GoogleやAWS等の強化学習型翻訳API用の対訳データの作り方についてアドバイスをお願いします。

【依頼内容】GoogleであればAutoML Translation等の強化学習型翻訳APIを利用したいと思っているのですが、対訳データの作り方やクレンジングの方法について開発経験のある詳しい方いらっしゃいましたらアドバイスをお願いします。 具体的には、膨大な対訳データをどのように集めて来ればよいのか？現在手元にある対訳データを見て頂いて具体的なクレンジング方法についてのアドバイス、評価（BLUE）スコアの改善に向けたアドバイスをお願いできればと考えています。 【提案方法】 簡単に、開発経験や自然言語処理系の技能・知識レベル、関連する業務実績を含む自己紹介をお願いします。ご質問等あればお気軽にご連絡ください。よろしくお願いします。