Thiết kế, xây dựng và tối ưu hóa
kiến trúc Data Platform đảm bảo tính mở rộng và hiệu năng cao.
Xây dựng và quản lý các luồng dữ liệu (Data Pipelines/ETL/ELT) từ nhiều nguồn khác nhau (cấu trúc và phi cấu trúc).
Xử lý, làm sạch và phân mảnh dữ liệu (chunking) từ các tài liệu phức tạp để xây dựng Knowledge Base cho hệ thống AI.
Triển khai, vận hành và quản trị các cơ sở dữ liệu vector (Vector Databases) để lưu trữ embeddings.
Làm việc chặt chẽ với các kỹ sư AI/ML để cung cấp dữ liệu sạch, nhanh chóng và tối ưu cho quy trình huấn luyện hoặc truy xuất của các mô hình LLMs.
Đảm bảo tính bảo mật, chất lượng dữ liệu và tuân thủ các tiêu chuẩn quản trị dữ liệu của hệ thống.
Tối thiểu 4 năm kinh nghiệm làm việc thực tế ở vị trí Data Engineer.
Lập trình thành thạo với Python và SQL.
Có kinh nghiệm làm việc với các hệ thống Vector Database như Milvus, Qdrant, Pinecone, hoặc ChromaDB.
Nắm vững kiến trúc RAG và cách thức chuyển đổi dữ liệu (embeddings)
phục vụ tìm kiếm ngữ nghĩa (semantic search).
Có kinh nghiệm thực tế với hệ sinh thái Cloud (AWS, GCP, hoặc Azure) và các công cụ xử lý dữ liệu hiện đại (Apache Spark, Kafka, Airflow, Databricks, Snowflake).
Kỹ năng giải quyết vấn đề tốt, tư duy logic và khả năng làm việc độc lập cũng như làm việc nhóm.