Apple har forpligtet sig til at støtte akademisk forskning og dens værdifulde bidrag til verden. Vi tilbyder stipendier, studielegater og priser til kandidat- og ph.d.-studerende, som bruger teknologi til at hjælpe andre mennesker og planeten.
Mød Apple Scholars.
Etik og teknologi
Postdoc-stipendier
Apple University er sammen med Stanford Universitys McCoy Family Center for Ethics in Society vært for postdoc-stipendier, hvor forskningen har fokus på problemstillinger i grænselandet mellem etik og teknologi.
Abby Jaques
Ethics and Politics of Technology
Stanford University
Stanford University
Abby har fokus på de store spørgsmål i grænselandet mellem menneskelig og kunstig intelligens: Hvordan får vi teknikken til at fungere korrekt? Og hvordan sikrer vi, at de teknologier, vi skaber, er gode for alle?
På MIT har Abby udviklet en ny teori om bevidste handlinger. Hun fokuserer nu på, hvordan kunstig intelligens kan påvirke menneskets adfærd, og den potentielle indvirkning på moral og politik. Hun har også udviklet en ny, praksisbaseret etisk metode for ingeniører, og hun har deltaget i en række legatfinansierede initiativer, der havde til formål at demokratisere AI via formel og uformel uddannelse.
Hardwareteknologi, design af integrerede kredsløb, kunstig intelligens og maskinlæring
Ph.d.-stipendier
Disse tildeles kommende ledere, der arbejder med forskning inden for områder relateret til elektroteknik, datateknik og datalogi med fokus på banebrydende teknologi og Apples kerneværdier.
McKenzie van der Hagen
Hardware Support for Encrypted Computing
Carnegie Mellon University
Carnegie Mellon University
McKenzie arbejder med nye computerarkitekturer, som kan gøre det muligt for IoT-enheder med lavt strømforbrug at deltage i banebrydende krypteret databehandling.
Der indsamles og behandles konstant enorme mængder data via IoT-enheder (Internet of Things). Det er meget krævende at beskytte alles anonymitet med forbundet teknologi. En af de metoder, der kan sikre anonymitet inden for IoT, er brug af homomorfiske krypteringsteknikker, som gør det muligt at foretage direkte databehandling af krypterede data. Det kræver dog kompleks matematik og enorme datastrukturer. McKenzies arbejde går ud på at udvikle særlige computerarkitekturer, som kan håndtere dette enorme arbejde inden for de beskedne rammer, som IoT-enheder med lavt strømforbrug har. På sigt håber hun, at konceptet med krypteret databehandling i stedet for optimistisk teori kan omsættes til praktisk realitet via brug af hardware.
Jaya Narain
AI for Health and Wellness
Massachusetts Institute of Technology
Massachusetts Institute of Technology
Jaya bruger personligt tilpasset maskinlæring og naturalistiske data til at gøre det nemmere for børn med nonverbale autismespektrumforstyrrelser (ASD) at kommunikere med deres omgivelser.
Ud af de 3,5 millioner mennesker i USA, som har ASD, har cirka 30 procent svært ved at kommunikere med ord. Men det betyder ikke, at de ikke kommunikerer. Forældre og omsorgsgivere kan ofte forstå stemmebrug, bevægelser og forskelle i tonefaldet, som andre måske ikke opfatter. Jaya bruger den viden, som de primære omsorgsgivere har, til at uddanne maskinlæringsmodeller, så de bliver i stand til at fortolke nonverbale udtryk. Hun håber, at hendes forskning kan få stor betydning for, hvordan børn med nonverbal autisme fungerer i deres omgivelser og kommunikerer med nye mennesker.
-
Ishwarya Ananthabhotla
Speech and Natural Language
Massachusetts Institute of Technology -
Yahav Bechavod
Privacy Preserving Machine Learning
Hebrew University of Jerusalem -
Graham Gobieski
On Device Machine Learning
Carnegie Mellon University -
Mitchell Gordon
Human-Centered Machine Learning
Stanford University -
Jeong Joon Park
Augmented Reality and Computer Vision
University of Washington -
Nathan Serafin
Hardware for Efficient Computing
Carnegie Mellon University -
Yang Song
Fundamentals of Machine Learning
Stanford University -
Xinyi Wang
Speech and Natural Language
Carnegie Mellon University -
Yifan Wang
Augmented Reality and Computer Vision
ETH Zurich -
Bingzhe Wu
Privacy Preserving Machine Learning
Peking University -
Yiren “Aaron” Zhao
On Device Machine Learning
University of Cambridge -
Tijana Zrnic
Fundamentals of Machine Learning
University of California, Berkeley
Hardwareteknologier og integreret kredsløbsteknik
Legater til kandidater
Disse tildeles enestående studerende, der har fuldført deres kandidatgrad inden for avancerede hardwareteknologier og specialiseret sig i computerarkitektur, SoC-design (system on chip), verificering og validering.
Anna Li
Electrical and Computer Engineering
Carnegie Mellon University
Carnegie Mellon University
Anna startede sin akademiske karriere på Carnegie Mellon, hvor hun ligesom alle studiekammeraterne arbejdede med software. Det gik dog hurtigt op for hende, at hun var langt mere interesseret i den underliggende hardware.
Annas interesse skiftede fra software til hardware i løbet af det første hardwarefag kaldet strukturering og design af digitale systemer. Hun opdagede, at selvom hardwarebeskrivelserne var vidt forskellige fra programmering, kunne hun stadig udnytte sine styrker: logik, problemløsning og udvikling af algoritmer. Nu beskæftiger hun sig med det, hun brænder for, nemlig at arbejde i grænselandet mellem hardware og software.
-
Tarana Laroia
Electrical and Computer Engineering
Carnegie Mellon University -
Ryan Oh
Electrical and Computer Engineering
Carnegie Mellon University -
Deanyone Su
Electrical and Computer Engineering
Carnegie Mellon University
Følg med.
Der er mere på vej.
For øjeblikket kræver det en invitation at få adgang til Apple Scholars-programmet. Kom tilbage senere for at få mere at vide om programmet i sin helhed. Du kan også høre om studerende, der tror på styrken ved teknologi, deler vores værdier og brænder for at gøre verden til et bedre sted.