【工作职责】 从互联网的海量信息中抓取并且筛选出有价值的单语和双语数据，帮助机器翻译及相关产品提高翻译质量和语种支持能力，包括但不限于：  * 机器翻译语料系统的抓取策略设计，模型构建，数据抽取等相关算法设计和开发  * 新增语种的语言检测、分句、词法分析；  * 双语对齐算法的实现和改进；  * 双语数据的清洗和筛选；  * 语料数据的分类；  * 由于需要覆盖大量长尾数据及格式，对内容的抽取涉及到非常多的挑战。  【能力要求】  * 计算机相关专业本科以上学历；  * 有以下任意领域的实践经验：数据挖掘 / 信息检索 / 自然语言处理 / 机器学习 / 统计分析  / Hadoop / Spark；  * 对技术充满热情，勇于尝试，有较强创新的能力和快速学习能力；  * 较强的发现、分析和解决技术问题的工程能力；  * 熟悉Linux，熟悉java、C/C++、Python开发；  * 良好的主动性、逻辑思维能力和沟通能力。 【加分项】  * 精通Map-Reduce模型，具有使用Hadoop、Hive、Spark、Nutch等相关平台进行大数据处理和挖掘的经验；  * 有过Office/PDF/HTML/XML等多种格式文档解析经验；  * 懂得英语以外的其他外语；  * 踏实，追求细节和完美。   【时间要求】   每周保证32小时的工作时间（其中至少12小时为工作日白天），三个月至半年的实习期