Pesquisador(a) em Processamento de Linguagem Natural do Português
Cuidar do que é específico do português: corpus, tokenização e a linguagem real do prontuário brasileiro.
Modelo treinado em inglês e traduzido não entende abreviação de prontuário brasileiro nem a variação regional do jeito de descrever sintoma. Você monta e limpa corpora em português, avalia tokenizadores — a TELI já mediu ganho com vocabulário de 64k — e constrói os recursos linguísticos do domínio clínico.
COMO FUNCIONA ESTA VAGA
A posição integra um projeto de pesquisa e desenvolvimento submetido a agência de fomento. Nessa modalidade a subvenção econômica custeia a equipe própria em regime CLT — não é bolsa.
Estamos formando o quadro durante a submissão. A contratação efetiva ocorre com a aprovação do projeto, e quem já está no banco é chamado primeiro. Currículo Lattes é o que pesa na avaliação.
A TELI é uma empresa brasileira de tecnologia em saúde, com produtos em operação e registro de software no INPI. Trabalho remoto por padrão; onde há laboratório ou ICT parceira, o modelo é híbrido. Os detalhes do projeto são compartilhados durante o processo seletivo.
O que você vai fazer
- Coletar, limpar e deduplicar corpora em português.
- Avaliar e treinar tokenizadores para o domínio clínico.
- Construir léxicos e recursos de anotação linguística.
- Medir o efeito das escolhas linguísticas no desempenho do modelo.
Requisitos
- Mestrado em Linguística Computacional, Computação ou área afim.
- Python e experiência prática com corpora de larga escala.
- Conhecimento sólido de morfologia e sintaxe do português.
Diferenciais
- Experiência com texto clínico ou terminologia médica.
- Publicações em PROPOR, STIL ou equivalentes.
Não tem currículo formal? Use o campo “conte sua história”. A gente lê.