Kỹ sư Nghiên cứu thuật toán

Viettel High Tech - Viettel GroupTuyển dụng:Research Engineer - Specialise in Computer Science/Machine Learning/Data Science/Mathematical OptimisationĐịa điểm: Hà Nội (Tây Hồ)Hình thức: Full-timeĐội nhóm: Nhóm Nghiên cứu & Phát triển thuật toán xử lý dữ liệu, tối ưu hoá, học máy, xử lý ảnh phục vụ các bài toán hạ tầng quan trọng.Về Viettel trong lĩnh vực công nghệ caoViettel là tập đoàn công nghệ - viễn thông có vai trò nòng cốt trong việc phát triểnhạ tầng số và công nghệ caotại Việt Nam.Trong khối công nghệ cao, Viettel:Nghiên cứu và phát triển các hệ thống thu thập, xử lý và phân tích dữ liệu .Nghiên cứu thuật toán xử lý dữ liệu vào các hệ thống trực tuyến.Môi trường làm việc kỷ luật, bảo mật, định hướng dài hạn , bài toán thực tế, dữ liệu thật, yêu cầu kỹ thuật cao.Vị tríKỹ sư nghiên cứu thuật toánsẽ tham gia trực tiếp vào chuỗi giá trị này, từ mô hình hoá bài toán đến triển khai thuật toán thành hệ thống.Quyền lợiMức thu nhập: cạnh tranh theo năng lực, đánh giá hiệu suất thường niên, các khoản thưởng định kỳ tối thiểu 2000$/1 năm và các khoản thưởng khác theo thành tích.Mở rộng mạng lưới chuyên môn.Tập trung nghiên cứu vào một lĩnh vực chuyên sâu trong dài hạn hoặc học thêm các kiến thức để chuyển tiếp ngạch quản lý.Có cơ hội:Tham gia các bài toán khó, tầm nhìn dài hạn, đầu tư về mặt công nghệ thuật toán;Làm việc với các nhóm trong và ngoài tổng ty về các lĩnh vực đang nghiên cứu;Tham gia hội thảo khoa học thường niên, đào tạo chuyên sâu nếu có định hướng.Môi trường:Kỷ luật, bảo mật, nhưng cởi mở trong chuyên môn;Đề cao chất lượng giải pháp, đánh giá thực tế.Phúc lợi:Đầy đủ BHXH, BHYT, BHTN, khám sức khỏe định kỳ,Các chế độ theo quy định của Viettel High Tech.Mô tả vị tríChúng tôi tìm kiếmKỹ sư Nghiên cứu thuật toánđể:Nghiên cứuPhát triểnTriển khaithuật toán có ý nghĩa lớn cho các hệ thống Việt Nam làm chủ 100%.Nhiệm vụ chínhỨng viên sẽ được phân công chính vàomột (hoặc kết hợp hai)trong các hướng sau, tùy theo năng lực và định hướng cá nhân:Phân tích và xử lý dữ liệuHọc trên dữ liệu (không nhãn hoặc ít nhãn)Tối ưu hóa và ra quyết địnhDưới đây là mô tả khái quát cho từng hướng:3.1. Phân tích và xử lý dữ liệuTìm hiểu, khảo sát và trừu tượng hóa các nguồn dữ liệu.Thiết kế và triển khai quy trình tiền xử lý: làm sạch, chuẩn hóa, tổng hợp, biến đổi đặc trưng, xây dựng bộ dữ liệu phục vụ nghiên cứu và triển khai mô hình.Phân tích dữ liệu bằng các phương pháp thống kê - trực quan hóa để phát hiện mẫu, xu hướng, bất thường và đề xuất giả thuyết nghiên cứu.Hợp tác với các nhóm khác để bảo đảm dữ liệu được quản lý có hệ thống, tái sử dụng được và có chất lượng phù hợp cho các bài toán học máy / tối ưu.3.2. Học trên dữ liệu (không nhãn hoặc ít nhãn)Nghiên cứu và áp dụng các phương pháp học không giám sát, bán giám sát hoặc tự giám sát trên các loại dữ liệu khác nhau.Thiết kế bài toán học phù hợp với bối cảnh ít nhãn: lựa chọn biểu diễn dữ liệu, hàm mục tiêu, tiêu chí đánh giá và chiến lược khai thác mô hình.Thử nghiệm, so sánh nhiều hướng tiếp cận, từ mô hình cơ bản tới các kiến trúc hiện đại, phân tích ưu/nhược điểm và đề xuất phương án khả thi cho hệ thống thực.Kết nối kết quả học được với các bài toán tối ưu và ra quyết định của đơn vị.3.3. Tối ưu hóa và ra quyết địnhTrừu tượng hóa các bài toán điều hành, lập kế hoạch, phân bổ nguồn lực,… thành mô hình quyết định bao gồm mô hình toán, thuật toán hoặc quy trình ra quyết định.Nghiên cứu, lựa chọn và phát triển phương pháp tối ưu hóa phù hợp.Thiết kế thí nghiệm, xây dựng bộ tiêu chí đánh giá (chất lượng nghiệm, độ ổn định, thời gian tính toán, khả năng mở rộng…) và phân tích trade-off giữa các phương án.Kết hợp kết quả từ các mô hình học máy / xử lý dữ liệu với bài toán ra quyết định, đảm bảo giải pháp vừa có cơ sở dữ liệu, vừa tôn trọng các ràng buộc thực tế.Ngoài công việc nghiên cứu, ứng viên đồng thời đảm nhận:3.4. Phát triển hệ thống và hạ tầng thuật toánChuyển hóa các kết quả nghiên cứu (mô hình, thuật toán, pipeline xử lý) thành mã nguồn ổn định, có cấu trúc, sẵn sàng tích hợp vào hệ thống sản phẩm.Xây dựng và duy trì thư viện, công cụ hoặc dịch vụ nội bộ hỗ trợ việc chạy thí nghiệm, triển khai mô hình và vận hành các thuật toán ở quy mô thực tế.Áp dụng các thực hành kỹ thuật tốt: quản lý mã nguồn, review code, viết test, logging, tài liệu hóa, theo dõi và tối ưu hiệu năng.Góp phần xây dựng hạ tầng nghiên cứu chung cho nhóm: template thí nghiệm, cấu trúc repo, chuẩn lưu trữ kết quả, giúp các dự án mới khởi động nhanh và nhất quán.3.5. Hoạt động nghiên cứu, học hỏi & chia sẻChủ động cập nhật và hệ thống hóa kiến thức từ tài liệu, bài báo, hội thảo, cộng đồng chuyên môn trong các lĩnh vực liên quan (tối ưu, ML/DL, CV, hệ thống).Đề xuất và triển khai các thử nghiệm nghiên cứu nhỏ (POC) để kiểm chứng ý tưởng mới trước khi mở rộng.Tham gia xây dựng tài liệu nội bộ, seminar, buổi chia sẻ kỹ thuật, và trong điều kiện phù hợp có thể đồng tác giả các báo cáo, bài báo hoặc sáng kiến/sản phẩm trí tuệ của đơn vị.Yêu cầu bắt buộc4.1. Nền tảng học thuật / kỹ thuậtTốt nghiệp ĐH loại khá trở lên các ngành (GPA > 3.0):CNTT, Khoa học máy tính, Toán-Tin, Điện tử Viễn thông, Tự động hoá, hoặc ngành kỹ thuật liên quan.Kiến thức nền tảng:Cấu trúc dữ liệu & thuật toán, phân tích độ phức tạp.4.2. Kỹ năng lập trìnhThành thạo ít nhất 1 : Python, C++ hoặc Java .Quen thuộc: Git, code review, CI/CD cơ bản.Viết code sạch, rõ ràng, dễ bảo trì.4.3. Thái độ & phong cáchTinh thần làm việc cao, không ngại việc khó việc mới.Tư duy logic, tranh luận bằng lý lẽ & dữ liệu.Chấp nhận việc thử - sai - tối ưu nhiều vòng, không ngại refactor.Tôn trọng kỷ luật & tính bảo mật.Ưu tiên (nice-to-have)Kinh nghiệm với các lĩnh vực liên quan kể trên.Có paper, báo cáo khoa học, giải thưởng trong cùng lĩnh vực.Quy trình tuyển dụngTrao đổi kỹ thuật với nhóm nghiên cứu (pre-assessment - unofficial),Bài test IQ, Kỹ thuật (HR-involved - official),Phỏng vấn kỹ thuật,Phỏng vấn với CEO.