Chuyên viên Cao cấp Công nghệ Mô hình - Senior Machine Learning Engineer - Khối Dữ liệu (2026TD456629) (NSDLD/145076)

Phát triển và tối ưu hóa đường ống dữ liệu (Batch/Real-time); đóng gói, triển khai mô hình qua Docker, REST API/gRPC và CI/CD; giám sát chất lượng mô hình (Data/Concept Drift) và tự động hóa tái huấn luyện (Continuous Training); xử lý sự cố và xây dựng quy chuẩn nội bộ.

Trực tiếp xây dựng và duy trì kiến trúc hạ tầng MLOps lai (hybrid), phát triển các đường ống tự động hóa (CI/CD/CT) đảm bảo các mô hình trọng yếu hoạt động ổn định, chính xác với độ trễ tối thiểu phục vụ kinh doanh

1. Trực tiếp phát triển, tích hợp và tối ưu hóa các đường ống trích xuất đặc trưng (Feature Pipelines) đảm bảo dữ liệu sẵn sàng phục vụ cho cả luồng tính toán Batch và Real-time

Cấu hình các luồng biến đổi dữ liệu, để cung cấp đầu vào chuẩn xác cho mô hình

2. Thực hiện cấu trúc lại (Refactor) thành mã Production chuẩn OOP. Đóng gói mô hình (Dockerization) và xây dựng các Endpoint phục vụ dự đoán (REST API / gRPC) bằng các framework hiệu năng cao như FastAPI, Triton Inference Server

Xây dựng và duy trì các đường ống CI/CD tự động; thực hiện các chiến lược triển khai không gián đoạn (Blue/Green, Canary)

3. Thiết lập bảng điều khiển (Dashboards) giám sát các chỉ số hệ thống (CPU, RAM, Latency, Throughput) và chất lượng dự đoán (Data Drift, Concept Drift)

Xây dựng và cấu hình lu

Trực tiếp thiết kế và duy trì kiến trúc hạ tầng MLOps lai (hybrid).

Tự động hóa quy trình: Phát triển các đường ống tự động hóa (CI/CD/CT) giúp mô hình trọng yếu hoạt động ổn định và có độ trễ thấp.

Xử lý dữ liệu đặc trưng: Phát triển, tích hợp và tối ưu hóa các đường ống trích xuất đặc trưng (Feature Pipelines) cho cả luồng tính toán Batch và Real-time.

Công nghệ cốt lõi sử dụng: Làm việc với Python (OOP, Design Patterns), SQL, Docker, MLOps, GitLab CI và Hopsworks.