Machine Learning Advocate Engineer Internship, Audio - EMEA Remote

Bienvenue chez Hugging Face, un hub pour l'avancement et la démocratisation de la technologie d'apprentissage automatique. Alors que nous nous efforçons de rendre le ML plus accessible, nous contribuons de manière significative au développement progressif de la technologie.

Nous sommes fiers d'héberger la bibliothèque open-source de modèles pré-entraînés à la croissance la plus rapide au monde. Avec plus d'un million de modèles et 320K étoiles GitHub, notre technologie est utilisée par plus de 15 000 entreprises, y compris des géants de l'industrie comme Google, Elastic, Salesforce, Grammarly et la NASA.

La montée des grands modèles de langage (LLM) a conduit à une augmentation exponentielle des LLM audio. La communauté Hugging Face utilise notre écosystème pour entraîner, évaluer et partager ces modèles, ensembles de données et démos. En tant que stagiaire, vous permettrez le développement des LLM audio de prochaine génération en améliorant l'accessibilité des outils open-source pour la communauté. Cela inclut des intégrations possibles avec les principaux fournisseurs de données audio (par exemple, Common Voice, GigaSpeech), l'amélioration de la prise en charge de divers types de données audio, la construction de démos pour les modèles audio/voix de pointe, et la création de nouveaux tableaux de classement pour les évaluations (TTS Arena, tableau de classement Open ASR) au sein de Spaces et Gradio.

Note: Ce n'est pas un poste de marketing ! Le plaidoyer des développeurs chez Hugging Face est profondément technique et nécessite un esprit généraliste. Notre équipe contribue activement à des bibliothèques comme Transformers, Diffusers et Datasets, ainsi qu'à des bibliothèques externes.

Vous dirigerez les collaborations au sein du ML pour Audio Space, mènerait des efforts de communication, adopterait les dernières fonctionnalités liées à l'audio et construirait des outils précieux pour la communauté.

Si vous avez une passion pour l'open-source, un désir de rendre les LLM audio plus accessibles aux ingénieurs, chercheurs et à la communauté audio au sens large, et que vous voulez contribuer à l'un des écosystèmes de ML à la croissance la plus rapide, nous serions ravis de recevoir votre candidature !

Diversité, équité et inclusion : Nous nous engageons à créer une culture qui valorise la diversité, l'équité et l'inclusivité. Notre objectif est de construire un environnement de travail respectueux et solidaire, quelle que soit votre origine. Cela est fondamental pour construire une excellente entreprise, une communauté et l'avenir de l'apprentissage automatique. Hugging Face est un employeur garantissant l'égalité des chances, et nous ne discriminons pas en fonction de la race, de l'ethnicité, de la religion, de la couleur, de l'origine nationale, du sexe, de l'orientation sexuelle, de l'âge, de l'état civil, du statut de vétéran ou d'aptitudes.

Développement professionnel : Chez Hugging Face, vous travaillerez avec certaines des esprits les plus brillants de notre industrie. Nous mettons l'accent sur l'impact et la croissance continue, offrant à tous les employés le remboursement des conférences, formations et éducations pertinentes.

Bien-être des employés : Nous offrons des horaires de travail flexibles et des options de télétravail, ainsi que des avantages pour la santé, dentaires et visuels pour les employés et leurs personnes à charge. Notre package d'avantages comprend également un congé parental et des congés payés flexibles.

Soutien au télétravail : Bien que nous ayons des bureaux à NYC et Paris, nous soutenons largement notre main-d'œuvre répartie. Les employés à distance sont les bienvenus dans nos bureaux, et nous nous assurons que votre poste de travail à domicile soit bien équipé pour réussir.

Participation des employés : Nous croyons en faire de nos coéquipiers des actionnaires. Tous les employés reçoivent des actions de l'entreprise dans le cadre de leur package de rémunération. Alors que nous nous efforçons de devenir une plateforme définissant une catégorie dans l'apprentissage automatique et l'intelligence artificielle, tout le monde partage notre succès.