Senior AI Engineer

Mục đích vị trí công việc

• Là hạt nhân kỹ thuật trong việc thiết kế, phát triển, vận hành và tối ưu hệ thống Agentic AI – từ POC đến Production với các mục tiêu:

- Thiết lập pipeline AI Agent: Data ingestion → model training → CI/CD → monitoring, đảm bảo hiệu quả vận hành (thời gian phản hồi, độ chính xác, availability).

- Tối ưu liên tục thuật toán và kiến trúc: giảm thiểu sự can thiệp thủ công, nâng cao tính ổn định và khả năng mở rộng của giải pháp.

• Hỗ trợ kỹ thuật và chuyển giao công nghệ cho nhóm vận hành, đảm bảo ứng dụng dụng hiệu quả vào quy trình kinh doanh thực tế.

Trách nhiệm chính

Thiết kế kiến trúc agent

• Đánh giá use – case, đề xuất Poc, định nghĩa module (decomposition, memory, planning, execution, feedback loop).

• Lựa chọn framework và công cụ (LangChain, ReAct, multi-agent orchestration) phù hợp.

Quản lý vòng đời giải pháp

• Xây dựng, vận hành pipeline MLOps/LLMOps tự động: data ingestion → feature store → training → containerization → deployment → monitoring → re‑training.

• Hướng dẫn team DevOps/Full‑stack tích hợp và vận hành model trong môi trường production, đảm bảo agent hoạt động ổn định.

Tối ưu hóa & mở rộng

• Giám sát hiệu suất agent trong thực tế, phân tích logs và metrics để liên tục tối ưu hóa thuật toán và hệ thống.

• Phối hợp với team Platform/Infra thiết kế và duy trì thư viện thành phần chung (templates, connectors, wrappers) nhằm đẩy nhanh việc phát triển, triển khai và tái sử dụng các agent mới.

Phát triển năng lực đội ngũ

• Tham gia tổ chức buổi workshop, đào tạo nội bộ về kiến trúc agent, MLOps và multi-agent coordination.

• Tốt nghiệp Đại học trở lên. Chuyên ngành Công nghệ thông tin, Khoa học máy tính, Toán hoặc lĩnh vực có liên quan.

• Nền tảng và kinh nghiệm thực hành Machine Learning, Deep Learning.

• Triển khai và vận hành model lên ít nhất 1 nền tảng cloud: AWS/GCP/Azure ML.

• Ưu tiên có kinh nghiệm với LLMOps/MLOps, tham gia POC Agentic AI.

• Thành thạo Python, ML Fundamentals.

• Hiểu khái niệm cơ bản ML: supervised/ unsupervised learning, regression, classification, clustering.

• Nắm nguyên lý LLM (Transformer, attention).

• Kỹ năng xây prompt tối ưu, đánh giá chất lượng đầu ra.

• Tư duy & kỹ năng phân tích.

• Kỹ năng giải quyết vấn đề.

• Kỹ năng làm việc độc lập.

• Kinh nghiệm làm việc theo quy trình Agile/scrum.

• Khả năng học hỏi nhanh.

• Sẵn sàng nghiên cứu, thử nghiệm giải pháp mới.

• Fine – tuning LLM (Nice to have)