Phúc lợi

Mô tả Công việc

1.1. Phân tích yêu cầu nghiệp vụ

Làm rõ, diễn giải chính xác và tư vấn các yêu cầu nghiệp vụ của đối tác trong các dự án
Định hướng, tư vấn giải pháp phân tích dữ liệu theo các yêu cầu đối với mảng kinh doanh và vận hành của công ty
Xác định/hỗ trợ xác định các giải pháp phân tích dữ liệu nâng cao hoặc báo cáo BI đáp ứng yêu cầu nghiệp vụ

1.2. Chuẩn bị dữ liệu và xây dựng mô hình

Xác định mục tiêu và các giả thiết để nghiên cứu dữ liệu và các mô hình máy học
Phân tích và nhận diện các sai lệch về dữ liệu và đưa ra đề xuất xử lý theo các thông số an toàn và định hướng triển khai
Thu thập dữ liệu và xây dựng các biến cho các mô hình Máy học (Machine Learning)
Nghiên cứu, phát triển các mô hình và thuật toán, áp dụng các khuôn khổ về Máy học (Machine Learning) và Học sâu (Deep Learning) có liên quan giúp giải quyết các vấn đề kinh doanh như: phân khúc khách hàng, đề xuất sản phẩm, v.v...
Phụ trách phần Máy học (ML) và Học sâu (DL) của các dự án quản trị và thu thập dữ liệu giúp tự động hóa quy trình nhập dữ liệu từ hình ảnh để giảm thời gian thao tác cho các chuyên viên kinh doanh
Sử dụng các công cụ nâng cao (Python, R, các thuật toán phân tích dữ liệu...) để phân tích và nhận diện xu hướng, pattern và những mối quan hệ của dữ liệu để hỗ trợ việc đưa ra quyết định kinh doanh hoặc vận hành

1.3. Triển khai và đánh giá mô hình

Triển khai kiểm thử mô hình cuối theo thời gian thực hoặc theo từng giỏ (batch) trước khi chính thức phát hành
Xây dựng công cụ giám sát và theo dõi tự động hiệu suất của mô hình
Rà soát các tài liệu về giải thuật và giả định cho các mô hình được sử dụng
Xây dựng luồng và hỗ trợ người dùng sử dụng các sản phẩm về khoa học dữ liệu

1.4. Đưa ra các giải pháp Khoa học dữ liệu

Tốt nghiệp các trường Đại học/Cao đẳng về chuyên ngành CNTT; có bằng cấp/chứng chỉ liên quan đến Khoa học dữ liệu, Khoa học máy tính là một lợi thế
Kinh nghiệm: Tối thiểu từ 05 năm kinh nghiệm làm về mảng Khoa học dữ liệu (Data Scientist)
Sử dụng thành thạo đối với các ngôn ngữ khoa học dữ liệu như Python, R hoặc Julia cũng như kiểm soát phiên bản CI như GitHub hoặc GitLab...
Sử dụng thành thạo các framework của máy học (ML) như scikit-learn, xgboost/lightgbm/catboost và có kinh nghiệm với một trong các framework của học sâu (DL) như: PyTorch, fastai, Tensorflow/Keras, MXNet
Có kinh nghiệm sâu sắc trong việc xây dựng đường dẫn dữ liệu, mô hình đào tạo và suy luận trên môi trường bị ô nhiễm như Docker hoặc tích hợp các mô hình máy học (ML) với API để dự đoán theo thời gian thực
Có kinh nghiệm với hệ sinh thái Cloud AWS như S3, RedShift, Lambda, EC2 là một lợi thế