messenger

Chat Mess

zalo

Chat Zalo

phone

Phone

Gọi ngay: 097.5151.777
messenger

Facebook

messenger

TikTok

Hỗ trợ tư vấn: 097.5151.777
Công nghệ & Số hóa

Machine Learning Engineer Ngân hàng

Banking Machine Learning Engineer

Phát triển, huấn luyện và triển khai (MLOps) các thuật toán học máy vào sản phẩm tài chính như chatbot AI, robo-advisor, phát hiện giao dịch bất thường (anomaly detection) và hệ thống KYC điện tử. Đảm bảo mô hình hoạt động ổn định trên hạ tầng cloud/on-premise, có khả năng giải thích (model interpretability) theo Quyết định 2345/QĐ-NHNN và tuân thủ nguyên tắc bảo vệ dữ liệu cá nhân theo Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.

Machine Learning Engineer Ngân hàng là gì?

Machine Learning Engineer (MLE) Ngân hàng là chuyên gia kỹ thuật chịu trách nhiệm xây dựng, huấn luyện, tối ưu hóa và triển khai các mô hình học máy vào vận hành ngân hàng thực tế (production). Khác với Data Scientist tập trung vào khám phá và thử nghiệm, MLE đảm bảo mô hình vận hành ổn định, có khả năng mở rộng (scalable) và giám sát liên tục (monitoring) trên hạ tầng cloud (AWS SageMaker, Google Vertex AI) hoặc on-premise của ngân hàng.

Đặc điểm và cơ chế

  • MLOps pipeline: Tự động hóa quy trình từ thu thập dữ liệu, training, validation đến deployment (CI/CD cho model).
  • Model interpretability: Sử dụng SHAP, LIME để giải thích quyết định của mô hình, đặc biệt quan trọng với các mô hình tín dụng.
  • Ứng dụng điển hình: Chatbot AI CSKH (NLP), robo-advisor tư vấn đầu tư, anomaly detection phát hiện giao dịch rửa tiền, eKYC xác thực sinh trắc học (eKYC theo Quyết định 2345/QĐ-NHNN).

Quy định pháp luật liên quan

MLE Ngân hàng phải tuân thủ Quyết định 2345/QĐ-NHNN ngày 18/12/2023 về triển khai giải pháp an toàn bảo mật trong thanh toán trực tuyến, yêu cầu mô hình AI phải giải thích được (explainable AI). Đồng thời phải tuân thủ Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân, đặc biệt khi xử lý dữ liệu sinh trắc học (vân tay, khuôn mặt) trong eKYC.

Ví dụ thực tế

Tại Techcombank, MLE triển khai mô hình fraud detection xử lý 5 triệu giao dịch/ngày với độ trễ dưới 50ms, tỷ lệ false positive dưới 0,1%, giúp tiết kiệm chi phí xác minh thủ công hơn 200 tỷ đồng/năm.