Chuyên viên cao cấp/Chuyên viên chính Phân tích dữ liệu nâng cao (Data Scientist)– Khối Công nghệ thông tin

## Lộ trình Ôn thi & Chuẩn bị cho Data Scientist TPBank ### Giai đoạn 1: Tổng quan ngành Banking Data (3-5 ngày) **Kiến thức nền cần nắm:** 1. **Các bài toán Data Science phổ biến trong ngân hàng:** - Credit Scoring: Đánh giá khả năng trả nợ của khách hàng - Fraud Detection: Phát hiện giao dịch gian lận - Customer Segmentation: Phân khúc khách hàng - Churn Prediction: Dự đoán khách hàng rời bỏ - Lifetime Value Prediction: Ước tính giá trị trọn đời khách hàng - Anti-Money Laundering (AML): Phát hiện rửa tiền - Risk Management: Quản lý rủi ro tín dụng 2. **Regulations quan trọng:** - Basel II/III (về quản lý rủi ro) - Vietnam cybersecurity law - PDPA (Data Protection) 3. **Tài liệu đọc:** - "Credit Risk Analytics" - cơ bản về credit scoring - Blog của TPBank về công nghệ - Báo cáo tài chính TPBank (2022-2024) ### Giai đoạn 2: Ôn kỹ thuật - Python & SQL (5-7 ngày) **Python - Topics cần ôn:** ```python # 1. Data manipulation import pandas as pd import numpy as np # Đọc và xử lý dữ liệu df = pd.read_csv('data.csv') df.groupby('column').agg({'value': 'sum', 'count': 'mean'}) df.pivot_table(index='A', columns='B', values='C') # 2. Feature engineering from sklearn.preprocessing import StandardScaler, LabelEncoder from sklearn.model_selection import train_test_split # 3. Machine Learning cơ bản from sklearn.linear_model import LogisticRegression from sklearn.ensemble import RandomForest, GradientBoosting from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score # 4. Handling imbalanced data from imblearn.over_sampling import SMOTE from imblearn.under_sampling import RandomUnderSampler # 5. SQL advanced -- Window functions SELECT customer_id, transaction_date, amount, SUM(amount) OVER (PARTITION BY customer_id ORDER BY transaction_date) as running_total FROM transactions; -- CTE WITH monthly_stats AS ( SELECT DATE_TRUNC('month', created_at) as month, COUNT(*) as total_transactions, SUM(amount) as total_amount FROM transactions GROUP BY 1 ) SELECT * FROM monthly_stats WHERE total_amount > 1000000; ``` **SQL Practice Resources:** - LeetCode: 20-30 bài SQL (tập trung window functions, JOINs phức tạp) - HackerRank: SQL intermediate ### Giai đoạn 3: Machine Learning & Statistics (5-7 ngày) **Các khái niệm cần nắm chắc:** 1. **Supervised Learning:** - Classification: Logistic Regression, Decision Tree, Random Forest, XGBoost, Neural Network - Regression: Linear Regression, Ridge, Lasso, XGBoost Regressor - Metrics: Accuracy, Precision, Recall, F1, ROC-AUC, PR-AUC 2. **Unsupervised Learning:** - Clustering: K-means, DBSCAN, Hierarchical - Dimensionality Reduction: PCA, t-SNE 3. **Model Evaluation:** - Cross-validation (k-fold) - Train/validation/test split - Confusion matrix - Bias-Variance tradeoff - Overfitting vs Underfitting 4. **ML trong Banking cần hiểu sâu:** - Credit Scoring: AUC > 0.75 là acceptable, > 0.80 là good - Feature importance để giải thích cho compliance - Model monitoring trong production **Case Study để ôn:** - "Build a fraud detection model với imbalanced data 1:1000" - "Credit scoring cho khách hàng mới không có lịch sử" - "Churn prediction với data có nhiều missing values" ### Giai đoạn 4: Big Data Tools (3-5 ngày) **Spark/PySpark cơ bản cần biết:** ```python from pyspark.sql import SparkSession spark = SparkSession.builder.appName('BankingApp').getOrCreate() # Đọc data df = spark.read.csv('hdfs://data/transactions.csv', header=True, inferSchema=True) # Transformations result = df.groupBy('customer_segment').agg( {'transaction_amount': 'sum', 'id': 'count'} ).filter('count > 1000') # ML with Spark MLlib from pyspark.ml.classification import LogisticRegression from pyspark.ml.feature import VectorAssembler ``` **Kafka basics:** - Hiểu concept producer/consumer - Real-time streaming cho fraud detection - Offset và consumer group ### Giai đoạn 5: Chuẩn bị Behavioral & Soft Skills (2-3 ngày) **Các câu hỏi behavioral hay gặp:** - "Kể về lần bạn phát hiện và fix một bug nghiêm trọng trong production" - "Bạn làm thế nào khi deadline quá gấp mà model chưa ready?" - "Mô tả một project mà bạn thất bại và bài học rút ra" - "Bạn làm việc nhóm như thế nào với business stakeholders?" **STAR Method prep:** - Situation: Bối cảnh - Task: Nhiệm vụ của bạn - Action: Hành động cụ thể bạn làm - Result: Kết quả đạt được (quantified最好) ### Tài liệu tham khảo | Loại | Tài liệu | Link/Ghi chú | |------|----------|-------------| | Sách | "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" | Aurélien Géron | | Sách | "The Data Science Handbook" | Field Cady | | Course | Coursera: Deep Learning Specialization | Andrew Ng | | Course | Datacamp: Data Science for Business | Python track | | Practice | Kaggle: Credit Risk datasets | Playground competitions | | Blog | Towards Data Science (Medium) | Banking ML case studies | | Vietnam | DataScienceVN community | Facebook group | ### Lộ trình 2 tuần trước phỏng vấn **Week 1:** - Ngày 1-2: Ôn Python, pandas, SQL - Ngày 3-4: ML fundamentals, practice case study - Ngày 5-6: Big Data concepts, Spark basics - Ngày 7: Research TPBank, chuẩn bị portfolio **Week 2:** - Ngày 8-9: Mock interview (tự hỏi + trả lời như camera) - Ngày 10-11: Ôn behavioral questions, STAR stories - Ngày 12-13: Technical drill (30 phút/ngày code) - Ngày 14: Nghỉ ngơi, chuẩn bị outfit, giấy tờ **Ngày trước phỏng vấn:** - In CV, sắp xếp portfolio - Check đường đi, thời gian di chuyển - Ngủ sớm, không ôn quá khuya