Ky Su Du Lieu Data Engineer

Vận hành, phát triển và tối ưu hạ tầng phân tích dữ liệu và môi trường phân tích.
Thiết kế mô hình dữ liệu theo tiêu chuẩn và xây dựng data pipeline đảm bảo tính sẵn sàng, nhất quán và hiệu suất của hệ thống dữ liệu:
Khám phá và tích hợp dữ liệu từ nhiều nguồn trong và ngoài hệ thống ngân hàng.
Làm sạch, xử lý, và phục vụ dữ liệu sẵn sàng cho công tác phân tích, báo cáo và mô hình hóa.
Phân phối kết quả phân tích và mô hình, giám sát, cảnh báo chất lượng sau triển khai.
Nghiên cứu, đánh giá và đề xuất áp dụng các công nghệ, công cụ mới trong lĩnh vực kỹ thuật dữ liệu nhằm nâng cao hiệu suất làm việc của đội ngũ kỹ thuật và phân tích.
Phối hợp chặt chẽ với Data Scientists và Data Analysts để xây dựng các kiến trúc và giải pháp dữ liệu tối ưu, hỗ trợ nhu cầu phân tích, báo cáo và phát triển và triển khai các mô hình AI/ML.
Tích cực tìm hiểu và áp dụng các tiêu chuẩn, thông lệ về dữ liệu, kĩ thuật AI/ML để nâng cao kỹ năng và kiến thức.

1. Độ tuổi: 22-35.
2. VỀ TRÌNH ĐỘ CHUYÊN MÔN:
Tốt nghiệp hệ chính quy tại các trường Đại học:
Chuyên ngành: Khoa học máy tính, Thống kê, Toán học, Phân tích định lượng, Kỹ thuật phần mềm, Công nghệ thông tin, các ngành Kỹ thuật số khác.
Hoặc có chứng chỉ nghề nghiệp trong lĩnh vực Công nghệ, Dữ liệu được cấp bởi các tổ chức đào tạo có uy tín về CNTT.
3. YÊU CẦU VỀ KHẢ NĂNG NGOẠI NGỮ:
Tiếng Anh, tối thiểu TOEIC 600 (hoặc tương đương).
4. YÊU CẦU VỀ KINH NGHIỆM LÀM VIỆC:
Kinh nghiệm làm việc tối thiểu: 2 năm trong lĩnh vực Khoa học dữ liệu, Khoa học máy tính, Kỹ thuật phần mềm, Công nghệ thông tin, các ngành Kỹ thuật số khác;
Có kinh nghiệm về xây dựng và vận hành các hạ tầng công nghệ dữ liệu lớn (như Hadoop/S3, Spark, Kafka);
Có kinh nghiệm làm việc với các loại Database SQL: Oracle, Netezza, Clickhouse và NoSQL: MongoDB;
Thành thạo ít nhất một công cụ ETL (Nifi, Airflow,…), SQL và ít nhất một ngôn ngữ lập trình (ví dụ: Java, Scala, Python);
Có kinh nghiệm trong việc lưu trữ, xử lý dữ liệu lớn (tỉ dòng);
Có kiến thức về container hóa và microservice (như Docker, Kubernetes);
Có kinh nghiệm cơ bản về các khái niệm như khoa học dữ liệu, học máy, trí tuệ nhân tạo, thống kê và/hoặc toán ứng dụng.
Điểm cộng:
Hiểu biết về các định dạng dữ liệu mở Iceberg, Deltalake, Hudi;
Kiến thức về Data model (star/snowflake schema), thiết kế Data warehouse theo chuẩn Kimball;
Kiến thức về một số thuật toán và mô hình học máy phổ biến (Regression, Naive Bayes, Decision trees,…);
Hiểu biết về quy trình triển khai MLOps;
Kinh nghiệm làm việc trên các dịch vụ điện toán đám mây như AWS, GCP, Microsoft Azure…;
Kinh nghiệm làm việc với công cụ trực quan hoá dữ liệu: Tableau, Power BI…;
Ưu tiên có kinh nghiệm làm việc trong lĩnh vực tài chính - ngân hàng;
Cán bộ có kinh nghiệm làm việc thực tế (từ 01 năm trở lên) tại các Công ty công nghệ lớn như FPT, Viettel, Google, Amazon, IBM, Oracle… là lợi thế.