AIML - Research Scientist, Health in Zürich

Das Personalized AI for Science (PAIS) Team ist an der Spitze von maschinellem Lernen und Gesundheitswissenschaften bei Apple. Wir sind ein eng verbundenes Team von tief technischen AI/ML-Forschungswissenschaftlern, die ehrgeizige Forschungsideen entwickeln und neue statistische/ML-Methoden entwickeln, letztendlich im Dienste neuer Apple-Gesundheits- und Wohlfühlanwendungen.

Wir suchen einen Forschungswissenschaftler, der Erfahrung in Deep Learning (und/oder Signalverarbeitung) mit einer soliden Grundlage in Statistik kombiniert. Der ideale Kandidat ist leidenschaftlich an Modellrobustheit und wissenschaftlicher Strenge interessiert und stellt sicher, dass die Modelle, die wir bereitstellen, die hohen Beweisstandards erfüllen, die für Gesundheitsanwendungen erforderlich sind.

In dieser Rolle werden Sie moderne Deep Learning-Modelle auf einzigartigen Gesundheitsdaten entwerfen, trainieren und anpassen sowie Ihre statistische Expertise anwenden, um sie rigoros zu bewerten – über die aggregierte Genauigkeit hinaus, um das Modellverhalten über Populationen, Verteilungssch shifts und klinisch bedeutende Untergruppen zu hinterfragen.

Sie werden erwartet, sich substanziell mit Gesundheit als Anwendungsbereich auseinanderzusetzen und das erforderliche Fachwissen zu entwickeln, um die richtigen Modellierungsfragen zu stellen und Modelle gegen die Realitäten der klinischen und Wohlfühlverwendung zu bewerten. Sie werden eng mit Mitarbeitern aus Forschungs- und Produktteams zusammenarbeiten und zu Funktionen beitragen, die letztendlich eine Milliarde Apple-Geräte weltweit erreichen.

Verantwortlichkeiten:

• Entwerfen, Trainieren und Anpassen moderner Deep Learning-Modelle und -Architekturen auf groß angelegten physiologischen und verhaltensbezogenen Daten.
• Entwickeln rigoroser Evaluationsprotokolle, einschließlich Untergruppenanalysen, Robustheit gegenüber Verteilungssch shifts und Charakterisierung von Fehlermodi.
• Anwenden statistischer Methoden (Hypothesentests, Unsicherheitsquantifizierung, kausale Inferenz, Überlebensanalyse), um verteidigbare Schlussfolgerungen aus Beobachtungsdaten im Gesundheitsbereich zu ziehen.
• Übersetzen klinischer und produktbezogener Fragen in gut formulierte Problemdefinitionen.
• Engagieren mit der akademischen Gemeinschaft durch Veröffentlichung von Arbeiten und Präsentation Ihrer Ergebnisse.
• Zusammenarbeiten mit Produktteams bei Apple, um Forschung in bereitgestellte Gesundheitsfunktionen zu überführen.

Mindestens erforderliche Qualifikationen:

• Praktische Erfahrung im Entwerfen und Trainieren moderner Deep Learning-Modelle und -Architekturen, einschließlich Grundmodellen, selbstüberwachtem Pretraining, Multimodalität und parameter-effizienter Anpassung.
• Erfahrung in der Charakterisierung und Verbesserung der Robustheit von ML-Modellen unter Verteilungssch shifts, die in Gesundheitsdaten häufig vorkommen (Subjektvariabilität, Geräteheterogenität, zeitlicher Drift).
• Starke Grundlage in Statistik, mit der Fähigkeit, verteidigbare Schlussfolgerungen aus Beobachtungsdaten zu ziehen.
• Fähigkeit, nicht triviale Modellevaluationen über Standardvalidierungen hinaus zu entwerfen und durchzuführen.

Bevorzugte Qualifikationen:

• Kenntnisse in Python und modernen ML/Analyse-Stacks, einschließlich LLM-basiertem Codieren und Analysieren.
• Ausgezeichnete Kommunikationsfähigkeiten, einschließlich der Fähigkeit, technische Arbeiten einem klinischen und breiten technischen Publikum zu präsentieren.
• Forschungs- oder angewandte Erfahrung in Deep Learning und statistischer Modellierung im Gesundheitsbereich (z.B. tragbare Geräte, klinische Studien oder elektronische Gesundheitsakten).
• Erfahrung mit einer oder mehreren der folgenden: kausale Inferenz, Überlebensanalyse, Zeitreihenmodellierung oder longitudinale Analyse.
• Erfahrung mit rigoroser Evaluierungsmethodik für ML in klinischen oder wissenschaftlichen Umgebungen, wie z.B. Benchmarking unter kontrollierten Verteilungssch shifts, Kalibrierungsanalyse oder regulatorischer Validierung.
• Veröffentlichungen in Fachzeitschriften wie NeurIPS, ICML, ICLR.

Bei Apple sind wir nicht alle gleich. Und das ist unsere größte Stärke. Wir schöpfen aus den Unterschieden in dem, wer wir sind, was wir erlebt haben und wie wir denken. Denn um Produkte zu schaffen, die allen dienen, glauben wir daran, alle einzubeziehen. Daher verpflichten wir uns, alle Bewerber fair und gleich zu behandeln. Wir werden mit Bewerbern zusammenarbeiten, um angemessene Vorkehrungen zu treffen. Bei Apple glauben wir, dass Zugänglichkeit ein grundlegendes Menschenrecht ist. Sie werden diese Idee in allem hier finden – in unserer Kultur, unseren Vorteilen und unseren digitalen Werkzeugen. Indem wir so viele Perspektiven wie möglich willkommen heißen, helfen wir Ihnen, eine Karriere aufzubauen, in der Sie sich zugehörig fühlen.