Especialista en datos de entrenamiento multilingüe

Sobre el puesto

Serás responsable de la calidad lingüística de los conjuntos de datos de entrenamiento que construimos para clientes de aprendizaje automático en expansión hacia América Latina. Esto incluye diseñar esquemas de etiquetado que capturen la variación pragmática entre variantes del español, dirigir la calibración entre escritorios de variantes, y trabajar directamente dentro de los pipelines de entrenamiento del cliente. Este rol se sitúa en la intersección de la lingüística y el aprendizaje automático. No necesitas construir modelos. Sí necesitas entender por qué un modelo entrenado en español castellano falla en el Caribe, y diseñar el enfoque de anotación que lo corrige.

Responsabilidades clave

• Diseñar y mantener esquemas de etiquetado de anotación, incluyendo dimensiones pragmáticas como la franqueza, el registro de cortesía, la señalización de urgencia y la intensidad del sentimiento
• Documentar taxonomías de divergencia que describan cómo difiere el uso de forma sistemática entre variantes del español
• Dirigir sesiones semanales de calibración entre variantes en los escritorios de anotación para mantener la consistencia del conjunto de datos
• Definir y monitorear los umbrales de acuerdo entre anotadores por variante, no de forma agrupada
• Trabajar dentro de los pipelines de aprendizaje automático del cliente, definiendo semanalmente las prioridades de anotación según la incertidumbre del modelo y el desempeño medido
• Implementar enfoques de aprendizaje activo que concentren el esfuerzo de anotación donde el modelo es más débil
• Analizar el desempeño del modelo por variante lingüística e identificar la causa lingüística de las brechas de desempeño
• Diseñar y ejecutar auditorías de calidad sobre los conjuntos de datos entregados
• Formar y desarrollar a los líderes lingüísticos y a los especialistas de anotación
• Elaborar documentación de cara al cliente y presentar hallazgos a los equipos de aprendizaje automático del cliente
• Contribuir al diseño de soluciones y a la estimación de nuevos proyectos de anotación
• Mantener el cumplimiento del manejo de datos bajo la Ley 172-13 y los protocolos específicos del cliente
• Mantenerse al día con los avances en la evaluación de PLN multilingüe y en la metodología de anotación

Requisitos

• Español nativo con conocimiento demostrable de la variación regional latinoamericana
• Inglés en nivel C1 de la escala CEFR, evaluado antes de la oferta. Este rol es de cara al cliente y se desarrolla en gran medida en inglés.
• Tres o más años en lingüística, lingüística computacional, anotación de datos, calidad de PLN o un campo estrechamente relacionado
• Comprensión demostrable de la metodología de anotación: diseño de esquemas, acuerdo entre anotadores, calibración, medición de calidad
• Familiaridad práctica con conceptos de evaluación de aprendizaje automático: precisión, exhaustividad, F1, análisis de confusión
• Comodidad con herramientas de datos: hojas de cálculo a nivel avanzado y, idealmente, SQL o Python para el análisis de conjuntos de datos
• Título universitario en lingüística, lingüística computacional, lenguas, ciencias de la computación o un campo relacionado
• Disponibilidad para trabajar de forma presencial en Punta Cana
• Cédula de identidad dominicana vigente o permiso de trabajo válido

Requisitos deseables

• Estudios de posgrado en lingüística, lingüística computacional o PLN
• Python para análisis de datos: pandas, numpy, scripting básico
• Experiencia previa con plataformas de anotación: Label Studio, Prodigy, Scale, Labelbox o equivalente
• Experiencia con RLHF, evaluación de modelos o red-teaming
• Idiomas adicionales: kreyòl ayisyen, portugués, francés
• Experiencia previa trabajando con equipos de anotación distribuidos
• Trabajo publicado o investigación académica en dialectología, sociolingüística o pragmática

Sobre Corpshore Dominicana

Corpshore Dominicana es el brazo de entrega dominicano de Corpshore Solutions Corporation, Toronto. Entregamos servicios de BPO, TI e IA desde cuatro ciudades dominicanas, y ascendemos desde adentro.

Postular a este puesto