Design and operate scalable, secure ML platform infrastructure supporting offline training, batch scoring, and real-time inference.
Build and maintain core ML platform services such as model registry, versioning, champion/challenger workflows, feature ingestion and serving, and deployment orchestration.
Standardize ML workflows from experiment → approval → production.
Build and maintain CI/CD pipelines for ML and platform components, including automated deployment, environment promotion (UAT → Production), rollback, and recovery.
Deploy and operate model serving systems via REST / gRPC APIs and batch scoring pipelines.
Support advanced deployment strategies such as shadow, canary, and A/B testing.
Ensure low latency, high availability, and strong observability for scoring services.
Collaborate with Data Engineering teams to build and operate offline and online Feature Stores, ensuring feature consistency between training and serving.
Design and implement monitoring for model performance, data quality, feature stability, and system health.
Build early-warning mechanisms for model decay, data drift, and production anomalies.
Support model governance, auditability, and compliance in credit-risk contexts.
Work closely with Data Scientists, Risk, Fraud, Backend, and Infrastructure teams.
Enable Data Science teams to move from notebook to production safely.

What We're Looking For:

Proven experience as an ML Platform Engineer, MLOps Engineer, or Platform / Software Engineer working with ML systems.
Strong Python skills for platform services, automation, and ML tooling.
Solid understanding of the ML lifecycle in production environments.
Experience with containerization and orchestration (Docker, Kubernetes).
Experience building and operating production APIs (FastAPI, gRPC).
Strong understanding of batch and real-time scoring systems.
Familiarity with CI/CD pipelines and infrastructure-as-code mindset.
Strong system-thinking, with ability to design scalable, observable, and governed platforms.
Excellent communication skills and strong ownership mindset.

Tech Stack (at a glance)

Data & Storage: MinIO, Iceberg, ClickHouse
Processing: Spark, Polars, Airflow, Pathway
ML & MLOps: [protected info], MLflow
Serving: FastAPI / gRPC
Platform: Docker, Kubernetes, CI/CD (Git-based)
Monitoring & Governance: Prometheus, Grafana, model & data observability

Nice to Have (Bonus)

Experience in credit scoring, risk, fraud, or financial services.
Experience with Feature Stores and Lakehouse-style data platforms.
Experience with streaming or real-time data systems.
Knowledge of model governance, approval workflows, and A/B testing for
decision systems.

Why Join VC Scoring Team

Build the core ML platform powering real financial decisions.
Work on production-grade ML systems with high impact and responsibility.
Own architectural decisions and influence long-term platform strategy.
Collaborate with strong Data, Risk, and Engineering teams.

Thông tin chung

Thu nhập: Thương lượng

Cách thức ứng tuyển

Ứng viên nộp hồ sơ trực tuyến bằng cách bấm nút Ứng tuyển bên dưới:

Hạn nộp: 30/09/2026

Ứng tuyển tại web công ty

Giới thiệu công ty Xem trang công ty

Công ty Tài chính tổng hợp Cổ phần Tín Việt (VietCredit), tiền thân là Công ty Tài chính Cổ phần Xi Măng (CFC), được thành lập vào năm 2008 với mục tiêu phát triển và cung cấp các giải pháp dịch vụ tài chính cho các doanh nghiệp là thành viên VICEM trong lĩnh vực xi măng.

Ngày 18/6/2018, Ngân hàng Nhà nước Việt Nam...

Quy mô công ty

Từ 1000 - 5000 nhân viên

Các thông tin được cung cấp chỉ nhằm mục đích cho người dùng tham khảo, JobOKO không đại diện và không có sự liên quan tới doanh nghiệp công ty tài chính cổ phần tín việt (vietcredit) trong các hoạt động tuyển dụng. Các thông tin bản quyền, nhãn hiệu hoặc bất kỳ quyền sở hữu trí tuệ nào liên quan đến nội dung, thương hiệu hay hình ảnh doanh nghiệp này không thuộc sở hữu của JobOKO.

Người dùng cần tự xác minh thông tin trước khi ứng tuyển, giao dịch hoặc đưa ra bất kỳ quyết định nào dựa trên các nội dung này.

Chia sẻ: