Samouczenie maszyn i sztuczna inteligencja (AI)

Innowacyjna praca.
Wyjątkowe wrażenia.

Rozmowa grupy pracowników ˰91Ƶzajmujących się samouczeniem maszyn i sztuczną inteligencją (AI).

Osoby pracujące w dziale samouczenia maszyn i sztucznej inteligencji (AI) dbają o to, by wszystkie produkty ˰91Ƶdostarczały niesamowitych wrażeń, umożliwiając milionom ludzi robienie tego, o czym wcześniej nawet im się nie śniło. Ponieważ w każdym urządzeniu ˰91Ƶsprzęt i oprogramowanie są w pełni zintegrowane, nasi badacze i inżynierowie mogą ze sobą skuteczniej współpracować i poprawiać doświadczenie użytkownika, chroniąc jednocześnie jego dane. Dołącz do nas, by tworzyć produkty i publikować badania, które zmienią świat.

Zespół Cecile przyspiesza samouczenie maszyn. Cecile
Cecile, menedżerka projektów inżynierskich w Apple, rozmawia z innymi pracownikami w biurze Apple.

Emoji zawsze wywołują uśmiech, ale kto potrafi skłonić Animoji do uśmiechu? Cecile i jej współpracownicy. To ich praca nadaje wyraz wirtualnym twarzom. Jako menedżerka prac inżynierskich w ˰91ƵCecile należy do zespołu odpowiedzialnego za opracowywanie warstw oprogramowania, które umożliwiają sprzętową akcelerację sieci neuronowych na platformach ˰91Ƶ– tak by w różnych zastosowaniach możliwe było uzyskiwanie wyników w czasie rzeczywistym. Innowacyjne rozwiązania tworzone przez zespół Cecile sprawiają, że przetwarzanie odbywa się bezpośrednio w urządzeniach, co w praktyce oznacza większą wydajność i energooszczędność, a jednocześnie zapewnienie poufności danych klientów. Źródeł powodzenia – postrzeganego jako zadowolenie klientów – Cecile upatruje we współpracy między osobami o różnych specjalnościach, które ten sam problem widzą w różnych ujęciach. „˰91Ƶprzyciąga szerokie, różnorodne spektrum wykwalifikowanych inżynierów. Dlatego za każdym razem, gdy wspólnie pracujemy nad czymś ciekawym, wzajemnie się inspirujemy”.

Wybierz zespół dla siebie i stwórz z nami własną historię.

Machine Learning Infrastructure

Buduj fundamenty, na których opierają się najbardziej innowacyjne produkty Apple. W tym zespole będziesz zapewniać najznakomitszym badaczom na świecie dostęp do najlepszych komputerów, pamięci masowych i narzędzi analitycznych, by mogli rozwiązywać najtrudniejsze problemy w dziedzinie samouczenia maszyn. Ponadto to Apple, więc Twój zespół będzie wprowadzał innowacje w każdym obszarze: sprzęcie, oprogramowaniu, algorytmach. Bo właśnie tu zajmujemy się tym wszystkim. Obszary pracy to m.in. inżynieria systemów zaplecza, analiza danych, inżynieria platform i inżynieria systemów.

Deep Learning and Reinforcement Learning

Dołącz do zespołu badaczy i inżynierów z potwierdzonym doświadczeniem w różnych obszarach samouczenia maszyn: uczeniu nadzorowanym i nienadzorowanym, modelach generatywnych, uczeniu opartym na zależnościach czasowych, wielomodalnych strumieniach wejściowych, uczeniu głębokim ze wzmacnianiem, odwróconym uczeniu ze wzmacnianiem, teorii decyzji i teorii gier. Ten zespół z zapałem prowadzi badania w dziedzinie uczenia głębokiego i sztucznej inteligencji (AI), by rozwiązywać realne problemy o dużej skali. Obszary pracy to m.in. uczenie głębokie, uczenie ze wzmacnianiem i badania.

Natural Language Processing and Speech Technologies

Tę grupę tworzy zespół naukowców prowadzących badania praktyczne w wielu różnych obszarach związanych z przetwarzaniem języka naturalnego. Dołącz do nich, by pracować nad rozumieniem języka naturalnego, tłumaczeniem maszynowym, rozpoznawaniem nazw własnych, odpowiadaniem na pytania, segmentacją według tematów i automatycznym rozpoznawaniem mowy. Ten zespół badawczy pracuje, wykorzystując zazwyczaj ogromne ilości danych i innowacyjne metody uczenia głębokiego, by rozwiązywać problemy, których doświadczają użytkownicy na całym świecie – w językach z całego świata. Obszary pracy to m.in. inżynieria języka naturalnego, modelowanie języka, inżynieria oprogramowania do syntezy mowy, inżynieria środowisk oprogramowania do analizy mowy, analiza danych i badania.

Rozwijamy technologię samouczenia maszyn, ale Giulia też nieustannie się uczy. Giulia
Giulia, która kieruje zespołem zajmującym się przetwarzaniem języków naturalnych, siedzi przy stole razem z innymi pracownikami Apple.

Giulia jest w ˰91Ƶod wczesnych lat 90. Mówiąc o swojej pracy, zaznacza: „zajmowaliśmy się samouczeniem maszyn, zanim stało się to modne”. Obecnie Giulia kieruje zespołem, który odpowiada w ˰91Ƶza przetwarzanie języków naturalnych i uczy maszyny rozpoznawać wzorce, takie jak liczby, obrazy i słowa, w tym na przykład 30 000 zapisanych odręcznie chińskich znaków. Giulia przyznaje, że choć chętnie śledzi aktualne badania naukowe, praca z własnym zespołem i innymi grupami w ˰91Ƶrównież pomaga jej być na bieżąco z najnowszymi trendami w swojej dziedzinie. „Uwielbiam intelektualne wyzwania, ale to, co kocham najbardziej, to przekształcanie pomysłów w prawdziwe innowacje. To odrobina magii, której doświadczają miliony ludzi na całym świecie”.

Computer Vision

Zacznij pracować nad najtrudniejszymi zagadnieniami w dziedzinie wizji i percepcji komputerowej. Zostań częścią multidyscyplinarnego zespołu, który opracowuje algorytmy do analizy i konsolidacji złożonych strumieni danych z czujników. Ten zespół zajmuje się wszystkim od algorytmów wstępnego przetwarzania obrazów po głębokie sieci neuronowe do wykrywania obiektów, cały czas dbając o zachowanie równowagi między poprawnością algorytmów a wydajnością obliczeniową. Obszary pracy to m.in. wizja komputerowa, analiza danych i uczenie głębokie.

Applied Research

Zacznij zmieniać przełomowe pomysły w rewolucyjne rozwiązania. Weźmiesz udział w badaniach podstawowych i stosowanych nad samouczeniem maszyn, które są ukierunkowane zarówno na opracowywanie, jak i integrowanie algorytmów. W roli inżyniera oprogramowania odpowiedzialnego za projekty badawczo-rozwojowe zaczniesz tworzyć najnowocześniejsze algorytmy uczenia maszynowego, dzięki którym obecne i przyszłe produkty oraz usługi ˰91Ƶbędą pomagać dbać o zdrowie, ułatwiać dostępność i chronić prywatność. Obszary pracy to m.in. inżynieria platform uczenia maszynowego, inżynieria systemów, analiza danych i nauki stosowane.