Tweet
Facebook
Copy Link
Mô tả công việc
Tóm tắt công việc
- Áp dụng chuyên môn về máy học (ML) và thống kê để thiết kế, xây dựng mẫu thử và xây dựng các công cụ và dịch vụ phân tích nâng cao
Nhiệm vụ chính
- Hỗ trợ các thành viên cấp cao trong nhóm và bộ phận kinh doanh trong việc sử dụng dữ liệu để giải quyết các vấn đề
- Tìm hiểu cách truyền đạt kết quả dữ liệu một cách hiệu quả cho các đối tác kinh doanh
- Tham gia các buổi đào tạo và hội thảo về khoa học dữ liệu
- Đánh giá hiệu quả của các mô hình và ứng dụng
- Hỗ trợ thực hiện các phương pháp phân tích với sự hướng dẫn của nhóm cấp cao
- Khám phá các kỹ thuật và công cụ mới để giải quyết vấn đề dữ liệu
- Xây dựng mô hình dữ liệu và ứng dụng
- Lập kế hoạch và thực hiện các dự án phân tích dữ liệu vừa và nhỏ
- Tiếp xúc với việc xây dựng giả thuyết và kỹ thuật tính năng
- Thực hiện các nhiệm vụ phân tích dữ liệu nâng cao
- Phân tích dữ liệu bằng các công cụ và thuật toán tiên tiến
- Thu thập và làm sạch dữ liệu
Dẫn đầu thị trường
• Cơ hội được thử sức trong những lĩnh vực công nghệ tiên tiến, hiện đại nhất.
• Được tham gia vào các dự án lớn: Kho dữ liệu thô- VietinBank Data Lake, Hệ thống khách hàng VietinBank 360, VietinBank Cloud Data Lake...
• Cơ hội được làm việc tại một trong ngân hàng Big4.
Môi trường năng động sáng tạo
• Nơi hội tụ của các Machine Learning Engineer, Data Engineer, Software Engineer hàng đầu với nhiều năm kinh nghiệm trong các lĩnh vực tài chính ngân hàng.
• Môi trường làm việc cởi mở và năng động, khuyến khích trao đổi ý tưởng ở mọi cấp, cho phép bạn làm việc, sáng tạo.
Chế ngộ đãi ngộ hấp dẫn, cạnh tranh
• Được thư giãn, khơi nguồn sáng tạo mỗi ngày.
• Được đào tạo, định hướng chuyên môn thường xuyên;
• Cơ hội tham gia gắn kết với tập thể, tổ chức với các hoạt động team building thú vị
• Chế độ chăm sóc y tế đặc biệt cho CBNV và người thân với trang thiết bị hiện đại.
Yêu cầu công việc
- Quen thuộc với các công nghệ cơ sở dữ liệu cloud (ví dụ: AWS, Azure, Google Cloud) và kinh nghiệm cơ bản về phát triển các giải pháp hạ tầng và dịch vụ điện toán đám mây trong miền dữ liệu và phân tích
- Thể hiện khả năng đúc kết thông tin chuyên sâu mới thông qua hợp nhất và biến đổi các tập dữ liệu nội bộ và bên ngoài
- Trước đây đã tham gia vào việc triển khai, giám sát, bảo trì và nâng cao các mô hình dữ liệu
- Khả năng áp dụng các kỹ thuật khoa học dữ liệu trên các tập dữ liệu quy mô lớn, bao gồm máy học để phân cụm, phân loại, hồi quy và phát hiện bất thường, cũng như các kỹ thuật tối ưu hóa hoặc mô phỏng cho các vấn đề quy định
- Khả năng áp dụng các kỹ thuật khoa học dữ liệu trên các tập dữ liệu quy mô lớn, bao gồm máy học để phân cụm, phân loại, hồi quy và phát hiện bất thường, cũng như các kỹ thuật tối ưu hóa hoặc mô phỏng cho các vấn đề quy định
- 1- 2 năm kinh nghiệm trong lĩnh vực khoa học dữ liệu hoặc các vai trò liên quan
Trình độ chuyên môn
- Quen thuộc với các ngôn ngữ lập trình tính toán khác (như Julia, C++, Rust ) là một điểm cộng
- Hiểu biết cơ bản và tiếp xúc với các khái niệm MLOps, bao gồm container hóa và quản lý pipeline (ví dụ: Airflow) và microservice (ví dụ: Docker, Kubernetes)
- Kiến thức về Machine Learning, Deep Learning, Generative AI
- Yêu cầu có bằng cử nhân, ưu tiên trong lĩnh vực khoa học dữ liệu, khoa máy học tính, kỹ thuật, toán học, thống kê, hoặc các lĩnh vực liên quan. Bằng thạc sĩ là một điểm cộng
- Thể hiện khả năng học hỏi và giải quyết các lĩnh vực và vấn đề kinh doanh một cách hiệu quả
- Thể hiện khả năng triển khai trực quan hóa dữ liệu bằng công cụ (ví dụ: Dash, Shiny, Streamlit)
- Kinh nghiệm về thư viện nguồn mở phổ biến trong ML và Deep Learning (như TensorFlow, PyTorch, Keras, Numpy, Pandas)
- Kinh nghiệm áp dụng các kỹ thuật khoa học dữ liệu bằng Python hoặc R, Java, SQL
Tư duy & hành vi giao tiếp
- Kỹ năng tổ chức mẫu mực, tỉ mỉ và chính xác
- Sẵn sàng biết người biết ta để tận dụng chuyên môn của người khác và khiêm tốn
- Phát triển khả năng giỏi về con số; có khả năngphản biện về tính xác thực của dữ liệu và những thiên lệch vốn có của dữ liệu
- Thể hiện óc tò mò tìm hiểu và giải đáp các câu hỏi
- Nhấn mạnh khả năng triển khai agile với tư duy "thất bại nhanh, thành công sớm" và kết quả có thể đo lường được, 1- 2 năm kinh nghiệm làm việc trong môi trường agile
Quyền lợi
Python
R
Java
C++
Machine Learning
MS SQL
Docker
MS Azure
AWS
Microservices
Keras
Pandas
Kubernetes
Tensorflow
Deep Learning
GCP
MLOps
Rust
Apache Airflow
PyTorch
Numpy
Cập nhật gần nhất lúc: 2024-12-21 00:05:03
Được thành lập từ năm 1988 sau khi tách ra từ Ngân hàng Nhà nước Việt Nam.Tên giao dịch ban đầu là IncomBank. Năm 2008, IncomBank đổi tên thành Vietinbank. VietinBank hiện có 1 Sở giao dịch, 150 Chi nhánh và trên 1000 Phòng giao dịch/ Quỹ tiết kiệm trải rộng trên toàn quốc.
Theo trang chủ của ngân hàng này:
- Có quan hệ đại lý với trên 900 ngân hàng, định chế tài chính tại hơn 90 quốc gia và vùng lãnh thổ trên toàn thế giới.
- Là ngân hàng đầu tiên của Việt Nam được cấp chứng chỉ ISO 9001:2000.
- Là thành viên của Hiệp hội Ngân hàng Việt Nam, Hiệp hội ngân hàng châu Á, Hiệp hội Tài chính viễn thông Liên ngân hàng toàn cầu (SWIFT), Tổ chức Phát hành và Thanh toán thẻ VISA, MASTERCARD quốc tế.
- Là ngân hàng đầu tiên tại Việt Nam mở chi nhánh tại châu Âu, đánh dấu bước phát triển vượt bậc của nền tài chính Việt Nam trên thị trường khu vực và thế giới.
Chính sách bảo hiểm
- Được hưởng BHXH.BHYT… theo quy định
Các hoạt động ngoại khóa
- Du lịch
- Nghỉ dưỡng
- Team building hằng năm
- Câu lạc bộ thể thao
- Workshop
- Event
Lịch sử thành lập
- Ngày 26/03/1988, Thành lập các Ngân hàng Chuyên doanh, (theo Nghị định số 53/HĐBT của Hội đồng Bộ trưởng)
- Ngày 14/11/1990, Chuyển Ngân hàng chuyên doanh Công thương Việt Nam thành Ngân hàng Công thương Việt Nam, (theo Quyết định số 402/CT của Hội đồng Bộ trưởng).
- Ngày 27/03/1993, Thành lập Doanh nghiệp Nhà nước có tên Ngân hàng Công thương Việt Nam, (theo Quyết định số 67/QĐ-NH5 của Thống đốc NHNN Việt Nam).
- Ngày 21/09/1996, Thành lập lại Ngân hàng Công thương Việt Nam, (theo Quyết định số 285/QĐ-NH5 của Thống đốc NHNN Việt Nam).
- Ngày 15/04/2008, Đổi tên thành Vietinbank, thay thế tên cũ IncomBank.
- Ngày 23/09/2008, Thủ tướng Chính phủ phê duyệt phương án cổ phần hóa Ngân hàng Công thương Việt Nam, (theo Quyết định số 1354/QĐ-TTg).
- Ngày 25/12/2008, Tổ chức thành công đợt IPO trong nước.
- Ngày 04/06/2009, Nghị quyết của Đại hội Cổ đông lần thứ nhất Ngân hàng TMCP Công thương Việt Nam.
- Ngày 03/07/2009, Quyết định cấp giấy phép thành lập và hoạt động cho Ngân hàng TMCP Công thương Việt Nam, (theo Quyết định số 142/GP-NHNN của Thống đốc Ngân hàng Nhà nước Việt Nam).
- Ngày 03/07/2009, Thống đốc NHNN chuẩn y Điều lệ tổ chức và hoạt động Ngân hàng TMCP Công thương Việt Nam, (theo Quyết định số 1573/GP-NHNN)
- Ngày 03/05/2017, Vietinbank chính thức công bố bộ nhận diện thương hiệu mới
- Năm 2018,Tăng cường hợp tác khu vực và hội nhập quốc tế, giá trị thương hiệu VietinBank tăng trưởng liên tục giai đoạn 2015-2018, trở thành ngân hàng thương mại hàng đầu tại Việt Nam.
- VietinBank Securities đưa vào vận hành hệ thống quản lý và giao dịch chứng khoán (UNICORE) và ứng dụng giao dịch chứng khoán qua thiết bị di động UniMobi.
Mission
Là ngân hàng tiên phong trong phát triển đất nước trên cơ sở mang lại giá trị tối ưu cho khách hàng, cổ đông, người lao động, đối tác và cộng đồng.
Review Ngân hàng TMCP Công Thương Việt Nam Vietinbank
Môi trường làm việc(GL)
Lãi suất trung bình VietinBank(GL)
TỐT(GL)
Mọi người cũng đã tìm kiếm
Công việc của Data Scientistt là gì?
Data scientist làm việc như một nhà phân tích, họ sử dụng khả năng và kỹ thuật của mình để phân tích và xử lý dữ liệu. Từ đó, đưa ra những cái nhìn sâu sắc, hiệu quả và khôn ngoan giúp công ty có được những quyết định đúng đắn. Nghiên cứu và phân tích những dữ liệu đã được cấu trúc lại để ra những thông tin giả thuyết và những mô hình hiệu quả. Bên cạnh đó, những vị trí như Data Engineer, Data Analyst cũng thường đảm nhận các công việc tương tự.
Mô tả công việc của vị trí Data Scientist
Trình bày kết quả và báo cáo
Data Science cần có khả năng trình bày kết quả và báo cáo các phân tích và mô hình hóa một cách rõ ràng và logic. Công việc này bao gồm việc viết báo cáo kỹ thuật, thuyết trình kết quả cho các đồng nghiệp và quản lý, đồng thời có thể phải giải thích các phương pháp và quyết định đã được thực hiện. Kỹ năng viết lách và trình bày là rất quan trọng để intern có thể truyền đạt thông tin một cách hiệu quả và dễ hiểu.
Phát triển các mô hình và thuật toán dữ liệu
Để áp dụng cho các tập dữ liệu, sử dụng mô hình dự đoán để tăng và tối ưu hóa trải nghiệm của khách hàng, tạo doanh thu, nhắm mục tiêu quảng cáo và các kết quả kinh doanh khác, phát triển khung thử nghiệm A/B của công ty và chất lượng mô hình thử nghiệm, phối hợp với các nhóm chức năng khác nhau để thực hiện các mô hình và giám sát kết quả.
Lọc và xử lý dữ liệu cấu trúc và phi cấu trúc
Những dữ liệu phi cấu trúc là những dữ liệu thô, những dữ liệu bị lỗi mà máy tính không đọc được. Data scientist phải xử lý, làm sạch và tổ chức lại những dữ liệu đó để xây dựng nên một bộ dữ liệu có cấu trúc và có ý nghĩa.
Dự đoán xu hướng
Sử dụng thuật toán Machine learning để dự đoán những xu hướng, cơ hội cũng như dự đoán các sự kiện có thể xảy ra hoặc đưa ra được những vấn đề mà công ty đang gặp phải. Họ còn sử nhiều công cụ khác như SQL, Weka, Python,... để triển khai và thực tiễn hóa từ đó nhận ra những mẫu dư thừa trong dữ liệu.
Data Scientistt có mức lương bao nhiêu?
Lương cơ bản
Lương bổ sung
130 - 169 triệu
/nămLộ trình sự nghiệp Data Scientistt
Tìm hiểu cách trở thành Data Scientistt, bạn cần có những kỹ năng và trình độ học vấn nào để thành công cũng như đạt được mức lương mong đợi ở mỗi bước trên con đường sự nghiệp của bạn.
Số năm kinh nghiệm
Điều kiện và Lộ trình trở thành một Data Scientistt?
Yêu cầu tuyển dụng của Data Scientist
Để thực hiện tốt các nhiệm vụ được giao, Data Scientist cần sở hữu những kiến thức, chuyên môn vững vàng và thành thạo những kỹ năng mềm liên quan:
Yêu cầu bằng cấp và kiến thức chuyên môn
-
Bằng cấp và chuyên ngành: Data Scientist thường yêu cầu ứng viên có bằng cử nhân hoặc sắp tốt nghiệp trong các ngành liên quan như Khoa học Máy tính, Khoa học Dữ liệu, Thống kê, Toán học hoặc các ngành có liên quan. Bằng cấp này không chỉ cung cấp cho ứng viên kiến thức nền tảng mà còn cho phép họ áp dụng các kiến thức này vào thực tiễn trong các dự án và nghiên cứu khoa học dữ liệu.
-
Kiến thức quản trị cơ sở dữ liệu: Nắm vững một hoặc nhiều hệ quản trị cơ sở dữ liệu (DBMS) phổ biến như MySQL, PostgreSQL, SQL Server, Oracle, MongoDB, hoặc SQLite. Nắm vững ít nhất một ngôn ngữ lập trình phù hợp cho công việc Data Science, chẳng hạn như Python hoặc Java, để tạo ứng dụng kết hợp với cơ sở dữ liệu.
-
Kiến thức công nghệ: Ứng viên cần có kiến thức vững và áp dụng được các ngôn ngữ lập trình (C/C++, Java/Javascript,...), các kiến thức nền tảng về phần mềm, hệ điều hành, cơ sở dữ liệu (database) cơ bản để trở thành nhân viên IT chuyên nghiệp.
Yêu cầu về kỹ năng
-
Có khả năng định lượng dữ liệu: Kết quả làm việc của data scientist chính là đưa ra giả thuyết, dự đoán và khám phá được xu hướng có thể xảy. Vì vậy, việc bạn có kỹ năng định lượng dữ liệu là một kỹ năng tốt giúp bạn nâng cao tay nghề.
-
Kỹ năng phân tích và đánh giá: Mỗi ngôn ngữ lập trình khác nhau sẽ đảm nhiệm từng phần khác nhau khi phát triển một ứng dụng hay phần mềm. Điều này đòi hỏi các Data Science phải có kỹ năng phân tích để nhận biết đâu là ngôn ngữ phù hợp nhất
-
Kỹ năng về phương pháp thống kê: Đây chính là một trong những kỹ năng đòi hỏi một data scientist cần phải có. Việc biết sử dụng các phương pháp thống kê giúp bạn giải quyết công việc tốt hơn và vững chãi để phát triển hơn. Các môn học như xác suất thống kê, thống kê mô tả,... sẽ cung cấp cho bạn những kiến thức về kỹ năng này.
Yêu cầu khác
-
Kinh nghiệm
Data Science cần có kiến thức và kinh nghiệm về các kỹ thuật thống kê và khai thác dữ liệu: GLM/Regression, Random Forest, Boosting, Trees, text mining, phân tích mạng xã hội, v.v. Phải có tối thiểu 1 năm kinh nghiệm, thành thạo SQL, Python, C++,... để thực hiện các công việc như nhập liệu, xử lý dữ liệu, xuất và chia sẻ dữ liệu,... Những ngôn ngữ lập trình này tuy khô khan nhưng đó chính là công cụ hỗ trợ đắc lực cho một data scientist.
Lộ trình thăng tiến của Data Scientist
Lộ trình thăng tiến của Data Science có thể khá đa dạng và phụ thuộc vào tổ chức và ngành nghề cụ thể. Dưới đây là một lộ trình thăng tiến phổ biến cho vị trí này.
1. Intern Data Scientist
Mức lương: 4 - 8 triệu/ tháng
Kinh nghiệm làm việc: Dưới 1 năm
Intern Data Science là một vị trí thực tập trong lĩnh vực phát triển ứng dụng di động sử dụng framework React Native. Người nắm giữ vị trí này là những người mới bắt đầu hoặc đang trong giai đoạn thực tập để học hỏi và phát triển kỹ năng cần thiết để trở thành một Data Science chuyên nghiệp.
>> Đánh giá: Trong thời đại công nghệ 4.0, dữ liệu trở thành một nguồn tài nguyên vô cùng quý giá. Các tổ chức cần có những người có khả năng thu thập, phân tích dữ liệu để đưa ra những quyết định mang tính khách quan. Đó là lý do vị trí Data science ngày càng được quan tâm. Đây là một tín hiệu tích cực cho các bạn sinh viên, người mới ra trường muốn theo đuổi sự nghiệp Data science.
>> Xem thêm: Việc làm Thực tập sinh Data Science cho người mới
2. Data scientist
Mức lương: 14 - 33 triệu/ tháng
Kinh nghiệm làm việc: 1 - 4 năm
Data science làm việc như một nhà phân tích, họ sử dụng khả năng và kỹ thuật của mình để phân tích và xử lý dữ liệu. Từ đó, đưa ra những cái nhìn sâu sắc, hiệu quả và khôn ngoan giúp công ty có được những quyết định đúng đắn. Nghiên cứu và phân tích những dữ liệu đã được cấu trúc lại để ra những thông tin giả thuyết và những mô hình hiệu quả.
>> Đánh giá: Data Science được đánh giá là ngành có mức lương hấp dẫn hàng đầu trên thế giới, nhu cầu tuyển dụng cho vị trí trong ngành cũng rất cao. Những người giỏi thường được các công ty săn đón với mức lương cao ngất ngưởng cùng nhiều quyền lợi đi kèm.
>> Xem thêm: Việc làm Data Science dang tuyển dụng
5 bước giúp Data Scientist thăng tiến nhanh trong trong công việc
Nâng cao kỹ năng và kiến thức
Khoa học Dữ liệu là một lĩnh vực phát triển nhanh chóng, do đó bạn cần thường xuyên cập nhật kiến thức mới nhất về các kỹ thuật, công cụ và phần mềm Khoa học Dữ liệu. Bạn có thể tham gia các khóa học online, hội thảo, workshop, hoặc đọc sách, báo, tài liệu chuyên ngành để cập nhật kiến thức, tập trung phát triển các kỹ năng chuyên môn trong lĩnh vực Data Science mà bạn quan tâm, chẳng hạn như học máy, trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên, Big Data,..
Tích lũy kinh nghiệm
Hãy tích cực tìm kiếm cơ hội làm việc trong lĩnh vực Data Science. Bạn có thể tham khảo các trang web tuyển dụng uy tín như VietnamWorks, TopCV, Glints,..Hoặc bạn có thể liên hệ trực tiếp với các công ty quan tâm để ứng tuyển, tham gia các dự án thực tế là cách tốt nhất để bạn tích lũy kinh nghiệm và áp dụng kiến thức vào thực tế.
Có khả năng thu thập, xử lý và phân tích lượng dữ liệu khổng lồ
Khi làm việc với một lượng lớn dữ liệu từ nhiều nguồn khác nhau, đòi hỏi data scientist phải có khả năng thu thập và xử lý chúng để máy tính có thể đọc được. Do vậy, đây chính là tố chất quan trọng để giúp bạn có thể làm việc hiệu quả hơn.
Tư duy như một Data Scientist thực thụ
Khả năng tư duy là yếu tố phân biệt một người giỏi hay bình thường. Đối với một Data Scientist, bạn cần rèn luyện não mỗi ngày bằng cách luôn tò mò về nhiều vấn đề và tự tìm cho mình lời giải đáp từ nhiều góc độ khác nhau. Ngoài ra bạn cũng nên có tính tiểu tiết, ghi chép lại đầy đủ các phát hiện của mình và phải có óc sáng tạo để đưa ra giải pháp mới mẻ, hiệu quả.
Kỹ năng trình bày tốt
30% công việc của một Data Science là phải trao đổi với ban lãnh đạo, các phòng ban liên quan như Marketing, Phát triển sản phẩm,... để hiểu được vấn đề chung. Ngoài ra ở bước cuối cùng của chuỗi công việc, bạn sẽ phải trình bày các kết quả với ban lãnh đạo sao cho trực quan và dễ hiểu nhất. Chính vì thế, kỹ năng thuyết trình tốt là một điểm vô cùng quan trọng và cần được trau dồi thường xuyên.
Đọc thêm: