Redwood Materials
Apple
Architecte en Machine Learning - Parole Conversationnelle
DESCRIPTION
Rejoignez l'équipe qui redéfinit ce que peut être un assistant profondément personnel et intégré. Dans le cadre de l'organisation Siri, vous contribuerez à façonner l'un des assistants IA les plus utilisés au monde, alimenté par notre prochaine génération d'intelligence artificielle Apple, avec des capacités telles que la compréhension du contexte personnel et la conscience de l'écran, conçue dans le respect de la vie privée dès le départ. Votre travail aura un impact direct et significatif pour les utilisateurs sur iOS, iPadOS, macOS, watchOS et visionOS. C'est une opportunité rare de construire à l'intersection de l'IA de pointe et de la conception centrée sur l'humain, en livrant une technologie centrée sur les utilisateurs et leurs besoins.
L'organisation Speech au sein de Siri pilote les avancées majeures en matière de reconnaissance vocale, de synthèse et de modèles de parole à parole pour les fonctionnalités profondément intégrées dans l'écosystème d'Apple. Notre mission est de construire une infrastructure de pointe, des ensembles de données et des modèles qui permettent à l'IA conversationnelle de Siri, à la dictée et aux fonctionnalités d'intelligence artificielle Apple activées par la parole, couvrant la compréhension du langage naturel, la génération de dialogues, la reconnaissance vocale et l'interaction multimodale. Nous appliquons ces technologies pour créer des expériences conversationnelles engageantes, intelligentes et personnalisées pour des millions d'utilisateurs d'Apple. Nous recherchons un Architecte Machine Learning pour servir de leader technique senior couvrant l'ensemble de l'organisation Speech. Vous définirez la direction future de la modélisation pour l'ensemble de la parole conversationnelle, en traçant la voie architecturale et algorithmique de l'évolution des technologies vocales d'Apple. Vous opérerez en tant qu'expert pratique qui non seulement définit la stratégie, mais se penche également sur les problèmes techniques les plus difficiles, travaillant côte à côte avec les équipes pour surmonter les obstacles critiques. Relevant directement de la direction de l'organisation Speech, vous aurez une large visibilité et une influence sur la reconnaissance vocale, la synthèse, le dialogue, les modèles fondamentaux multimodaux et les systèmes de parole à parole, assurant une vision technique cohérente et un alignement inter-équipes.
QUALIFICATIONS MINIMALES
- 10+ années d'expérience en machine learning appliquée aux systèmes vocaux ou multimodaux, avec une portée technique et un leadership croissants.
- Expertise démontrée en tant que leader technique ou architecte ayant défini la direction de la modélisation sur plusieurs équipes ou domaines de produits.
- Maîtrise approfondie et pratique du deep learning moderne, y compris les grands modèles de langage et les systèmes vocaux de bout en bout.
- Expérience significative avec les LLMs multimodaux, y compris la conception d'architecture, l'entraînement, l'adaptation et le déploiement de modèles qui intègrent les modalités vocales, audio et textuelles.
- Expérience directe dans la construction de systèmes conversationnels de parole à parole, avec une solide compréhension de l'interaction conversationnelle naturelle en duplex intégral et des pipelines vocaux de bout en bout.
- Un historique de traduction de la recherche en systèmes de qualité de production à grande échelle.
- Compétences de programmation expertes en Python et en frameworks de deep learning tels que PyTorch, JAX ou TensorFlow.
QUALIFICATIONS PRÉFÉRENTIELLES
- Doctorat en informatique, génie électrique, Machine Learning ou domaine technique similaire.
- Expérience dans l'architecture ou la direction du développement de systèmes conversationnels naturels en duplex intégral, de modèles de parole à parole, ou de modèles fondamentaux multimodaux qui ont été déployés auprès de larges populations d'utilisateurs.
- Familiarité approfondie avec le full stack des technologies vocales — ASR, TTS, dialogue parlé, modélisation du locuteur, compréhension audio — et capacité à raisonner sur leurs interactions et dépendances.
- Expérience avec l'entraînement distribué à grande échelle et les considérations d'infrastructure qui façonnent la conception des modèles à grande échelle.
- Une perspective axée sur les données pour le développement de modèles fondamentaux, y compris l'expérience dans la direction de la collecte, de la curation, de l'annotation et des stratégies de qualité des données.
- Expérience du déploiement de ML sur appareil, y compris la compression de modèles, la quantification et la conception d'architectures sensibles à la latence.
