Data Science - Machine Learning Engineer - TNEX Finance - 3S009

1. Xây dựng và triển khai mô hình ML:

• Phối hợp với Data Scientist để tiếp nhận và tối ưu hóa các mô hình từ giai đoạn nghiên cứu sang môi trường sản xuất.
• Đóng gói (package) và triển khai mô hình lên môi trường sản xuất (on-premise hoặc cloud) sử dụng các công cụ như Docker, Kubernetes, hoặc các dịch vụ cloud (AWS, GCP, Azure).

2. Thiết lập và quản lý pipeline dữ liệu, mô hình ML:

• Thiết kế và duy trì các pipeline ETL/ELT để xử lý và chuẩn bị dữ liệu cho các mô hình machine learning.
• Sử dụng các công cụ như Apache Airflow, Apache Kafka để quản lý và tự động hóa quy trình dữ liệu.
• Thiết kế, triển khai và sử dụng các loại công cụ open source (Kubeflow, FEAST, MLflow, etc.) hoặc các services của cloud như Databricks, AWS Sagemaker, etc.

3. Quản lý và giám sát mô hình trong sản xuất:

• Thiết lập hệ thống giám sát hiệu suất và độ chính xác của các mô hình, phát hiện drift trong dữ liệu hoặc mô hình.
• Tích hợp các công cụ giám sát như Prometheus, Grafana, và thiết lập các quy trình cảnh báo khi có lỗi hoặc giảm hiệu suất.

4. Tối ưu hóa hiệu năng và khả năng mở rộng của mô hình:

• Tối ưu hóa các mô hình để giảm thiểu độ trễ, cải thiện tốc độ xử lý và tối ưu chi phí tài nguyên.
• Nghiên cứu và triển khai các kỹ thuật tối ưu như quantization, pruning, hoặc distributed serving để phục vụ mô hình với quy mô lớn.

5. Thiết lập và quản lý pipeline tái đào tạo (retraining):

• Xây dựng các quy trình tự động cho việc tái đào tạo và cập nhật mô hình dựa trên dữ liệu mới, đảm bảo mô hình luôn được cập nhật và cải thiện.

• Kiến thức cơ bản về Machine Learning, Deep Learning và các thuật toán phổ biến như XGBoost, Random Forest, CNN, RNN.
• Kinh nghiệm triển khai và tối ưu mô hình: Có từ 4 năm kinh nghiệm trong việc triển khai các mô hình ML vào môi trường sản xuất.
• Thành thạo các ngôn ngữ lập trình: Python là bắt buộc; ưu tiên thêm nếu có kinh nghiệm với Java, Scala.
• Kiến thức về hệ thống và container: Có kinh nghiệm với Docker, Kubernetes hoặc các dịch vụ cloud như AWS SageMaker, Google AI Platform.
• Kinh nghiệm quản lý pipeline dữ liệu: Thành thạo với các công cụ như Apache Airflow, Kafka, hoặc các giải pháp ETL khác.
• Quản lý phiên bản và CI/CD: Có kinh nghiệm với Git, Jenkins, hoặc các công cụ CI/CD cho pipeline ML.
• Kỹ năng phân tích và xử lý dữ liệu lớn: Kinh nghiệm với các hệ thống xử lý dữ liệu lớn như Apache Spark là một lợi thế.

Các kỹ năng và phẩm chất bổ sung:

• Có khả năng làm việc trong môi trường năng động, giải quyết vấn đề nhanh chóng với tính ownership cao và quản lý thời gian hiệu quả.
• Kỹ năng giao tiếp và phối hợp với Data Scientist, DevOps, và các bộ phận khác.
• Có tư duy phân tích tốt, luôn tìm cách cải tiến và tối ưu hóa hiệu suất.

Quyền lợi:

• Đào tạo và phát triển: Cơ hội tham gia các khóa học và chứng chỉ trong lĩnh vực Machine Learning và Data Engineering.
• Môi trường làm việc sáng tạo và thân thiện: Làm việc cùng đội ngũ chuyên nghiệp, có cơ hội đóng góp vào các dự án lớn và ứng dụng công nghệ tiên tiến.
• Lương và phúc lợi hấp dẫn

o Gói thu nhập: Lương thỏa thuận x 13-17 tháng/năm.

o Bảo hiểm chăm sóc sức khỏe cao cấp (Bảo Minh)

o Làm việc từ thứ 2 – thứ 6. Ca làm việc linh hoạt (từ 8h00/8h30/9h00 AM đến 18h00/18h30/19h00 PM); giờ nghỉ trưa 12h00 PM – 13h00 PM

o Điều chỉnh lương: Định kỳ 1 năm/1 lần (Căn cứ quy định cụ thể)

o Môi trường làm việc agile, năng động, thúc đẩy sáng tạo và tự ra quyết định

o Đội ngũ nhân sự trẻ, năng động, khuyến khích tinh thần sáng tạo, dám nghĩ, dám làm

o Các quyền lợi về bảo hiểm xã hội, bảo hiểm y tế và các quyền lợi khác theo chính sách nhân sự TNEX Finance