Vereinigte Staaten
Redwood Materials
Apple
Machine Learning Architect – Conversational Speech
Vereinigte Staaten
Cupertino, California, United States
Python
Automatische Übersetzung. Prüfe das Original.
BESCHREIBUNG
Werden Sie Teil eines Teams, das neu definiert, was ein zutiefst persönlicher und integrierter Assistent leisten kann. Als Teil der Siri-Organisation gestalten Sie einen der weltweit am häufigsten genutzten KI-Assistenten mit, der auf unserer nächsten Generation von Apple Intelligence basiert. Er bietet Funktionen wie das Verständnis persönlicher Kontexte und die Wahrnehmung von Bildschirminhalten, die von Grund auf mit Fokus auf Datenschutz entwickelt wurden. Ihre Arbeit hat direkte und bedeutende Auswirkungen auf Nutzer von iOS, iPadOS, macOS, watchOS und visionOS. Dies ist eine seltene Gelegenheit, an der Schnittstelle von modernster KI und menschenzentriertem Design zu arbeiten und Technologien bereitzustellen, die den Nutzer und seine Bedürfnisse in den Mittelpunkt stellen.
Die Speech-Organisation innerhalb von Siri treibt wichtige Fortschritte bei Spracherkennung, -synthese und Speech-to-Speech-Modellen für Funktionen voran, die tief in das Ökosystem von Apple integriert sind. Unsere Mission ist es, modernste Infrastrukturen, Datensätze und Modelle zu entwickeln, die die konversationelle KI von Siri, die Diktierfunktion und sprachaktivierte Apple Intelligence-Funktionen über natürliches Sprachverständnis, Dialoggenerierung, Spracherkennung und multimodale Interaktion hinweg ermöglichen. Wir wenden diese Technologien an, um ansprechende, intelligente und personalisierte Konversationserlebnisse für Millionen von Apple-Benutzern zu schaffen. Wir suchen einen Machine Learning Architect, der als leitender technischer Leiter für die gesamte Speech-Organisation fungiert. Sie werden die zukünftige Modellierungsrichtung für die gesamte konversationelle Sprache festlegen – und den architektonischen und algorithmischen Kurs für die Weiterentwicklung der Sprachtechnologien von Apple vorgeben. Sie werden als erfahrener Experte agieren, der nicht nur Strategien definiert, sondern sich auch mit den schwierigsten technischen Problemen befasst und Schulter an Schulter mit Teams zusammenarbeitet, um kritische Hindernisse zu überwinden. In direkter Berichtslinie an die Führung der Speech-Organisation werden Sie über breite Sichtbarkeit und Einfluss auf Spracherkennung, -synthese, Dialog, multimodale Fundamentmodelle und Speech-to-Speech-Systeme verfügen und eine kohärente technische Vision und teamübergreifende Abstimmung gewährleisten.
MINDESTQUALIFIKATIONEN
- 10+ Jahre Erfahrung in Machine Learning, angewendet auf Sprach- oder multimodale Systeme, mit zunehmendem technischem Umfang und zunehmender Führung.
- Nachgewiesene Expertise als technischer Leiter oder Architekt, der die Modellierungsrichtung über mehrere Teams oder Produktbereiche hinweg definiert hat.
- Fundierte, praktische Kompetenz in modernem deep learning, einschließlich großer Sprachmodelle und End-to-End-Sprachsysteme.
- Umfangreiche Erfahrung mit multimodalen LLMs, einschließlich Architekturdesign, Training, Anpassung und Bereitstellung von Modellen, die Sprach-, Audio- und Textmodalitäten integrieren.
- Direkte Erfahrung im Aufbau von Speech-to-Speech-Konversationssystemen mit einem starken Verständnis für Full-Duplex-natürliche Konversationsinteraktion und End-to-End-Sprachpipelines.
- Eine Erfolgsbilanz bei der Überführung von Forschung in produktionsreife Systeme im großen Maßstab.
- Expertenkenntnisse in der Programmierung mit Python sowie deep learning-Frameworks wie PyTorch, JAX oder TensorFlow.
BEVORZUGTE QUALIFIKATIONEN
- Ph.D. in Informatik, Elektrotechnik, Machine Learning oder einem ähnlichen technischen Bereich.
- Erfahrung in der Architektur oder Leitung der Entwicklung von Full-Duplex-natürlichen Konversationssystemen, Speech-to-Speech-Modellen oder multimodalen Fundamentmodellen, die für große Benutzerpopulationen ausgeliefert wurden.
- Tiefgreifende Vertrautheit mit dem full stack der Sprachtechnologien – ASR, TTS, gesprochener Dialog, Sprechermodellierung, Audioverständnis – und die Fähigkeit, deren Interaktionen und Abhängigkeiten zu analysieren.
- Erfahrung mit verteiltem Training im großen Maßstab und den Infrastrukturanforderungen, die das Modelldesign im großen Maßstab prägen.
- Eine datenzentrierte Perspektive auf die Entwicklung von Fundamentmodellen, einschließlich Erfahrung in der Steuerung von Datenerfassung, -kuratierung, -annotation und Qualitätsstrategien.
- Erfahrung mit der Bereitstellung von ML auf Geräten, einschließlich Modellkomprimierung, Quantisierung und latenzbewusstem Architekturentwurf.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen