Data Scientist (Big Data, Python, SQL, Data Enginner)

VietinBank

187 Nguyễn Lương Bằng , Dong Da, Ha Noi

Tại văn phòng

Đăng 4 ngày trước

Kỹ năng:

3 Lý do để gia nhập công ty

Làm một trong các mảng công việc sau:

Data Scientist

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 mô hình học máy giải quyết các bài toàn phát triển 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.
Nghiên cứu công cụ, giải pháp, thuật toán nhằm xây dựng mô hình học máy, học sâu trên quy mô dữ liệu lớn với Pyspark, Tensorflow/Pytorch,… ứng dụng triển khai các chương trình kinh doanh, marketing, ứng dụng xây dựng hệ thống khuyến nghị, tích hợp gia tăng hiệu quả app/web…
Nghiên cứu thiết kế, cài đặt, tối ưu các thuật toán, công nghệ học máy, học sâu triển khai hiệu quả các bài toán.

Tốt nghiệp ĐH 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 lập trình lưu trữ, xử lý dữ liệu phân tán, xử lý dữ liệu lớn (Hadoop, Spark, ElasticSearch, Kafka, …)
Kiến thức xây dựng, tối ưu luồng xử lý dữ liệu (batch processing, stream procesing, …);
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, 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 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;