Tweet
Facebook
Copy Link
AI/ML Model Development and Deployment: Participate in the development, deployment, and optimization of AI/ML models, particularly in the areas of image processing, natural language processing (NLP), and neural networks. Work with and optimize architectures such as Sklearn, Stats, CNN, RNN, GraphNN, YOLO, Transformer, BERT, T5, and their variants.
Data Processing: Execute data preprocessing steps, including image and text processing, normalization, and extraction of key information from diverse datasets. Be flexible in data usage and optimization to ensure the highest efficiency in model performance.
Source Control and CI/CD: Utilize Git/GitLab for source control and implement CI/CD systems to automate testing and deployment processes for models.
Containerization: Employ Docker for containerizing applications and environments, facilitating consistent and straightforward model deployment.
MLOps: Engage in building and deploying large-scale MLOps systems, using frameworks like MLflow and ClearML to manage the model lifecycle from development to deployment.
Research and Development: Contribute to large-scale AI/ML research and development projects, proposing and testing innovative, optimized solutions for complex problems.
Model Deployment: Perform model quantization and conversion to formats such as ONNX Runtime, TFLite, TensorRT, etc.. to optimize performance across different deployment environments.
Service Development: Develop AI/ML services, with proficiency in at least one technology such as RabbitMQ, Apache Kafka, or SparkML for data processing and model deployment in production environments.
Teamwork and Independence: Demonstrate the ability to work independently as well as collaborate effectively with team members. Be adaptable and proactive in ensuring tasks are completed on time.
AI/ML Model Development and Deployment: Participate in the development, deployment, and optimization of AI/ML models, particularly in the areas of image processing, natural language processing (NLP), and neural networks. Work with and optimize architectures such as Sklearn, Stats, CNN, RNN, GraphNN, YOLO, Transformer, BERT, T5, and their variants.
Data Processing: Execute data preprocessing steps, including image and text processing, normalization, and extraction of key information from diverse datasets. Be flexible in data usage and optimization to ensure the highest efficiency in model performance.
Source Control and CI/CD: Utilize Git/GitLab for source control and implement CI/CD systems to automate testing and deployment processes for models.
Containerization: Employ Docker for containerizing applications and environments, facilitating consistent and straightforward model deployment.
MLOps: Engage in building and deploying large-scale MLOps systems, using frameworks like MLflow and ClearML to manage the model lifecycle from development to deployment.
Research and Development: Contribute to large-scale AI/ML research and development projects, proposing and testing innovative, optimized solutions for complex problems.
Model Deployment: Perform model quantization and conversion to formats such as ONNX Runtime, TFLite, TensorRT, etc.. to optimize performance across different deployment environments.
Service Development: Develop AI/ML services, with proficiency in at least one technology such as RabbitMQ, Apache Kafka, or SparkML for data processing and model deployment in production environments.
Teamwork and Independence: Demonstrate the ability to work independently as well as collaborate effectively with team members. Be adaptable and proactive in ensuring tasks are completed on time.Yêu Cầu Công Việc
Education: Bachelor's or Master's degree in Computer Science, Data Science, Machine Learning, or a related field.
Experience: A minimum of 2 years of experience in Machine Learning or AI. • Programming Skills: Proficiency in Python. Experience with R or C++ is a plus.
Technical Expertise: Experience in image processing, text processing, preprocessing techniques, and neural networks. Extensive knowledge of architectures like CNN, RNN, GraphNN, YOLO, Transformer, BERT, T5, and their variants. Experience in natural language processing, information extraction, and object detection.
Mathematical Foundation: A strong foundation in mathematics, particularly in areas like probability, statistics, linear algebra, and optimization. • Data Flexibility: Flexibility in data usage and optimization to maximize the effectiveness of AI/ML models.
Project Experience: Preference for candidates who have participated in large-scale projects involving image analysis, Natural language processing, Objects detection, Objects recognitions, OCR and the application of Large Language Models (LLMs), RAG.
Model Development: Ability to independently develop, innovate, or optimize models ranging from simple to complex.
Source Control and CI/CD: Experience with Git/GitLab and setting up CI/CD systems.
Containerization and MLOps: Experience with Docker and MLOps frameworks such as MLflow and ClearML to manage and deploy AI/ML models effectively.
Model Deployment: Experience with model quantization and conversion to ONNX Runtime, TFLite, TensorRT to optimize deployment.
Service Development: Experience with messaging and data processing systems like RabbitMQ, Apache Kafka, or SparkML.
Additional Preferences: Candidates with experience in building and deploying MLOps systems, Data Warehouses, Data Lakes, and those who have contributed to AI/ML research are highly preferred.
Academic Contributions: Preference will be given to candidates who have made significant contributions to AI/ML research, including scientific publications.
Supplementary Skills: Creative thinking, quick learning ability, and the capacity to apply new techniques in AI/ML. Strong communication skills and effectiveness in crossdisciplinary collaboration.Chế độ bảo hiểm
Du Lịch
Chế độ thưởng
Chăm sóc sức khỏe
Đào tạo
Tăng lương
Nghỉ phép năm
CLB thể thao
DIGI-TEXX là Công ty chuyên cung cấp các giải pháp về Công Nghệ Thông Tin & Gia công quy trình kinh doanh (BPO), có 100% vốn đầu tư của Đức với hơn 19 năm kinh nghiệm.Trong 19 năm qua, chúng tôi đã thành công trong việc định vị mình là nhà cung cấp dịch vụ đáng tin cậy cho nhiều ngành công nghiệp khác nhau. Trụ sở chính của DIGI-TEXX đặt tại Thành phố Hồ Chí Minh tại Công viên Phần mềm Quang Trung. Chúng tôi có một chi nhánh tại Thành phố Cần Thơ và một văn phòng đại diện tại Fukuoka (Nhật Bản). Chúng tôi trao quyền cho khách hàng của mình trên khắp Châu Âu, Châu Mỹ và Nhật Bản, Hàn Quốc và Việt Nam bằng cách sử dụng các công nghệ như AI, Deep Learning, Phân tích dữ liệu lớn và Thị giác máy tính trong các dịch vụ và giải pháp của chúng tôi. DIGI-TEXX có hơn 1300 nhân viên, hoạt động 24/7, hỗ trợ hơn 30 ngôn ngữ xử lý.
Chính sách bảo hiểm
- Được hưởng bảo hiểm sức khỏe.
- Được hưởng bảo hiểm xã hội.
- Các hoạt động ngoại khóa
- Bóng đá
- Du lịch
- Câu lạc bộ
- Team building
- Thể thao
- Party
Lịch sử thành lập
- 2015: Nhận giải thưởng Sao Khuê
- 2010: Đạt chứng nhận Hệ thống quảng lý thông tin theo tiêu chuẩn ISO/IEC 27001:2005
- 2003: Thành lập công ty
Mission
Cung cấp các dịch vụ đa dạng, với chất lượng tốt nhất cho các doanh nghiệp và tổ chức trên toàn cầu.
Công việc của DevOps Engineer là gì?
DevOps Engineer là một vị trí công việc trong lĩnh vực công nghệ thông tin (CNTT) và phát triển phần mềm. DevOps Engineer là người kết hợp các khía cạnh của việc phát triển phần mềm (Development) và quản lý hệ thống hoạt động (Operations) để tạo ra một quy trình phát triển phần mềm liên tục, linh hoạt và ổn định.
Mô tả công việc của DevOps Engineer
DevOps Engineer là một vị trí quan trọng trong lĩnh vực công nghệ thông tin, đặc biệt là trong quá trình phát triển phần mềm và quản lý hệ thống. Công việc của DevOps Engineer bao gồm các nhiệm vụ sau:
- Có kinh nghiệm với các điện toán đám mây (AWS, Azure, GCP) để triển khai các bản nâng cấp và sửa lỗi.
- Thực hiện các công cụ và khung tự động hóa (CI/CD pipelines).
- Thiết kế, phát triển và triển khai tích hợp phần mềm dựa trên phản hồi của người dùng.
- Khắc phục sự cố sản xuất và phối hợp với nhóm phát triển để hợp lý hóa việc triển khai mã.
- Phân tích Code và truyền đạt các đánh giá chi tiết cho team developer để đảm bảo sự cải thiện trong các ứng dụng và hoàn thành kịp thời các dự án.
- Phối hợp với các thành viên trong nhóm để cải thiện công cụ, hệ thống và quy trình kỹ thuật và bảo mật dữ liệu.
- Tối ưu hóa kiến trúc điện toán.
- Phát triển và duy trì tài liệu thiết kế và xử lý sự cố.
DevOps Engineer có mức lương bao nhiêu?
Lương cơ bản
Lương bổ sung
195 - 325 triệu
/nămLộ trình sự nghiệp DevOps Engineer
Tìm hiểu cách trở thành DevOps Engineer, 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 DevOps Engineer?
Yêu cầu tuyển dụng DevOps Engineer
Một số yêu cầu thông thường mà một công ty có thể đặt ra khi tuyển dụng một DevOps Engineer:
- Có kinh nghiệm làm việc như một DevOps Engineer hoặc các vị trí tương tự
- Có kinh nghiệm về Network, server và giám sát trạng thái ứng dụng
- DevOps Engineer cần biết sử dụng các công cụ và phần mềm để tự động hóa quy trình như Docker, Kubernetes, Ansible, Jenkins, Git, và nhiều công cụ khác.
- Hiểu biết về các ngôn ngữ lập trình như Python, Shell Scripting, hoặc Ruby có thể rất hữu ích để viết mã script và các công cụ tự động hóa.
- Có kiến thức về bảo mật mạng và hệ thống để đảm bảo rằng hệ thống không bị tấn công và dữ liệu được bảo mật.
- Kinh nghiệm làm việc với cơ sở dữ liệu và SQL
- Kỹ năng giải quyết vấn đề
- Có thể làm việc độc lập và là một phần của nhóm.
Lộ trình thăng tiến của DevOps Engineer
Mức lương trung bình của DevOps Engineer tại Việt Nam thường dao động trong khoảng từ 30 triệu đến 50 triệu VND/tháng. Tuy nhiên, mức lương này có thể thay đổi dựa trên nhiều yếu tố như quy mô công ty, vị trí và trách nhiệm công việc, kinh nghiệm và kỹ năng của cá nhân.
- Đối với data analyst mức lương sẽ từ 15-20 triệu/tháng.
- Ngành khác như backend developer sẽ ở mức 6-9 triệu/tháng.
Intern DevOps Engineer ( Dưới 2 năm kinh nghiệm)
Ở mức Intern DevOps Engineer này, bạn sẽ bắt đầu với vai trò thực tập trong lĩnh vực DevOps. Nhiệm vụ chính của bạn là học hỏi và áp dụng các kiến thức cơ bản về quản lý hệ thống, công cụ và quy trình quản lý mã nguồn.
Junior DevOps Engineer ( Từ 1 - 2 năm kinh nghiệm)
Sau khi hoàn thành giai đoạn thực tập, bạn có thể tiến lên mức Junior DevOps Engineer. Ở mức này, bạn sẽ tham gia vào các dự án thực tế hơn, thường là dưới sự hướng dẫn của các nhà phát triển DevOps có kinh nghiệm. Bạn sẽ được giao các nhiệm vụ cụ thể để xây dựng và duy trì hệ thống, thường là dưới sự giám sát của người có kinh nghiệm hơn.
DevOps Engineer ( Từ 2 - 4 năm kinh nghiệm)
Sau khi tích luỹ đủ kinh nghiệm, DevOps Engineer có thể thăng tiến lên cấp độ nhân viên. Ở đây, họ bắt đầu tham gia vào việc tối ưu hóa quy trình CI/CD và tự động hóa các tác vụ. Họ cũng có thể phải quản lý triển khai ứng dụng và cơ sở dữ liệu phức tạp hơn.
Senior DevOps Engineer ( Từ 5 - 7 năm kinh nghiệm)
Senior DevOps Engineer là một vị trí cao cấp trong lĩnh vực này. Ở đây, DevOps Engineer đã có ít nhất 5-7 năm kinh nghiệm và thường đảm nhận trách nhiệm thiết kế, triển khai, và quản lý quy trình CI/CD phức tạp. Họ điều hành hệ thống sản xuất và đảm bảo tính ổn định và bảo mật.
Lead DevOps Engineer/ DevOps Architect ( Từ 8 - 10 năm kinh nghiệm)
Vị trí cao cấp nhất cho một DevOps Engineer là Lead DevOps Engineer hoặc DevOps Architect. Tại đây, họ có trách nhiệm lãnh đạo toàn bộ chiến lược và kiến trúc DevOps của tổ chức. Họ xây dựng quy tắc và tiêu chuẩn DevOps và thường điều hành và hỗ trợ các dự án quan trọng.