- Tìm hiểu dữ liệu (Data Understanding): Tìm hiểu ý nghĩa các trường dữ liệu hiện có để đưa làm đầu vào của
bài toán; Thu thập, tổng hợp thêm các thuộc tính đặc trưng phục vụ cho đầu vào bài toán.
- Làm sạch dữ liệu (Data Cleaning): Loại bỏ phần tử ngoại lai, thêm các giá trị bị thiếu, sửa các giá trị bị sai
trong dữ liệu, dữ liệu không đúng format (Date, String, Number)…
- Tích hợp dữ liệu (Data Integration): Dữ liệu từ nhiều nguồn do đó có thể bị trùng lặp dữ liệu. Tìm hiểu các
trường dữ liệu bị trùng lặp để loại bỏ.
- Biến đổi dữ liệu (Data Transformation): Tổng hợp và biến đổi dữ liệu để đưa ra các thuộc tính mới (phụ thuộc
vào bước tìm hiểu dữ liệu ở trên).
- Giảm chiều dữ liệu (Data Reduction): sử dụng các thuật toán tính toán độ quan trọng của thuộc tính (MDL,
PCA, Chisquare…) để lấy ra các thuộc tính quan trọng nhất.
- Rời rạc hóa dữ liệu (Data Discretization): Từ các giá trị liên tục dữ liệu cần rời rạc hóa phục vụ cho các thuật
toán dựa trên thống kê, xác suất. Kết quả đưa ra các khoảng các giá trị ngưỡng cho từng khoảng dữ liệu.
- Nghiên cứu, thiết kế, cài đặt các thuật toán, công nghệ học máy
- Đề xuất bài toán cho các đơn vị, nghiệp vụ, kinh doanh để khai thác tối đa "giá trị" từ dữ liệu
- Thiết kế và triển khai các giải pháp phân lớp/dự báo đáp ứng mục tiêu kinh doanh
- Sử dụng các kĩ thuật học máy (cluster analysis, decision trees, random forest, neural networks, logistics
regression) để xây dựng các mô hình toán học phục vụ các bài toán kinh doanh
- Xác định các phương pháp phù hợp để xây dựng nguồn cung cấp dữ liệu cho các bài toán học máy bao gồm
các phương pháp mô phỏng (bootstrap, monte carlo, bagging methods), học máy và xác suất thống kê
- Kiểm tra hiệu năng, độ chính xác của các mô hình học máy dựa trên các kĩ thuật: RMSE, RMSEA, MAE,
MSE, MAPE, Accuracy, Recall, Precision, …
- Xây dựng báo cáo tổng quan về xu thế dữ liệu, dữ liệu Exception, dữ liệu bất thường (outlier)
- Lựa chọn phương pháp

1) Bằng cấp: Đại học hoặc trên Đại học
2) Tiếng Anh: Toeic tối thiểu 800 hoặc chứng chỉ tương đương
3) Chuyên ngành: CNTT/ĐTVT/Toán hoặc liên quan
4) Chuyên môn:
- Kiến thức lập trình: cấu trúc dữ liệu và thuật toán
- Kiến thức về phân tích và trực quan hoá dữ liệu
- Kiến thức về thống kê và ML/AI ( các mô hình học máy, học sâu, khai phá dữ liệu)
- Kiến thức về lưu trữ và xử lý dữ liệu trong các hệ thống phân tán
- Kiến thức về phát triển API và tự động hoá
5) Nghiệp vụ:
- Thành thạo ít nhất 2 ngôn ngữ trong 4 ngôn ngữ: Python , R, Scala, Java.
- Kỹ năng thành thạo viết scripts (shell script)
- Kỹ năng sử dụng & làm việc với nền tảng lưu trữ và xử lý dữ liệu phân tán (Hadoop và Spark hoặc tương đương).
- Kỹ năng sử dụng các loại CSDL (SQL và/hoặc NoSQL và/hoặc Graph)
- Kỹ năng sử dụng công cụ phân tích, trực quan hoá dữ liệu (Jupyter / Tableau)

• Nhận mức thu nhập upto 50-70M, review lương 2 lần/năm 
• Thời gian làm việc: T2-T6, nghỉ T7 và CN
•  Phụ cấp tăng ca, thưởng dự án, thưởng vượt chỉ tiêu, thưởng tháng lương thứ 13,14,...
• Chính sách khác: TĐ mua bảo hiểm chăm sóc sk hàng năm cho CBCNV (ngoài chế BHYT theo quy định của NN); hỗ trợ thủ tục mua BHSK cho người thân CBCNV được mua với giá ưu đãi; BH nhân thọ dành cho nhân sự Key. 
• Các khoản phúc lợi tài chính khác: Thưởng tết, ăn ca, điện thoại, Quà các ngày lễ Tết (Tết DL, quốc khánh, thành lập TĐ, 30/4&01/5), Quà Tết cho người thân. Nghỉ dưỡng 3 ngày nghỉ dưỡng hưởng nguyên lương
•  Cơ hội tham gia các dự án lớn
• Cơ hội đc đào tạo kiến thức nghiệp vụ CN mới
• Tham gia hội thảo quốc tế…
• Hỗ trợ thi và phỏng vấn tập trung nếu ứng viên ở khu vực HCM