Hugo Prevoteau

Équipe Alexa Speech Recognition • Pionnier dans le domaine du bootstrapping ASR à faibles ressources à l'aide de modèles RNN-T exploitant diverses sources de données, ce qui a permis d'obtenir une amélioration relative de 83 % du taux d'erreur sur les mots (WER). • Réduction de 75 % du coût de formation des modèles grâce à la conception d'un cadre de mise à jour incrémentielle • Spécialisation dans l'adaptation au domaine et à la localisation à l'aide de données audio synthétiques pour les modèles ASR de recherche vocale utilisant des modèles pré-entraînés • Amélioration des performances ASR grâce à des reclassificateurs de modèles linguistiques pour les systèmes ASR à faibles ressources avec Shallow Fusion, Internal Language Model Estimation (ILME) et RescoreBERT, ce qui a permis une réduction relative de 8 % du WER • Expérience dans la préparation des sources de données, l'intégration technologique (augmentation des données, apprentissage par transfert, apprentissage incrémental), l'optimisation des modèles (ajustement des modèles, mélange des poids des sources de données.

Amazon Transportation • Sujet de recherche : évolutivité des modèles d'apprentissage par renforcement multi-agents (MARL) lorsque le nombre d'agents est dynamique à l'inférence • Mise en œuvre d'un algorithme MARL collaboratif de pointe (CommNet/Bicnet) et de bases de référence • Évaluation comparative des différentes approches dans un environnement simulé de circulation automobile et soumission des résultats à une conférence interne • Stack : Python (Ray RLlib, Gym, TensorFlow, PyTorch), Docker, AWS (SageMaker, instances EC2)