cores
app
radaremprego

Machine Learning Engineer — Multilingual Data

Regimeremoto
Horáriosem indicação no anúncio
não indicado no anúnciocontrato · salário
publicado 2026-09-24 · anunciado há 59 dias ·

Em resumo IA

Engenheiro de ML para gerir e escalar o pipeline de dados multilingues, desde a recolha e curadoria até à avaliação e melhoria contínua. Trabalho com investigadores e engenheiros de infraestrutura. Empresa em Série A, com participação no capital.

Descrição

Função
Conceber, construir e manter datasets multilingues de grande escala em línguas de alta e baixa disponibilidade de recursos. Desenvolver pipelines de recolha, limpeza, normalização, deduplicação e etiquetagem. Implementar filtros de qualidade estatísticos, heurísticos e baseados em modelos. Analisar viés, lacunas de cobertura e falhas por região e escrita. Apoiar treino, fine-tuning e destilação com dados multilingues de qualidade.
Requisitos
  • 3+ anos como ML Engineer, Applied Scientist ou função semelhante
  • Experiência com datasets multilingues ou não inglófonos
  • Fundamentos sólidos de NLP (tokenização, embeddings, modelação de linguagem)
  • Experiência com pipelines de dados escaláveis (Python, Spark, Ray ou semelhante)
  • Familiaridade com Unicode, escritas e particularidades linguísticas
  • Capacidade de colaborar com investigadores e traduzir necessidades de investigação em sistemas de produção
Valorizado
  • experiência com línguas de baixa disponibilidade, benchmarks multilingues (FLORES, XTREME), treino ou destilação de LLM, formação em linguística, contributos para datasets ou ferramentas open-source, avaliação de qualidade de dados à escala
Condições
Contrato: não indicado
Salário: não indicado
Horário: não indicado
Local: não indicado
Benefícios
  • Equity significativo
  • Compensação competitiva

We’re looking for a Machine Learning Engineer to own and scale our multilingual data pipeline—from sourcing and curation to evaluation and continuous improvement. You’ll work closely with researchers and infra engineers to ensure our models perform robustly across languages, scripts, and cultural contexts.

This role sits at the intersection of data, research, and production ML and is ideal for someone who cares deeply about data quality, linguistic diversity, and model generalization beyond English.

What You’ll Do

  • Design, build, and maintain large-scale multilingual datasets across high- and low-resource languages

  • Develop data pipelines for collection, cleaning, normalization, deduplication, and labeling

  • Implement quality filters using statistical, heuristic, and model-based methods

  • Work with researchers to define language coverage, benchmarks, and evaluation metrics

  • Analyze dataset bias, coverage gaps, and failure modes across regions and scripts

  • Support training, fine-tuning, and distillation workflows with high-quality multilingual data

  • Continuously iterate on datasets based on model performance and real-world usage

What We’re Looking For

  • 3+ years of experience as an ML Engineer, Applied Scientist, or similar role

  • Strong experience working with multilingual or non-English datasets

  • Solid understanding of NLP fundamentals (tokenization, embeddings, language modeling)

  • Experience building scalable data pipelines (Python, Spark, Ray, or similar)

  • Familiarity with Unicode, scripts, tokenization challenges, and language-specific quirks

  • Comfort collaborating with researchers and translating research needs into production systems

Nice to Have

  • Experience with low-resource languages or multilingual benchmarks (e.g. FLORES, XTREME)

  • Exposure to LLM training, fine-tuning, or distillation

  • Linguistics background or experience working with native language experts

  • Contributions to open-source datasets or ML tooling

  • Experience with data quality evaluation at scale

Why Join

  • Real ownership over a core differentiator of the product

  • Work on models used globally, not just in English-speaking markets

  • Small, high-caliber team with deep ML and systems experience

  • Competitive compensation + meaningful equity at Series A stage

Originally posted on Himalayas

Como me candidatar

Candidatar no anúncio original ↗

Preparar candidatura

Uma carta de apresentação e uma apresentação curta para esta oferta, escritas a partir do teu perfil, e o que aprender a seguir.

Entra e cria o teu perfil a partir do CV. É privado: não o partilhamos com ninguém.

Algo errado ou ilegal neste anúncio? Reportar

Fica visível enquanto analisamos. Decidimos em até 7 dias (o que é claramente ilegal, como uma burla, mais depressa) e dizemos-te o resultado e porquê.

Ofertas semelhantes

Salário comparado ⓘ

Esta ofertaMediana?4 179 €
2 763 €6 116 €

83 ofertas · Analistas de sistemas · teletrabalho

ver as que pagam mais →

Formação para esta vaga

Requisitos IA

  • 3+ anos como ML Engineer ou Applied Scientist

Idiomas IA

Publicado em (2)

Vista pela primeira vez a 17 nov, 00:20 · última vez a 21 nov, 22:32