Mô tả công việc

1. Tham gia phát triển, ứng dụng, tối ưu, tích hợp mô hình AI cho các bài toán ứng dụng trong hoạt động Kinh doanh/Ngân hàng về các lĩnh vực Computer Vision, NLP...
2. Tham gia vào các công đoạn triển khai dịch vụ: Kiến trúc hệ thống, thiết kế mô hình hoạt động, luồng hoạt động, chức năng, tối ưu performance
3. Tham gia Coding, test metrics, service và unittest theo mô hình DevOps, MLOps
4. Tham gia nghiên cứu, tìm hiểu các bài báo khoa học mới nhất về AI, ML, DL
5. Tham gia các chương trình đào tạo và dự án dành cho Trainee để phát triển lên các vị trí chính thức.

Phúc lợi:
Lương tháng thứ 13, Bảo hiểm sức khỏe cá nhân, Du lịch, Fitness Center (Yoga, GYM…), Hỗ trợ đi lại, Hỗ trợ kinh phí tập luyện thể thao, Khám sức khỏe định kỳ, Ngày nghỉ sinh nhật, Quà tặng sinh nhật, Quà tặng Tết Nguyên Đán, Thưởng các dịp Lễ (Tết, Quốc Khánh, 30/4 - 1/5, Sinh nhật Ngân hàng…), Thưởng thành tích, Thưởng hiệu suất

Yêu cầu ứng viên

Không yêu cầu kinh nghiệm
Ứng viên có thể làm việc fulltime là một lợi thế. Yêu cầu onsite tối thiểu 7/10 buổi làm việc trong tuần (từ thứ 2 - thứ 6).
Có kiến thức và kỹ năng về MỘT TRONG NHỮNG nội dung sau:
+ Ngôn ngữ lập trình: Python, C/C++
+ Service/MicroService với một trong các framework FastAPI/Flask/Django
+ Tensorflow/Pytorch/DGL/PyG/Onnx
+ API (Restful/gRPC), Lập trình an toàn, đảm bảo & tối ưu hiệu năng
+ Git và Git Flow, Docker/ Kubernete, Kubeflow/MLFlow, TritonServer/ Tensorflow Serving

MB Bank yêu cầu ứng viên ứng tuyển cần cung cấp chi tiết các thông tin sau:
- Thông tin cá nhân: Họ và tên, Ngày tháng năm sinh, Giới tính
- Số điện thoại và Email liên hệ
- Trình độ học vấn, Trường đã tốt nghiệp
- Kinh nghiệm làm việc
- Từ 3 - 5 kỹ năng nổi bật
- Nguồn Tuyển dụng

Vì sao Bạn nên đảm bảo đầy đủ thông tin khi ứng tuyển?
- Hồ sơ của Bạn sẽ được đánh giá nhanh chóng.
- Đối với các hồ sơ đáp ứng đầy đủ thông tin và tiêu chí tuyển dụng phù hợp, MB Bank sẽ chủ động liên hệ phỏng vấn trong thời gian sớm nhất..
- Ứng viên vui lòng kiểm tra email và điện thoại thường xuyên để không bỏ lỡ lịch hẹn phỏng vấn.

Cập nhật ngay thông tin mới nhất về các Chương trình do MB tổ chức tại FanPage:
- Ai yêu Miền Bắc hơn MBers
- Ai yêu Miền Trung hơn MBers
- Ai yêu Miền Nam hơn MBers

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cần có cho vị trí MB Trainee - AI Engineer

### 🔧 Hard Skills (Yêu cầu bắt buộc)

| Nhóm kỹ năng | Mức độ yêu cầu | Ưu tiên học trước |
|--------------|----------------|-------------------|
| Ngôn ngữ lập trình | Python (bắt buộc), C/C++ | Python ★★★★★ |
| Deep Learning Frameworks | TensorFlow, PyTorch, DGL, PyG, ONNX | PyTorch ★★★★★ |
| API & Backend | FastAPI, Flask, Django, RESTful, gRPC | FastAPI ★★★★☆ |
| DevOps/MLOps | Docker, Kubernetes, Kubeflow, MLFlow | Docker ★★★★☆ |
| ML Tools | Git/Git Flow, TritonServer, TensorFlow Serving | Git ★★★★★ |

### 🎯 Hard Skills theo lĩnh vực AI

Computer Vision:
- Xử lý ảnh với OpenCV, PIL
- Các mô hình CNN, ViT, YOLO, ResNet
- Object Detection, Image Segmentation

NLP (Natural Language Processing):
- Tokenization, Embedding (Word2Vec, BERT)
- Các mô hình Transformer, LSTM, GRU
- Text Classification, NER, Question Answering

### 💡 Soft Skills cần thiết

1. Khả năng đọc paper nghiên cứu - vì công việc có nghiên cứu khoa học
2. Tư duy giải quyết vấn đề - debug, optimize performance
3. Kỹ năng học hỏi nhanh - công nghệ AI thay đổi liên tục
4. Làm việc nhóm - phối hợp trong dự án DevOps/MLOps
5. Kỹ năng trình bày - báo cáo kết quả nghiên cứu

### 📜 Chứng chỉ gợi ý

| Chứng chỉ | Mức độ hữu ích | Ghi chú |
|-----------|----------------|---------|
| Google Professional ML Engineer | ★★★★☆ | Chuẩn quốc tế, nặng về GCP |
| TensorFlow Developer Certificate | ★★★★☆ | Tập trung TensorFlow |
| AWS Certified ML Specialty | ★★★☆☆ | Nếu dùng AWS |
| Deep Learning Specialization (Coursera) | ★★★★★ | Andrew Ng - nền tảng vững |
| CS231n / CS224n (Stanford) | ★★★★★ | Miễn phí, chất lượng cao |

### 📊 Bảng so sánh: CV vs NLP trong ngân hàng

| Tiêu chí | Computer Vision | NLP |
|----------|-----------------|-----|
| Ứng dụng phổ biến | Nhận diện khuôn mặt, chữ viết tay, phát hiện giả mạo | Chatbot, phân tích sentiment, OCR |
| Độ khó để bắt đầu | Trung bình | Trung bình |
| Nhu cầu tuyển dụng | Cao | Rất cao |
| Lương fresher (tham khảo) | 10-15 triệu | 10-18 triệu |
| Thời gian học cơ bản | 3-6 tháng | 3-6 tháng |

### 💻 Stack công nghệ dự kiến tại MB Bank

```
Development: Python, FastAPI, Docker
ML Framework: PyTorch, TensorFlow, ONNX
MLOps: Kubeflow, MLFlow, TritonServer
Cloud: (Có thể) AWS/GCP/Azure
Versioning: Git, DVC (Data Version Control)
```

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn MB Trainee - AI Engineer

### 📋 Quy trình phỏng vấn (dự kiến)

Vòng 1: Sàng lọc hồ sơ & Phone Interview (15-20 phút)
- HR gọi điện xác nhận thông tin
- Hỏi về mong muốn, mục tiêu nghề nghiệp
- Kiểm tra kỹ năng tiếng Anh cơ bản

Vòng 2: Technical Interview (45-60 phút)
- Kiểm tra kiến thức AI/ML cơ bản
- Coding challenge (Python)
- Hỏi về projects đã làm

Vòng 3: Technical Round 2 / Coding Test (60-90 phút)
- Deep dive vào kiến thức chuyên môn
- System design cơ bản
- Có thể có bài test online

Vòng 4: Final Interview (30-45 phút)
- Gặp quản lý trực tiếp
- Cultural fit, teamwork
- Mức lương, điều kiện làm việc

### ❓ Câu hỏi hay gặp theo từng vòng

Vòng 1 - HR (Phone Screening):
- "Tại sao bạn muốn làm AI Engineer tại MB Bank?"
- "Bạn hiểu gì về chương trình Trainee?"
- "Bạn có thể làm fulltime được không?"
- "Kỳ vọng lương của bạn là bao nhiêu?"

Vòng 2 - Technical cơ bản:
- "Giải thích sự khác nhau giữa ML, DL và AI?"
- "Forward propagation và Backpropagation hoạt động như thế nào?"
- "Loss function là gì? Tại sao cần nó?"
- "Giải thích Gradient Descent và các variants của nó (SGD, Adam, etc.)"
- "Epoch, Batch, Iteration khác nhau thế nào?"

Vòng 3 - Technical chuyên sâu (tùy focus CV/NLP):

*Cho Computer Vision:*
- "Giải thích kiến trúc CNN, tại sao CNN hiệu quả với ảnh?"
- "Sự khác nhau giữa ResNet và VGG?"
- "Object Detection: YOLO hoạt động như thế nào?"
- "Transfer Learning là gì? Khi nào nên dùng?"

*Cho NLP:*
- "Giải thích Attention mechanism?"
- "Transformer architecture khác gì RNN/LSTM?"
- "BERT và GPT khác nhau thế nào?"
- "Word2Vec, GloVe, Embedding layer khác nhau ra sao?"

Coding Test (Python):
```python
# Dạng bài thường gặp:
# 1. Implement một thuật toán ML đơn giản (Linear Regression, KNN)
# 2. Xử lý numpy array, pandas dataframe
# 3. Implement activation function, loss function
# 4. LeetCode easy-medium (string, array, tree)
```

Vòng 4 - Manager:
- "Bạn thấy mình phù hợp với vị trí này như thế nào?"
- "Bạn đọc paper nghiên cứu như thế nào?"
- "Mục tiêu 5 năm của bạn là gì?"
- "Bạn có câu hỏi gì cho tôi không?"

### 🧥 Dress Code

- Smart Casual - MB Bank là ngân hàng thương mại, không quá formal nhưng cũng không nên quá thoải mái
- Nam: Áo sơ mi, quần tây, giày lịch sự
- Nữ: Áo blouse/cam thao, quần/váy công sở
- Tránh jeans rách, áo thun in hình, sandal

### 💡 Tips chuẩn bị

1. Ôn kỹ Python - đặc biệt NumPy, Pandas, PyTorch/TensorFlow syntax
2. Chuẩn bị portfolio - có GitHub với các project AI/ML
3. Đọc 1-2 paper gần đây về CV hoặc NLP
4. Research MB Bank - hiểu về ứng dụng AI trong ngân hàng
5. Chuẩn bị câu hỏi cho interviewer - thể hiện sự quan tâm
6. Onsite 7/10 buổi - nhớ điều này, họ rất quan trọng

### ⚠️ Lưu ý quan trọng

- HR nhấn mạnh hồ sơ cần đầy đủ thông tin để được xét duyệt nhanh
- Cần chuẩn bị sẵn sàng cho work from office 70%
- Chương trình Trainee có lộ trình phát triển lên chính thức - hỏi rõ về điều này

Lộ trình ôn thi

## Lộ trình Ôn tập & Chuẩn bị (2-4 tuần)

### 📚 Giai đoạn 1: Củng cố nền tảng (Tuần 1)

Machine Learning cơ bản:
```
□ Linear Regression, Logistic Regression
□ Decision Tree, Random Forest, Gradient Boosting
□ K-Means, PCA
□ Overfitting, Underfitting, Regularization
□ Train/Val/Test Split, Cross Validation
□ Metrics: Accuracy, Precision, Recall, F1, AUC-ROC
```

Deep Learning cơ bản:
```
□ Neural Network: Perceptron, Multi-layer
□ Activation Functions: ReLU, Sigmoid, Tanh
□ Loss Functions: MSE, Cross-Entropy
□ Optimizers: SGD, Adam, RMSprop
□ Backpropagation (hiểu cách tính gradient)
□ Regularization: Dropout, Batch Norm, L1/L2
```

Tài liệu tham khảo:
- 📖 "Hands-On Machine Learning" - Aurélien Géron (chương 1-10)
- 🎥 Coursera: Machine Learning (Andrew Ng)
- 📖 "Deep Learning" - Ian Goodfellow (nếu muốn sâu)

### 🧠 Giai đoạn 2: Chuyên sâu (Tuần 2-3)

Chọn 1 trong 2 tracks:

#### Track A: Computer Vision
```
□ CNN Architecture: LeNet, AlexNet, VGG, ResNet, Inception
□ Object Detection: YOLO, SSD, Faster R-CNN
□ Image Segmentation: U-Net, Mask R-CNN
□ Face Recognition, OCR
□ Transfer Learning (sử dụng pretrained models)
```

Thực hành:
- Kaggle competitions: Image Classification
- Train model với PyTorch trên CIFAR-10, ImageNet subset

#### Track B: NLP
```
□ Tokenization, Word Embeddings (Word2Vec, GloVe)
□ RNN, LSTM, GRU
□ Attention Mechanism
□ Transformer: BERT, GPT
□ Text Classification, NER, QA
□ HuggingFace Transformers library
```

Thực hành:
- Kaggle competitions: NLP Disaster Tweets, Sentiment Analysis
- Fine-tune BERT trên task đơn giản

### 🛠️ Giai đoạn 3: DevOps & MLOps (Tuần 3)

Cần biết:
```
□ Git: commit, branch, merge, pull request
□ Docker: build image, run container, docker-compose
□ Flask/FastAPI: tạo REST API đơn giản
□ MLflow: track experiments
□ (Bonus) Kubernetes, Kubeflow - hiểu concept thôi cũng được
```

Thực hành:
- Deploy model lên Flask/FastAPI
- Containerize với Docker
- Log experiment với MLflow

### 🧑‍💻 Giai đoạn 4: Luyện Coding (Tuần 4)

LeetCode problems:
```
□ Easy: 20-30 bài (array, string, linked list)
□ Medium: 5-10 bài (dynamic programming, tree)
□ Tập trung: Two Sum, Valid Parentheses, Binary Tree problems
```

Python specific:
```
□ NumPy operations
□ Pandas DataFrame manipulation
□ List comprehension, lambda functions
□ Class và inheritance trong ML context
```

### 📖 Tài liệu ôn tập Chi tiết

| Chủ đề | Tài liệu | Thời gian |
|--------|----------|----------|
| ML cơ bản | Coursera ML (Andrew Ng) | 40 giờ |
| Deep Learning | deeplearning.ai Specialization | 50 giờ |
| PyTorch | PyTorch Tutorials (official) | 15 giờ |
| TensorFlow | TensorFlow Developer Certificate course | 20 giờ |
| FastAPI | FastAPI tutorial + documentation | 5 giờ |
| Docker | Docker official tutorial | 5 giờ |
| CV Papers | ResNet, YOLO, ViT paper | 10 giờ |
| NLP Papers | Attention is All You Need, BERT | 10 giờ |

### 🎯 Checklist trước ngày phỏng vấn

```
□ Project portfolio trên GitHub (2-3 projects AI/ML)
□ Hiểu rõ mô hình đã train trong projects
□ Có thể code lại thuật toán cơ bản từ đầu
□ Đọc hiểu 1-2 research paper gần đây
□ Có thể giải thích: gradient, backprop, loss function
□ Biết dùng Docker cơ bản
□ Chuẩn bị 2-3 câu hỏi cho interviewer
□ In ấn CV, mang theo laptop/code demo (nếu được)
```

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho AI Engineer Fresher tại MB Bank

### 🚀 Lộ trình Thăng tiến (Dự kiến)

```
Trainee (0-12 tháng)
↓
Junior AI Engineer (1-2 năm)
↓
AI Engineer (2-4 năm)
↓
Senior AI Engineer / Tech Lead (4-6 năm)
↓
Principal AI Engineer / Manager (6+ năm)
```

Chi tiết từng bước:

| Giai đoạn | Thời gian | Trách nhiệm chính |
|-----------|-----------|-------------------|
| Trainee | 0-12 tháng | Học hỏi, hỗ trợ dự án, code theo hướng dẫn |
| Junior | 1-2 năm | Implement model, feature engineering, basic research |
| Mid-level | 2-4 năm | Thiết kế giải pháp, optimize, mentor junior |
| Senior | 4-6 năm | System architecture, research leadership, strategic planning |

### 💰 Mức Lương Tham khảo (Hà Nội, 2024)

Theo cấp bậc:

| Cấp bậc | Mức lương tháng (VND) | Notes |
|---------|----------------------|-------|
| Intern/Trainee | 7-12 triệu | Có thể thỏa thuận |
| Junior (0-2 năm) | 12-20 triệu | Tùy công nghệ |
| Mid-level (2-4 năm) | 20-35 triệu | Có benefits tốt |
| Senior (4+ năm) | 35-60 triệu | Thương lượng |

Theo công nghệ (AI Fresher):

| Lĩnh vực | Lương khởi điểm | Xu hướng |
|----------|-----------------|----------|
| CV (Computer Vision) | 10-15 triệu | Ổn định |
| NLP | 12-18 triệu | Tăng cao |
| MLOps | 12-20 triệu | Rất cao |
| Generative AI | 15-25 triệu | Cao nhất |

So sánh với thị trường:
- Ngân hàng thường thấp hơn 10-20% so với fintech/startup
- Nhưng bù lại: ổn định, benefits tốt, CV đẹp
- MB Bank được đánh giá lương cạnh tranh trong ngành ngân hàng

### 📈 Kỹ năng cần Phát triển thêm

Ngắn hạn (0-2 năm):
```
□ Thành thạo PyTorch hoặc TensorFlow
□ Một lĩnh vực chuyên sâu (CV hoặc NLP)
□ Git, Docker, basic DevOps
□ Đọc và implement research paper
□ Communication skills
```

Trung hạn (2-4 năm):
```
□ System Design cho ML systems
□ MLOps: Kubeflow, MLflow, model monitoring
□ Model optimization (quantization, pruning)
□ Cloud platforms (AWS/GCP/Azure)
□ Leadership và mentoring
```

Dài hạn (4+ năm):
```
□ Research direction
□ Cross-functional collaboration
□ Business understanding
□ Technical strategy
□ (Tùy chọn) Management path
```

### 🎯 Nên tập trung vào đâu?

Lĩnh vực AI "hot" trong ngân hàng:
1. Generative AI / LLMs - chatbot, tài liệu tự động
2. Fraud Detection - phát hiện gian lận
3. Document AI - OCR, information extraction
4. Risk Modeling - credit scoring, anti-money laundering
5. Computer Vision - KYC, nhận diện khuôn mặt

### ⚖️ Ưu điểm & Nhược điểm khi vào MB Bank

Ưu điểm:
```
✓ Thương hiệu lớn, ổn định
✓ Benefits tốt (bảo hiểm, du lịch, gym)
✓ Dữ liệu phong phú để học hỏi
✓ CV có giá trị cho future career
✓ Có chương trình Trainee rõ ràng
✓ Môi trường làm việc hiện đại
```

Nhược điểm:
```
✗ Lương thấp hơn startup/fintech
✗ Có thể chậm thay đổi, nhiều quy trình
✗ Yêu cầu onsite 7/10 buổi
✗ Không phải pure tech company
✗ Có thể có nhiều meeting/bureaucracy
```

### 💡 Lời khuyên từ người đi trước

1. Tận dụng tối đa giai đoạn Trainee - học hỏi từ senior, ask questions
2. Build portfolio trong thời gian làm - dự án cá nhân + work projects
3. Chuyển việc sau 1.5-2 năm nếu muốn tăng lương nhanh
4. Học business domain - hiểu nghiệp vụ ngân hàng = lợi thế
5. Networking nội bộ - internal mobility cao tại MB

### 🔄 Lộ trình thay đổi công việc sau này

```
AI Engineer (MB Bank 2 năm)
↓
[Option A] Fintech/Startup (lương x2)
[Option B] Big Tech (Google, Meta, Microsoft)
[Option C] Consulting (McKinsey, BCG)
[Option D] AI Research (Viện nghiên cứu, ĐH)
[Option E] Startup riêng (AI product)
```

Từ MB Bank đi đâu cũng được respect - thương hiệu ngân hàng lớn, kinh nghiệm AI trong fintech được đánh giá cao.

Câu hỏi thường gặp

Mình là sinh viên năm 4 ngành CNTT, chưa có kinh nghiệm thực tế về AI, có nên ứng tuyển vị trí này không?

HOÀN TOÀN NÊN! Đây là vị trí Fresher/Intern, không yêu cầu kinh nghiệm. Điều quan trọng là bạn có kiến thức nền tảng về ML/DL và có đam mê học hỏi. Tranh thủ 2-4 tuần cuối ôn kỹ Python, PyTorch/TensorFlow, và làm 1-2 project nhỏ để có cái show trong CV. Miễn là bạn đáp ứng được yêu cầu kỹ thuật (Python + 1 framework + Git/Docker), cơ hội được gọi phỏng vấn rất cao.

Lương Trainee AI Engineer tại MB Bank khoảng bao nhiêu? Có đáng không?

Theo thông tin tuyển dụng, mức lương là 'Thỏa thuận', thường dao động 7-12 triệu/tháng cho vị trí Trainee/Fresher. Lương ngân hàng thường không cao bằng startup, nhưng bù lại: (1) Benefits rất tốt - bảo hiểm sức khỏe, du lịch, gym; (2) Thương hiệu có giá trị trong CV; (3) Có chương trình đào tạo rõ ràng; (4) Ổn định lâu dài. Nếu bạn cần lương cao ngay, có thể cân nhắc startup, nhưng nếu muốn 'đi đường dài', MB là lựa chọn tốt.

Yêu cầu onsite 7/10 buổi tức là thế nào? Có linh hoạt không?

Tức là bạn cần có mặt tại văn phòng ít nhất 7 ngày trong 10 ngày làm việc (tức 70%). Nghỉ 3 ngày/tuần remote là maximum. Thực tế thì đa số các ngân hàng đều yêu cầu onsite phần lớn thời gian, chỉ một số công ty tech mới cho remote thoải mái. Nếu bạn ở Hà Nội và muốn phát triển sự nghiệp AI trong ngành ngân hàng, đây là điều bình thường. Lưu ý: HR nhấn mạnh onsite là 'lợi thế' trong tuyển dụng, nên ưu tiên ứng viên sẵn sàng đi lành.

Mình đang làm backend developer muốn chuyển sang AI, có phù hợp không?

Rất phù hợp! Backend + AI = combo mạnh. Bạn đã có lợi thế: (1) Biết Python, API (FastAPI/Flask), Git, Docker; (2) Hiểu về system design, performance optimization; (3) DevOps skills - đây là điểm yếu của nhiều Data Scientist. Bạn cần bổ sung: kiến thức ML/DL cơ bản, một framework (PyTorch hoặc TensorFlow), và làm 1-2 project ML end-to-end. Lộ trình: học ML cơ bản 1-2 tháng, làm project, ứng tuyển vị trí AI Engineer. Backend experience sẽ giúp bạn nhanh chóng bắt nhịp MLOps work.

Chương trình Trainee có cam kết chuyển sang nhân viên chính thức không?

Theo JD, vị trí này là 'Trainee để phát triển lên các vị trí chính thức' - tức là có lộ trình chuyển đổi. Tuy nhiên, không có 'cam kết' bằng văn bản 100%. Thông thường, sau 12 tháng Trainee, nếu performance tốt và có headcount, bạn sẽ được chuyển sang nhân viên chính thức. Tips: trong phỏng vấn, hỏi thẳng HR về tỷ lệ Trainee được giữ lại và tiêu chí đánh giá. Nếu HR nói 'phụ thuộc vào performance', đó là bình thường - miễn là có roadmap rõ ràng.

Kỹ năng nào quan trọng nhất để gây ấn tượng khi phỏng vấn?

Top 3 kỹ năng gây ấn tượng nhất: (1) Python + NumPy + Pandas thành thạo - coding test phần lớn là Python, không phải C++; (2) Có thể giải thích backpropagation/gradient descent - họ sẽ hỏi sâu về ML fundamentals; (3) Project portfolio có demo được - GitHub với README rõ ràng, có deploy thử. Ngoài ra, nếu bạn đọc được 1-2 paper mới nhất (2023-2024) về lĩnh vực họ quan tâm (CV/NLP), đó sẽ là điểm cộng lớn. Cuối cùng, thái độ ham học hỏi + teamwork = yếu tố quyết định với fresher.

Ngày đầu đi làm cần chuẩn bị những gì?

Trước ngày đầu: (1) Setup laptop với Python, PyTorch/TensorFlow, VS Code, Git; (2) Đọc về các sản phẩm AI đang chạy tại MB (tìm trên website, news); (3) Ôn lại ML fundamentals. Ngày đầu: (1) Đến sớm 15-20 phút; (2) Laptop đã cài đặt sẵn môi trường dev; (3) Sổ note để ghi chép; (4) Tư duy ' sponge' - hấp thụ mọi thứ. Tuần đầu: (1) Setup accounts (email, Slack, Jira, Git); (2) Onboarding với team; (3) Đọc documentation của các model/system đang dùng; (4) Setup 1-1 với mentor để hỏi kỳ vọng.

Nên chọn Computer Vision hay NLP để tập trung?

Cả hai đều có demand cao trong ngân hàng. Tuy nhiên, xu hướng gần đây: NLP đang hot hơn vì ứng dụng LLM/Generative AI. Trong ngân hàng, NLP dùng cho: chatbot, phân tích tài liệu (KYC/AML), customer service automation. CV dùng cho: KYC nhận diện khuôn mặt, OCR chứng từ, phát hiện giả mạo. Lời khuyến: nếu bạn mới bắt đầu, hãy chọn cái bạn hứng thú hơn, vì bạn sẽ đọc nhiều paper và làm nhiều project. Khi đi làm, bạn sẽ được assign theo nhu cầu team.

Chia sẻ từ cộng đồng

Ẩ

Ẩn danh 2024-09-15

Mình apply hồ sơ tháng trước, 2 tuần sau được gọi phỏng vấn. Vòng technical hỏi khá sâu về PyTorch, có cả bài coding Python. Nhưng mà dễ thở hơn mình tưởng, tập trung vào ML fundamentals là ok. Hiện tại đang làm ở đây, môi trường ok, team AI học hỏi được nhiều thứ.

T

Tuấn A*** 2024-10-02

Vừa pass vòng final tuần này, confirm luôn là HR rất chú ý đến việc hồ sơ đầy đủ thông tin. Mình thấy nhiều bạn bị reject sớm vì thiếu kỹ năng hoặc không ghi rõ kinh nghiệm. Đợt mình apply, CV có ghi rõ 3 project ML + link GitHub, được gọi phỏng vấn ngay.

Ẩ

Ẩn danh 2024-08-28

Lương trainee ở đây không cao lắm đâu, khoảng 8-10 củ thôi. Nhưng bù lại benefits ngon: bảo hiểm sức khỏe cao cấp, gym miễn phí, du lịch hàng năm. Ai cần tiền gấp thì cân nhắc kỹ, ai muốn đi đường dài thì ok.

L

Linh P*** 2024-09-20

Đang làm intern ở đây được 3 tháng. Team AI khá trẻ, mọi người nhiệt tình chỉ dạy. Có dịp đọc paper với senior, implement thử các model mới. Lưu ý: YÊU CẦU ONSITE NHIỀU, không có remote như startup đâu. Mình ở xa nên phải thuê trọ gần, tốn thêm chi phí.

Ẩ

Ẩn danh 2024-10-05

Có ai biết kỳ trainee kéo dài bao lâu không? Mình đang phân vân giữa offer này với một startup fintech. Startup lương cao hơn 30% nhưng MB brand name nghe cool hơn 😅

b

banker2024 2024-10-06

Trả lời bạn trên: trainee thường 12 tháng. Về phân vân startup vs MB - tùy mục tiêu. Mình chọn MB vì muốn hiểu nghiệp vụ ngân hàng sâu, sau này chuyển fintech lương sẽ nhảy vọt. Startup thì lương cao ngay nhưng học được ít domain knowledge hơn.

Ẩ

Ẩn danh 2024-09-10

Tip cho các bạn apply: trong CV nhất định ghi rõ framework đã dùng (PyTorch hay TensorFlow), có GitHub thì càng tốt. HR bảo họ sàng lọc theo keywords, thiếu technical skills thẳng cửa luôn. Mình thấy mấy bạn IT khác apply mà CV toàn 'lập trình C, Java' không có Python/ML gì, chắc fail hết.

N

Nam Đ*** 2024-08-15

Đã làm ở đây 1.5 năm, giờ lên junior AI Engineer rồi. Lộ trình rõ ràng, cứ 6 tháng review một lần. Tech stack: PyTorch chủ yếu, deploy bằng FastAPI + Docker, có dùng MLflow để track experiments. Fresher nào vào đây siêng năng học thì lên nhanh lắm.

MB Trainee - AI Engineer (Fresher, Intern) - Trung tâm AI - Khối Công nghệ thông tin