Ngân hàng TMCP Công Thương Việt Nam Vietinbank 3.8 ★

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.

- 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

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