In sintesi
- Mansioni: Sviluppa modelli linguistici avanzati e conduci ricerche innovative nel campo del deep learning.
- Azienda: Azienda tecnologica all'avanguardia con un ambiente collaborativo e inclusivo.
- Benefit: Salario competitivo, smart working flessibile e opportunità di crescita professionale.
- Altre informazioni: Ambiente dinamico con supporto per lo sviluppo personale e professionale.
- Perché questo lavoro: Lavora su progetti che influenzano la comunicazione globale e l'innovazione linguistica.
- Qualifiche: Esperienza in deep learning e modelli linguistici, ottime capacità di programmazione in Python.
La retribuzione prevista è compresa tra 135000 - 165000 € per anno.
About Translated
Translated is on a mission to allow everyone to understand and be understood, in their own language.
We are a technology-powered professional translation provider.
We partner with over 200,000 professional translators worldwide, in 200 languages.
Our 310,000 clients range from private individuals who need their CV translated to some of the world's largest companies, such as Uber and Airbnb.
Our progress is largely powered by our ability to leverage scientific progress and realize the best synergy between humans and machines.
We invest heavily in R&D, including Large Language Models, Machine Translation, expressive speech synthesis, and privacy-preserving training.
We operate as a science-driven company, where scientific innovations quickly make their way into production and have a measurable impact on our products and operations.
We are looking for a Deep Learning Scientist to join our Foundation Models team, working on the development of large-scale textual language models from scratch.
The ideal candidate has a strong interest in Large Language Models, large-scale deep learning, and experimental research, and is excited about pushing the state of the art in multilingual language modeling.
The Project: Foundation Models
Translated is building its own generation of multilingual Foundation Models, with the ambition of advancing the state of the art in open Large Language Models, particularly in multilingual capabilities.
Our work covers the complete LLM pre-training lifecycle: from data selection and curation to model architecture, scaling experiments, large-scale distributed training, evaluation, and continued training.
A central research question for the team is how to build models that perform strongly not only in English, but across a broad range of languages, including languages that are traditionally underrepresented in large-scale pre-training datasets.
- large-scale language model pre-training
- multilingual language modeling
- data curation, filtering, scoring, and mixture design
- scaling laws and training dynamics
- model architecture and optimization
- distributed and multi-GPU training
- evaluation and benchmarking of Large Language Models
- continued pre-training and mid-training strategies
You will work in the Foundation Models team, a multidisciplinary group of scientists and engineers responsible for designing, training, and evaluating Translated’s next generation of Large Language Models.
The team works closely with Translated's AI Research and Engineering organizations, combining experimental research with the engineering required to train models at scale on large GPU clusters and HPC infrastructure.
Responsibilities
- design and conduct research on Large Language Model pre-training
- design experiments, implement them in code, run them at scale, and analyze their results
- investigate model architectures, optimization strategies, training dynamics, and scaling behavior
- research and develop multilingual training strategies
- work on data selection, quality, composition, and data mixture experiments for LLM pre-training
- evaluate models across multilingual and general-purpose benchmarks
- monitor and benchmark the state of the art in Large Language Models
- run experiments on large-scale GPU and HPC infrastructure
- translate research hypotheses into measurable experiments and actionable decisions for large-scale training
Requirements
- 3+ years of research/industry experience in a relevant area of Deep Learning, Machine Learning, Natural Language Processing, or Large Language Models
- strong understanding of modern deep learning and Transformer-based language models
- excellent programming skills in Python
- experience designing and running machine learning experiments
- familiarity with GPU-based training environments and Unix/Linux systems
- ability to analyze experimental results and make research decisions based on empirical evidence
- interest in large-scale experimental research and language model pre-training
- ability to follow, understand, and reproduce recent scientific literature
- excellent written and spoken English
- ability to work effectively with both researchers and engineers
Bonus points if...
- you have direct experience pre-training or continuing the pre-training of Large Language Models
- you have experience with distributed and multi-GPU training
- you have worked with large-scale training frameworks such as Megatron Bridge
- you have experience optimizing GPU utilization, throughput, memory consumption, or large-scale training stability
- you have worked on multilingual NLP or multilingual language models
- you have experience with large-scale dataset curation, filtering, deduplication, or data mixture design
- you have experience with LLM evaluation and benchmarking
- you have experience working with HPC environments
- Our Offer
Depending on expertise, the offered salary typically ranges between €40.000,00 and €55.000,00.
Compensation generally grows quickly as experience leads to greater contributions.
Exceptionally strong candidates may be offered salaries above this range to acknowledge their higher potential impact.
We offer a flexible smart-working policy, while requiring regular presence at our Rome headquarters.
Headquarter
Translated is hosted at Pi Campus, a working environment immersed in nature where six luxury villas in Rome, Italy, have been converted into functional offices designed to foster talent growth.
Pi Campus is also a venture firm created by Translated to reinvest part of its profits into promising AI startups.
Benefits and Perks
- At Translated, we see our people as athletes, and Pi Campus as the place where they can reach their full potential.
- This vibrant environment fosters talent aggregation and continuous growth of mind, body, and spirit.
- We nurture and support the team's personal and professional development every day through growth-oriented initiatives such as personalized learning paths and networking events with industry leaders.
- Health-oriented initiatives including massages, sauna, workouts in our gym and swimming pool;
- Relaxation rooms, open meeting rooms, a cafeteria, and fully equipped kitchens in every villa.
- In case of need, every team member has access to psychological, legal, and financial support.
- Learn more about our company: https:///work-at-translated-onboarding.
- Diversity Statement
At Translated, we proudly embrace and celebrate each individual’s unique qualities, regardless of race, sexual orientation, gender identity, or any other differences.
We recognize that diverse perspectives empower us to overcome challenges, foster innovation, and drive excellence.
As an inclusive and equal-opportunity employer, we are committed to cultivating an environment where everyone feels welcome, valued, and supported to achieve their full potential.
#J-18808-Ljbffr
Deep Learning Scientist – Foundation Models datore di lavoro: Translated Srl
Translated è un datore di lavoro eccezionale, che offre un ambiente di lavoro stimolante e innovativo presso la sua sede a Roma, immersa nella natura. Con un forte focus sulla crescita personale e professionale, i dipendenti beneficiano di percorsi di apprendimento personalizzati, eventi di networking e iniziative orientate alla salute, come palestre e spazi di relax. La cultura aziendale promuove la diversità e l'inclusione, garantendo che ogni individuo si senta valorizzato e supportato nel raggiungimento del proprio potenziale.
Consigli degli esperti StudySmarter🤫
Ecco come pensiamo che potresti ottenere Deep Learning Scientist – Foundation Models
✨Sfrutta i Meetups di Data Science
Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.
✨Progetti Open Source per Farsi Notare
Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!
✨Unisciti a Comunità Online
Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.
✨Candidati Direttamente su Translated Srl
Non dimenticare di candidarti direttamente sul sito di Translated Srl! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.
Pensiamo che ti servano queste competenze per eccellere come Deep Learning Scientist – Foundation Models
Alcuni consigli per la tua candidatura 🫡
Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!
Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di Translated Srl. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!
Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!
Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di Translated Srl. Mostra loro come pensi e come apprendi!
Come prepararti a un colloquio di lavoro presso Translated Srl
✨Brilla con il tuo Portafoglio
Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!
✨Preparati a Domande Tecniche
Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.
✨Mostra la tua Curiosità
Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.
✨Comunica Chiaramente i Tuoi Risultati
Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.