Machine Learning Engineer — Multilingual Data
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
Ofertas semelhantes
- Machine Learning Engineer — Training OptimizationFeatherless AI
- Data / ML EngineerVigil
- Machine Learning Engineer — Inference OptimizationFeatherless AI
- Machine Learning Engineer — DistillationFeatherless AI
- Machine Learning EngineerElevus · Lisboa
- Distributed Cloud | Machine Learning EngineerDevoteam · Lisboa
Salário comparado ⓘ
83 ofertas · Analistas de sistemas · teletrabalho
ver as que pagam mais →Formação para esta vaga
- Data Science Aplicada, Big Data e AIUniversidade Lusófonaonline · pós-laboral · 120 hPedido neste anúncio: Inteligência artificial e machine learning
- DP-3014: Build machine learning solutions using Azure DatabricksGalileu7 h · 590 € + IVAPedido neste anúncio: Inteligência artificial e machine learning
- Developing Generative AI Applications on AWSRumosonline · horário laboral · 14 h · 1420 € · início 01/02/2027Pedido neste anúncio: Inteligência artificial e machine learning
Idiomas IA
Publicado em (2)
- Himalayas visto 17 nov
- Featherless AI visto 17 nov – 21 nov
Vista pela primeira vez a 17 nov, 00:20 · última vez a 21 nov, 22:32