AI Engineer

NLP:
- Phát triển và tối ưu hóa các mô hình xử lý ngôn ngữ tự nhiên cho các ứng dụng như phân tích ngữ nghĩa (Semantic Analysis), phân loại văn bản (Text Classification), trích xuất thực thể (Named Entity Recognition), phát hiện cảm xúc (Sentiment Analysis), và tổng hợp văn bản (Text Summarization).
- Áp dụng các mô hình học sâu tiên tiến như Transformer (BERT, GPT, T5, etc.) để cải thiện độ chính xác và hiệu quả trong các bài toán NLP.
- Nghiên cứu và phát triển các mô hình học Unsupervised Learning và Semi-supervised Learning cho các ứng dụng NLP.
- Làm việc với các tập dữ liệu lớn (Big Data) để chuẩn bị và tiền xử lý dữ liệu ngôn ngữ, bao gồm chuẩn hóa văn bản, loại bỏ nhiễu, xử lý dữ liệu đa ngôn ngữ và mã hóa văn bản (Tokenization, Stemming, Lemmatization).
- Phát triển các giải pháp NLP có thể hiểu và xử lý ngữ cảnh đa chiều, bao gồm ngữ cảnh lịch sử, xã hội và văn hóa, nhằm nâng cao độ chính xác và tính ứng dụng của các mô hình.
- Tích hợp các mô hình NLP vào các hệ thống hiện có, tối ưu hóa hiệu năng, và đảm bảo tính tương thích với các sản phẩm của công ty.
Computer Vision:
- Phát triển và tối ưu hóa các mô hình thị giác máy tính cho các bài toán như nhận diện đối tượng (Object Detection), phân loại hình ảnh/video (Image/Video Classification), phân đoạn hình ảnh/ video (Image/ Video Segmentation), và xử lý video (Video Analysis).
- Triển khai các mô hình học sâu (Deep Learning) như Convolutional Neural Networks (CNN), Generative Adversarial Networks (GAN), và Vision Transformers để cải thiện độ chính xác trong các bài toán thị giác máy tính.
- Xây dựng các mô hình nhận dạng và phân loại khuôn mặt (Facial Recognition), phân tích hành vi (Behavior Analysis), và nhận diện ký tự quang học (OCR).
- Xử lý, tăng cường, và chuẩn bị dữ liệu hình ảnh/ video, bao gồm các kỹ thuật làm giàu dữ liệu (Data Augmentation), làm sạch dữ liệu (Data Cleaning), và tối ưu hóa các tập dữ liệu lớn (Big Data).