VSF (VinSmart Future)
Tóm tắt
Skills bắt buộc
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 (ví dụ xác suất hủy cuốc, xác suất chấp nhận giá, nguyên nhân hủy chuyến) trong hệ thống Ride\-Hailing.
Lựa chọn, huấn luyện và tối ưu hóa các mô hình Tree\-based (XGBoost, LightGBM), và Deep Learning (CNN, Transformers, Graph Neural Networks \- GNN).
Tự định nghĩa Loss Functions, Metrics phù hợp với business logic; thực hiện Feature Engineering; cách evaluate 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.
Hiểu biết về cách lựa chọn tham số bằng Bayesian Optimization, Grid Search, Cross\-Validation.
: 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 mô hình offline. Hiểu biết về các phương pháp kiểm thử như A/B Testing, Switchback Test, Uplift Modelling và sự khác nhau, tính ưu việt của từng phương pháp nhằm lực chọn đúng phương pháp đánh giá tối ưu \& phù hợp với thực tiễn khi đưa lên production.
Thành thạo Python, PyTorch hoặc TensorFlow; XGBoost, LightGBM, Scikit\-Learn.
Thành thạo SQL/Python để truy vấn và trích xuất feature từ các Data Warehouse/OLAP như
,
.
Nắm vững thuật toán Backpropagation, tính đạo hàm theo từng layer, các thuật toán tối ưu hóa (SGD, Adam, Adagrad) và khả năng tự cài đặt và training các building blocks chính trong Deep Learning Architectures.
Đang tải…
