Data Scientist - Hà Nội - TA105

MÔ TẢ CÔNG VIỆC

1. Tham gia và phối hợp triển khai các giải pháp khoa học dữ liệu và trí tuệ nhân tạo cho các đơn vị trong ngân hàng

- Đề xuất và tham gia triển khai các giải pháp khoa học dữ liệu cùng chuyên gia và phối hợp chặt chẽ với các đơn vị kinh doanh/vận hành để giải quyết các bài toán thực tế có tính ứng dụng cao

- Ứng dụng các kỹ thuật phân tích nâng cao, xác suất thống kê, học máy, học sâu và GenAI để khám phá hành vi và thấu hiểu khách hàng, từ đó đưa ra insight có giá trị nhằm thúc đẩy kinh doanh

- Tham gia phát triển các mô hình học máy, học sâu và ứng dụng GenAI nhằm phục vụ các mục tiêu như: dự báo khách hàng rời đi (churn prediction), bán chéo/sản phẩm (cross/up-sell), phân khúc khách hàng (segmentation), dự đoán giá trị vòng đời khách hàng (CLTV), và cá nhân hóa trải nghiệm khách hàng

- Tham gia xây dựng sản phẩm AI/ML/GenAI hỗ trợ tự động hóa và tối ưu hóa các quy trình vận hành ngân hàng từ xử lý hồ sơ, thẩm định, hỗ trợ chăm sóc khách hàng đến vận hành nội bộ, …

2. Nghiên cứu & cập nhật kỹ thuật, công nghệ mới

- Thường xuyên nghiên cứu, cập nhật các xu hướng, kỹ thuật tiên tiến trong lĩnh vực phân tích dữ liệu, học máy, học sâu và/hoặc GenAI theo định hướng từ cấp quản lý hoặc chuyên gia nội bộ.

- Chủ động tìm hiểu và thử nghiệm các công nghệ, framework và mô hình mới để nâng cao hiệu quả triển khai giải pháp dữ liệu và AI tại ngân hàng.

- Tích cực tham gia các diễn đàn chuyên môn, hội thảo nội bộ/ngoại bộ, seminar nhằm mở rộng kiến thức và chia sẻ kinh nghiệm thực tiễn với đội nhóm.

Trình độ đào tạo

Năng lực chuyên môn

Kỹ năng

Giá trị cốt lõi

1. KHÁT VỌNG
2. CHÍNH TRỰC
3. HIỆU QUẢ
4. KỶ CƯƠNG
5. SÁNG TẠO

Các yêu cầu khác

• Trình độ đào tạo
• Educational Qualifications

Tốt nghiệp Đại học trở lên trong các lĩnh vực liên quan như: Khoa học Máy tính (Computer Science), Toán học/Toán ứng dụng (Mathematics/Applied Mathematics), Thống kê (Statistics), Kỹ thuật (Engineering), Khoa học Dữ liệu (Data Science), Kinh tế lượng, Tài chính định lượng (Econometrics, Quantitative Finance), hoặc các ngành liên quan.

1. Kiến thức/ Chuyên môn có liên quan

Relevant Knowledge/ Expertise

• Nắm chắc kiến thức về các mô hình thống kê, kỹ thuật dự báo, thuật toán học máy, học sâu và/hoặc GenAI; có khả năng lựa chọn và áp dụng phù hợp với bài toán thực tế.
• Có khả năng vận dụng các kỹ thuật phân tích thống kê, kiểm định giả thuyết và phân tích dữ liệu phức tạp; có khả năng đưa ra các phân tích và khuyến nghị mang tính thực tiễn cao.
• Thành thạo Python và các thư viện phổ biến phục vụ cho phân tích nâng cao, học máy, học sâu (như Pandas, Scikit-learn, TensorFlow, PyTorch) và GenAI (Transformers, LangChain...).
• Hiểu và có thể tuân thủ quy trình phát triển dự án phân tích dữ liệu nâng cao – từ xử lý dữ liệu, huấn luyện mô hình, đánh giá đến triển khai ứng dụng AI/ML/GenAI vào thực tế.

1. Các kỹ năng/ Skills

• Kỹ năng thuyết trình.
• Kỹ năng làm việc nhóm.
• Kỹ năng giải quyết vấn đề.

1. Các kinh nghiệm liên quan/ Relevant Experience

• Tối thiểu 3-5 năm kinh nghiệm làm việc về phân tích nâng cao/ phát triển mô hình học máy/ học sâu, và/hoặc ứng dụng AI/GenAI.
• Kinh nghiệm phát triển các phân tích nâng cao, xây dựng và triển khai mô hình dự báo/mô hình học máy/ học sâu và/hoặc ứng dụng AI/GenAI trên các nền tảng cloud phổ biến như AWS, Azure, Google Cloud, và/hoặc Databricks,….
• Kinh nghiệm phân tích dữ liệu và báo cáo; có khả năng diễn giải dữ liệu và đưa ra các gợi ý hành động cụ thể, phục vụ các mục tiêu kinh doanh.
• Kinh nghiệm phối hợp và làm việc nhóm (bao gồm các nhóm kỹ thuật và kinh doanh) để triển khai giải pháp.
• Kinh nghiệm làm việc với SQL và Excel để xử lý và phân tích dữ liệu.
• Ưu tiên ứng viên có kinh nghiệm làm việc tại các tổ chức lớn

1. Các năng lực cần có/ Required Competencies

• Khả năng chịu áp lực cao trong công việc.
• Khả năng thích nghi với sự thay đổi và tự nghiên cứu.
• Năng lực tự học.

Tin tuyển dụng lược gọn