Chuyên viên chính/ Chuyên viên cao cấp Vận hành Mô hình - Khối Công nghệ thông tin

Theo yêu cầu của TPBank, vị trí CVC/CVCC yêu cầu ưu tiên 3 năm kinh nghiệm MLOps hoặc 2 năm kinh nghiệm DevOps/SE/Data Engineering. Nếu em mới ra trường, vị trí này chưa phù hợp. Tuy nhiên, em có thể:

1. Ứng tuyển các vị trí fresher/junior ML Engineer để tích lũy 2-3 năm kinh nghiệm
2. Trong thời gian học, làm các project MLOps cá nhân (train model + deploy + monitor)
3. Tham gia cộng đồng MLOps Việt Nam, đóng góp open source
4. Lấy chứng chỉ như Google ML Engineer hoặc AWS ML Specialty

Em cũng nên theo dõi các chương trình Fresher/Intern của ngân hàng - thường có vào mùa hè và đầu năm.

Cơ hội rất tốt! Theo JD của TPBank, ứng viên có 2 năm kinh nghiệm DevOps/SE/Data Engineering và có hứng thú chuyển hướng sang MLOps hoàn toàn phù hợp. Bạn đã có nền tảng vững:

• Linux, Bash scripting ✓
• CI/CD pipeline ✓
• Docker, Kubernetes (nếu có) ✓
• Monitoring, logging ✓

Để tăng cơ hội, bạn cần bổ sung:

• Python nâng cao cho ML (pandas, scikit-learn)
• SQL - xử lý data warehouse
• Airflow - workflow orchestration
• ML concepts cơ bản - hiểu model lifecycle
• Cloud ML services - SageMaker, Vertex AI

Lời khuyên: Làm 1-2 project cá nhân về MLOps trước khi ứng tuyển, ví dụ: train một credit scoring model đơn giản, deploy lên cloud, monitor performance. Điều này sẽ rất ấn tượng trong CV.

Mức lương MLOps tại ngân hàng Việt Nam khá cạnh tranh so với mặt bằng chung. Tham khảo ước lượng (mức lương có thể thay đổi tùy ngân hàng và thời điểm):

• Junior (0-2 năm): 15-25 triệu VNĐ/tháng
• Mid-level (2-5 năm): 25-50 triệu VNĐ/tháng
• Senior (5-8 năm): 50-90 triệu VNĐ/tháng
• Lead/Principal (8+ năm): 90-150+ triệu VNĐ/tháng

Các yếu tố ảnh hưởng:

• Ngân hàng lớn (Vietcombank, Techcombank, TPBank) thường trả cao hơn
• Có kinh nghiệm banking domain được cộng thêm
• Chứng chỉ quốc tế (AWS, GCP) giúp negotiate tốt hơn
• Ngoài lương còn có: thưởng Tết (1-3 tháng lương), BHXH full, 13th month salary, premium healthcare

Vị trí CVC/CVCC tại TPBank mức lương thỏa thuận - bạn nên tham khảo mặt bằng chung rồi đề xuất cao hơn 10-20% nếu có kinh nghiệm tốt.

Khác biệt đáng kể! MLOps trong ngân hàng có những đặc thù riêng:

1. Compliance & Regulation:

• Phải tuân thủ quy định SBV, Basel III
• Model phải explainable (giải thích được quyết định)
• Audit trail đầy đủ - ai thay đổi model khi nào
• Data security cực kỳ nghiêm ngặt

2. Use cases đặc thù:

• Credit scoring (chấm điểm tín dụng)
• Fraud detection (phát hiện gian lận)
• Anti-money laundering (chống rửa tiền)
• Customer churn prediction
• Marketing campaign optimization

3. Quy trình chậm hơn:

• Mọi thay đổi phải qua governance, risk, compliance
• Release cycle có thể 1-3 tháng thay vì 1-2 tuần
• Nhiều documentation, approval hơn

4. Ưu điểm:

• Data rất phong phú, chất lượng cao
• Budget cho công nghệ tốt
• Ảnh hưởng đến hàng triệu khách hàng
• Job security cao

5. Nhược điểm:

• Đổi mới chậm hơn startup
• Ít quyền quyết định công nghệ
• Có thể nhàm chán nếu thích thử cái mới

Bạn hoàn toàn phù hợp, không hề overqualified! Lý do:

1. Vị trí là CVC/CVCC - đây là cấp Senior/Principal, cần người có kinh nghiệm sâu
2. JD ưu tiên 3 năm MLOps HOẶC 2 năm DevOps/SE/Data Engineering - bạn đáp ứng cả hai
3. Data Engineering là nền tảng quan trọng cho MLOps - hiểu data pipeline sẽ giúp bạn học ML Ops nhanh hơn

Tuy nhiên, để tăng cơ hội, bạn nên:

• Highlight kinh nghiệm gần với MLOps:

+ Đã xây dựng pipeline nào cho ML model?
+ Có kinh nghiệm với Airflow, MLflow?
+ Đã deploy model lên production?

• Học thêm về ML model:

+ Hiểu model lifecycle (train → deploy → monitor → retrain)
+ Biết về model monitoring, drift detection
+ Feature store, model registry

• Trong CV: Đặt phần MLOps lên đầu, làm nổi bật các project có yếu tố ML

Với 5 năm kinh nghiệm, bạn có thể negotiate mức lương ở top range (50-70 triệu).

MLOps (Machine Learning Operations) là việc kết hợp giữa Machine Learning và DevOps - tập trung vào việc vận hành, triển khai và bảo trì ML models trong production. So sánh 3 vai trò:

Data Scientist:

• Tập trung vào phân tích dữ liệu, xây dựng model
• Thường làm Jupyter notebook
• Ít quan tâm đến production
• Output: Notebook, báo cáo, model prototype

ML Engineer:

• Cầu nối giữa Data Science và Engineering
• Code hóa model từ notebook
• Tối ưu performance
• Output: Production-ready model code

MLOps Engineer:

• Triển khai, vận hành model trong production
• Xây dựng pipeline tự động (train, deploy, monitor)
• Infrastructure: Docker, K8s, Cloud
• Monitoring: Detect drift, alert khi có vấn đề
• Output: Hệ thống MLOps platform ổn định

Ví dụ thực tế:

• Data Scientist tạo model dự đoán churn với accuracy 90%
• ML Engineer chuyển model thành API service
• MLOps Engineer đảm bảo:

+ Model tự động retrain khi data mới
+ Accuracy không giảm theo thời gian
+ API response < 100ms
+ Auto scale khi traffic tăng
+ Rollback nếu có lỗi

Đây là lĩnh vực rất hot hiện nay, đặc biệt trong banking!

TPBank là một trong những ngân hàng tiên phong về chuyển đổi số tại Việt Nam:

Chiến lược số hóa mạnh mẽ:

• LiveBank - ngân hàng số đầu tiên tại VN (cho phép mở tài khoản online 100%)
• TPBank app với nhiều tính năng AI
• Đầu tư lớn vào data, AI, automation
• Được đánh giá là ngân hàng số hóa tốt nhất trong top các NHTMCP tư nhân

Cơ hội phát triển cho vị trí MLOps:

1. Làm việc với nhiều use case ML:

• Credit scoring
• Fraud detection
• Customer segmentation
• Recommendation system
• Risk management

2. Tech stack hiện đại:

• TPBank thường xuyên cập nhật công nghệ mới
• Có đội ngũ tech mạnh

3. Văn hóa đổi mới:

• "Đã nói là làm" - văn hóa execution
• Khuyến khích sáng tạo

4. Lộ trình thăng tiến rõ ràng:

• Có thể lên Lead, Manager trong 3-5 năm
• Cơ hội chuyển sang các vị trí quản lý cao hơn

So sánh với các ngân hàng khác:

• Techcombank cũng đầu tư mạnh về AI
• VPBank, MBBank đang bắt kịp
• TPBank có lợi thế tiên phong

Nếu bạn thích môi trường năng động, sáng tạo trong ngân hàng thì TPBank là lựa chọn tốt.