VSF (VinSmart Future)
AI tóm tắt
Skills bắt buộc
Nhằm mục tiêu mở rộng \& nâng cao chất lượng sản phẩm dịch vụ của Nền tảng gọi xe GreenSM, Khối Nghiên cứu \& Phát triển Thuật toán GSM đang tuyển dụng một số vị trí có kinh nghiệm liên quan tới Deep learning, AI Agents, Data Science, Data Engineer và Data Architect.
**1/ Vị trí: Deep Learning Engineer / Deep Learning Researcher**
Nghiên cứu, thiết kế và tối ưu các mô hình deep learning \& machine learning phục vụ các bài toán dự đoán demand/supply của thị trường theo (khu vực, thời gian), dự đoán hành vi của khách hàng, tài xế (VD xác suất hủy chuyến, xác suất chấp nhận giá, nguyên nhân hủy chuyến) trong hệ thống Ride\-Hailing.
Nghiên cứu, lựa chọn, huấn luyện và tối ưu hóa các mô hình Deep Learning (CNN, Transformers, Graph Neural Networks \- GNN) và Tree\-based (XGBoost, LightGBM).
Tự định nghĩa Loss Functions, Metrics phù hợp với business logic; thực hiện Feature Engineering; thiết lập cách đánh giá mô hình một cách hiệu quả và sát thực tiễn; làm chủ các kỹ thuật Regularization, Dropout, Batch\-Norm, Data Augmentation etc để kiểm soát rủi ro, overfitting.
Biết cách lựa chọn tham số bằng Cross\-Validation, Grid Search hoặc Bayesian Optimization.
: Có hiểu biết về cách kiểm soát các rủi ro về mô hình ML như Overfitting, Imbalanced Data, thiếu training data, robustness etc.
Xây dựng mô hình phân tích hành vi tài xế/khách hàng và dự báo mật độ chuyến xe theo khu vực (Uber H3\) và mốc thời gian.
Biết cách deploy các mô hình ML/AI thử nghiệm lên môi trường Staging hoặc Simulation để đánh giá hiệu năng trước khi triển khai lên production. Hiểu biết về các phương pháp kiểm thử như A/B Testing, Switchback Test, Uplift Modelling và sự khác nhau giữa các phương pháp, lực chọn đúng phương pháp đánh giá tối ưu và phù hợp với thực tiễn.
**2/ Vị trí: Data/ML Engineer (MLOps \& Model Serving)**
Xây dựng MLOps end\-to\-end, thiết kế kiến trúc Model Serving hướng sự kiện (Event\-driven) có khả năng tự động mở rộng (Auto\-scaling), độ trễ thấp (Low latency) và chịu tải cao trên hạ tầng AWS Cloud.
Thiết kế và triển khai kiến trúc Real\-time Inference.
Tối ưu hóa throughput và latency bằng các kỹ thuật xử lý song song và bất đồng bộ (Multiprocessing, Multithreading, Asynchronous functions \- asyncio).
Thiết kế và vận hành Feature Store. Xây dựng pipeline cập nhật feature Near Real\-Time.
Lựa chọn giải pháp và thiết kế luồng dữ liệu vào/ra cho mô hình: quyết định tần suất, cơ chế ghi/đọc giữa Messaging Queue, In\-Memory Cache và OLAP Databases.
Thiết kế luồng CI/CD tự động cho ML pipeline (từ Code commit, Model retraining, Evaluation đến Deployment). Quản lý Model Registry, và chiến lược Re\-train tối ưu.
Thiết kế Fallback mechanism (cơ chế dự phòng) khi dữ liệu đầu vào bị thiếu/lỗi hoặc một module thuật toán gặp sự cố để đảm bảo hệ thống luôn hoạt động.
Lập trình thạo Python, Go hoặc C\+\+. Nắm vững bản chất CPU/IO\-bound tasks, Async/Await, Threading và Multiprocessing.
.
,
cho bài toán lưu trữ và tính toán dữ liệu lớn với tần suất cao.
(EKS, MSK, S3, ElastiCache, Lambda, IAM, EC2 Auto Scaling) và Infra as Code (
).
,
,
,
,
**3/Vị trí: AI Agent \& LLM Engineer (Mobility Operations Center)**
Xây dựng, triển khai hệ thống Multi\-Agent System và giải pháp LLM nhằm tự động hóa, tối ưu hóa toàn bộ quy trình vận hành tại GSM Operations Center. Hệ thống hỗ trợ phát hiện bất thường theo thời gian thực, tự động trigger luồng xử lý nghiệp vụ, và cung cấp giao diện tương tác thông minh (Chatbot / Copilot) cho đội ngũ vận hành.
Thiết kế và phát triển hệ thống AI Agent linh hoạt (sử dụng LangChain, LangGraph, AutoGen, CrewAI hoặc LlamaIndex) có khả năng phân rã tác vụ (Task Decomposition), lập kế hoạch (Planning), tự sửa lỗi (Self\-Correction).
Xây dựng hệ thống Agent theo dõi luồng dữ liệu thời gian thực (Real\-time Stream Integration) để tự động phát hiện gian lận (chạy cuốc ảo, trục lợi khuyến mãi, vi phạm quy trình), tự động phân tích nguyên nhân gốc rễ và trigger các luồng xử lý nghiệp vụ.
Xây dựng đường ống RAG kết hợp Vector Databases để Agent truy vấn chính xác tài liệu quy trình, chính sách vận hành, lịch sử xử lý vi phạm và dữ liệu OLAP/Warehouse.
Phát triển tính năng Function Calling / Tool Use cho phép Agent chuyển đổi câu hỏi bằng ngôn ngữ tự nhiên thành truy vấn dữ liệu (Text\-to\-SQL / Text\-to\-ClickHouse), chỉnh sửa quy tắc nghiệp vụ (Rule\-based engines), gợi ý/tối ưu hóa bộ rules tự động dựa trên phân tích dữ liệu lịch sử.
Thiết lập khung đánh giá chất lượng Agent (Faithfulness, Relevance), cài đặt bộ lọc an toàn (Guardrails, Prompt Injection Prevention) và
khi gọi LLM calls.
