backends for ML applications. Ability to improve model behavior iteratively, based on measured results. Hands-on experience fine-tuning or training models. Experience with computer vision or object detection, such as detecting elements in screenshots or documents. Experience with open-weights models and local inference. Experience with multi-agent systems. Familiarity with LLM serving infrastructure, such as model gateways, retries and cost-aware model selection. Experience building feedback loops that turn model failures into improved prompts, classifiers or training data. Familiarity with software test automation concepts, such as test execution, pass/fail grading and CI/CD. Experience in software localization or internationalization. Experience mentoring other engineers.
Prérequis
- Expérience de création d’applications de production basées sur des LLM
- Expérience pratique en ingénierie de prompts et évaluation systématique de modèles
- Compétences solides en Swift ou Python
- Expérience de développement de backends pour applications ML
- Expérience pratique de fine-tuning ou d’entraînement de modèles
- Expérience en vision par ordinateur ou détection d’objets
- Expérience avec des modèles à poids ouverts et l’inférence locale
- Expérience des systèmes multi-agents
- Familiarité avec l’infrastructure de service des LLM
- Familiarité avec l’automatisation des tests logiciels
- Expérience en localisation ou internationalisation logicielle
- Expérience de mentorat d’autres ingénieurs
Candidater à cette offre
Comment candidater ?
L’offre est publiée sur le site de Apple. Ouvrez l’offre originale ↗ pour y déposer votre candidature. Screeningpass ne remplit pas de formulaire à votre place.
À qui écrire chez Apple pour ce poste ?
Lancez une recherche de contact depuis cette page. Screeningpass vous propose jusqu’à trois personnes liées au poste. Vous choisissez celle à qui écrire, puis Screeningpass cherche son email professionnel et prépare un message. Vous le relisez et l’envoyez vous-même avec Gmail. Une adresse email n’est pas toujours disponible, et une réponse n’est jamais garantie.
Combien coûte la recherche d’un contact ?
Une recherche coûte 1 crédit. Le crédit vous est rendu si la recherche échoue. L’inscription offre 3 crédits, soit 3 recherches.
À quoi sert Screeningpass ?
Screeningpass rassemble des offres de stage, d’alternance et d’emploi publiées par les entreprises. Pour une offre, Screeningpass trouve une personne à contacter dans l’entreprise, cherche son email professionnel et prépare un message à partir de votre CV. Voir le fonctionnement en détail.