Apple: Machine Learning Engineering

在 Apple 担任机器学习工程师期间的工作总结，涵盖论文复现、3D 数据工具搭建和自动化分析系统。

项目时间：2019.01 - 2021.02
公司：Apple
角色：机器学习工程师

工作概述

在 Apple 期间，我主要从事机器学习算法的研究与工程化落地，工作内容涵盖前沿论文复现、3D 数据工具开发和自动化分析系统搭建。

一、论文复现与模型训练

• 阅读英文前沿学术论文，理解算法原理与实验设计
• 使用 Keras 和 PyTorch 搭建神经网络模型，在云服务器 GPU 集群上进行训练
• 重现论文实验结果，并在此基础上进行改进和优化
• 积累了扎实的深度学习理论基础和实验能力

二、3D 数据工具开发

结构化 3D 数据格式设计

• 设计结构化的 3D 标注数据格式，支持多视角图像、深度图、点云、姿态标注等多种数据类型的统一存储与查询

标定工具搭建

• 使用 OpenGL 搭建全新的交互式标定工具，支持相机参数标定、多视角对齐等功能
• 工具提供可视化界面，大幅提升数据标定效率和准确性

数据批量生成工具

• 开发基于 OpenGL 的批量数据生成工具，通过程序化方式生成大规模训练数据
• 支持随机化光照、材质、姿态等参数，增强数据多样性

三、自动化分析系统

FA 工具搭建

• 搭建 False Acceptance（误识别）分析工具，用于系统性分析模型失败案例
• 支持按错误类型、场景、置信度等多维度筛选和可视化

Pandas 自动汇报系统

• 使用 Pandas 构建自动化数据分析和汇报系统
• 定期从实验结果中提取关键指标，生成统计报表和可视化图表
• 减少人工数据整理工作，提升团队迭代效率

收获与成长

• 养成了严谨的论文阅读和实验复现习惯
• 深入理解了从数据标注、模型训练到评估分析的完整 ML 工作流
• 在国际化团队中锻炼了流利的英语技术沟通能力（雅思 7.0）