1.1. Phát triển và triển khai AI
- Nghiên cứu, xây dựng và huấn luyện các mô hình Machine Learning / Deep Learning (NLP, Computer Vision, Recommendation, Forecasting...).
- Phát triển các ứng dụng AI
phục vụ:
+ Tự động hóa nghiệp vụ
+ Phân tích & dự báo dữ liệu
+ Chatbot, OCR, nhận diện hình ảnh/giọng nói
+ AI hỗ trợ ra quyết định
- Triển khai mô hình AI vào môi trường thực tế (API, hệ thống nội bộ, sản phẩm khách hàng).
1.2. Xử lý & quản trị dữ liệu
- Thu thập, làm sạch, chuẩn hóa và phân tích dữ liệu từ nhiều nguồn.
- Thiết kế pipeline dữ liệu phục vụ huấn luyện và vận hành mô hình.
- Phối hợp với Data Engineer/Backend để đảm bảo dữ liệu ổn định và bảo mật.
1.3. Tối ưu & cải tiến mô hình
- Đánh giá hiệu suất mô hình (accuracy, precision, recall, latency...).
- Tối ưu tốc độ, chi phí và khả năng mở rộng của hệ thống AI.
- Cập nhật, cải tiến mô hình theo dữ liệu và yêu cầu mới.
1.4. Phối hợp & nghiên cứu
- Làm việc chặt chẽ với BA, Backend, Frontend, Product để chuyển yêu cầu nghiệp vụ thành giải pháp AI khả thi.
- Nghiên cứu, thử nghiệm các công nghệ AI mới (LLM, GenAI, AutoML...).
- Đề xuất sáng kiến AI mang lại giá trị kinh doanh cho công ty.
2.1. Trình độ & kinh nghiệm
- Tốt nghiệp Đại học trở lên chuyên ngành CNTT, Khoa học dữ liệu, AI, Toán - Tin, Trí tuệ nhân tạo
- Có kinh nghiệm phát triển mô hình AI/ML/DL; ưu tiên có kinh nghiệm triển khai mô hình LLM (OpenAI, HuggingFace, LangChain...).
- Có sản phẩm/dự án AI thực tế là lợi thế.
2.2. Kỹ năng chuyên môn
- Thành thạo Python và các thư viện AI/ML: TensorFlow, PyTorch, Scikit-learn, HuggingFace...
- Kiến thức tốt về:
+ Machine Learning, Deep Learning
+ NLP / Computer Vision (ít nhất 1 mảng)
+ Xử lý dữ liệu, thống kê cơ bản
- Có kinh nghiệm triển khai AI qua API, microservice, cloud (AWS/GCP/Azure) là lợi thế.
- Hiểu biết về MLOps là điểm cộng.
2.3. Kỹ năng mềm
- Tư duy logic, giải quyết vấn đề tốt.
- Khả năng học nhanh, tự nghiên cứu công nghệ mới.
- Kỹ năng làm việc nhóm, giao tiếp kỹ thuật - nghiệp vụ.
- Chủ động, trách nhiệm, tinh thần đổi mới sáng tạo.