Data Engineer/ Data Scientist

1. DE • Phát triển và duy trì các đường dẫn dữ liệu đáng tin cậy và có thể mở rộng để nhập dữ liệu từ nhiều nguồn dữ liệu khác nhau vào Data Lake, đảm bảo định dạng dữ liệu phù hợp và tuân thủ các tiêu chuẩn chất lượng dữ liệu, đảm bảo người dùng tiếp theo có thể lấy dữ liệu nhanh chóng • Phát triển và duy trì nền tảng Dữ liệu lớn có khả năng mở rộng cao, cho phép thu thập, lưu trữ, lập mô hình và phân tích các tập dữ liệu khổng lồ từ nhiều kênh. Xác định và duy trì đường dẫn dữ liệu, cấu trúc dữ liệu, định dạng dữ liệu để hỗ trợ giải pháp kinh doanh • Nghiên cứu, xây dựng, tối ưu các Job ETL có khả năng mở rộng linh hoạt với độ tin cậy cao, phục vụ cho việc khai thác/ingest, tổng hợp các loại dữ liệu từ nhiều nguồn khác nhau; • Quy hoạch, thiết kế các công cụ nền tảng, công cụ giám sát, cảnh báo KPI chất lượng số liệu… để tự động giám sát hiện trạng của hệ thống, chất lượng dữ liệu giúp đưa ra các cảnh báo kịp cho team • Nghiên cứu và quy hoạch các công cụ khai thác, phân tích số liệu (Big Data OLAP, Notebook …) • Phối hợp với nghiệp vụ phân tích vấn đề kinh doanh, phân tích khám phá (EDA), mô hình hóa dữ liệu để tìm ra xu hướng kinh doanh, hình mẫu, bản chất của hiện tượng, hành vi người dùng,…và đưa ra các nhận định trong việc ứng dụng khai thác dữ liệu vào hoạt động kinh doanh tạo ra giá trị. Tư vấn cho nghiệp vụ, đội ngũ BA/DA về hướng triển khai ứng dụng học máy, học sâu vào hoạt động kinh doanh. • Xây dựng luồng ETL tổng hợp dữ liệu, tiền xử lý, trích xuất đặc trưng với định dạng phù hợp với mục đích xây dựng từng loại mô hình. 2. DS Thu thập, phân tích và trình bày insight từ dữ liệu lớn Thực hiện tiền xử lý dữ liệu liên quan đến việc chuyển đổi dữ liệu cũng như làm sạch dữ liệu. Sử dụng các công cụ học máy khác nhau để dự báo và phân loại các mẫu trong dữ liệu. Tăng hiệu suất và độ chính xác của các thuật toán học máy thông qua tinh chỉnh (fine-tuning) và tối ưu hóa hiệu suất hơn nữa. Hiểu các yêu cầu của công ty và hình thành các câu hỏi cần được giải quyết. Sử dụng các công cụ kể chuyện mạnh mẽ để truyền đạt kết quả với các thành viên trong nhóm/p

p• Tốt nghiệp ĐH loại Khá trở lên chuyên ngành: Khoa học dữ liệu, Khoa học máy tính, CNTT, Toán học ứng dụng, hoặc chuyên ngành khác liên quan; • Thành thạo các ngôn ngữ truy vấn CSDL như SQL và NoSQL . • Kiến thức về xây dựng, tối ưu luồng xử lý dữ liệu (batch processing, stream procesing,) • Kỹ năng sử dụng ngôn ngữ lập trình (Java, Python, Scala, …); • Có chứng chỉ quốc tế về Data Enginner (AWS, CCA, CCP, IBM Certified Data Engineer, Google Professional Data Engineer …) là một lợi thế Hoặc có các kiến thức sau • Kiến thức về xác suất thống kê, đại số tuyến tính, lập trình, cấu trúc dữ liệu & giải thuật, lý thuyết đồ thị, cơ sở dữ liệu; • Kiến thức về mô hình học máy decision trees, linear regression, ensemble (random forest, boosting tree), k-means, SVM, PCA…; • Kiến thức về phân tích khám phá dữ liệu (Exploratory Data Analysis - EDA); • Kỹ năng sử dụng thành thạo một trong các package học máy (scikit-learn, TensorFlow, Keras, PyTorch, Pyspark MLlib, …); • Kỹ năng sử dụng ngôn ngữ lập trình (Python, Java, Scala, R, …), SQL, các thư viện Pandas, Numpy • Kỹ năng sử dụng các công cụ trực quan hóa dữ liệu, đánh giá mô hình. • Có khả năng trình bày và thuyết trình. • Có kiến thức về học sâu, mạng neural nhân tạo, các kiểu mạng MLP, CNN, LSTM, RNN là một lợi thế • Có kiến thức về xử lý dữ liệu phân tán, xử lý dữ liệu lớn (Hadoop, Spark, …) là một lợi thế;/p