ARTIFICIAL INTELLIGENCE (AI) DATA SPECIALIST (L7)
Chuyên gia dữ liệu Trí tuệ nhân tạo (AI) (Bậc 7)
Khám phá các giải pháp trí tuệ nhân tạo mới sử dụng dữ liệu để cải thiện và tự động hóa quy trình kinh doanh.
Mã SOC 2020
Level 7 RQF
Chi tiết của tiêu chuẩn
Chuyên gia dữ liệu Trí tuệ nhân tạo (AI)
Tóm tắt
Nghề nghiệp này có mặt trong hầu hết các lĩnh vực hoặc tổ chức xử lý các bộ dữ liệu lớn hoặc phức tạp bằng các phương pháp tính toán tiên tiến, bao gồm: Nông nghiệp, Môi trường, Kinh doanh, Giải trí, Du lịch, Nhà hàng – Khách sạn, Giáo dục, Dịch vụ công, Xây dựng, Sáng tạo & Thiết kế, Truyền thông, Kỹ thuật, Công nghệ, Sản xuất, Y tế, Khoa học, Pháp lý, Tài chính, Kế toán, Bán hàng, Marketing, Thu mua, Vận tải và Logistics.
Mục tiêu tổng quát của nghề nghiệp này là khám phá và xây dựng các giải pháp AI dựa trên dữ liệu nhằm tự động hóa, tối ưu hóa quy trình kinh doanh và hỗ trợ, nâng cao chất lượng ra quyết định của con người. Chuyên gia AI Data thực hiện nghiên cứu ứng dụng để tạo ra các giải pháp AI sáng tạo phù hợp với bối cảnh tổ chức. Họ xử lý những bộ dữ liệu quá lớn, quá phức tạp hoặc thay đổi quá nhanh khiến các phương pháp truyền thống không còn phù hợp.
Họ là lực lượng tiên phong thúc đẩy ứng dụng AI trong tổ chức, giới thiệu các công cụ và công nghệ mới phù hợp với khung quản trị dữ liệu và các chuẩn mực đạo đức. Họ mang lại sản phẩm và quy trình có giá trị cao hơn bằng cách nâng cao việc sử dụng dữ liệu, machine learning và AI; đồng thời cải thiện chất lượng và giá trị của dữ liệu trong tổ chức và toàn ngành. Họ giao tiếp với lãnh đạo nội bộ và các đối tác bên ngoài. Trong công việc hằng ngày, họ làm việc với Lãnh đạo cấp cao, Nhà khoa học dữ liệu, Kỹ sư dữ liệu, Nhà thống kê, Chuyên viên phân tích, Nhà khoa học R&D, Giảng viên học thuật, cơ quan chính phủ, doanh nghiệp và các nhóm không chuyên môn. Họ làm việc độc lập hoặc theo nhóm tùy nhu cầu và báo cáo cho Trưởng bộ phận dữ liệu, Kiến trúc sư trưởng, Giám đốc, Quản lý sản phẩm hoặc các lãnh đạo cấp cao khác. Họ chủ động khởi xướng dự án mới trong môi trường Agile và duy trì các tiêu chuẩn kỹ thuật cho các giải pháp AI trong toàn tổ chức. Họ dẫn dắt nghiên cứu AI và phối hợp với bộ phận chính sách – vận hành để xác định các cơ hội ứng dụng AI nhằm tạo ra giá trị, hiệu quả và cơ hội kinh doanh mới.
Các chức danh công việc điển hình bao gồm
Quản lý Chiến lược AI (AI Strategy Manager):
Chịu trách nhiệm định hình định hướng chiến lược về trí tuệ nhân tạo của tổ chức. Họ phân tích xu hướng thị trường, xác định cơ hội tích hợp AI và bảo đảm sự phù hợp giữa các sáng kiến công nghệ với mục tiêu kinh doanh.
Kỹ sư Trí tuệ Nhân tạo (Artificial Intelligence Engineer):
Thiết kế, phát triển và triển khai các hệ thống và thuật toán AI. Họ làm việc với các tập dữ liệu lớn, xây dựng mô hình thông minh và tích hợp khả năng AI vào ứng dụng để giải quyết các vấn đề thực tiễn.
Chuyên gia Trí tuệ Nhân tạo (Artificial Intelligence Specialist):
Tập trung ứng dụng các kỹ thuật AI để giải quyết những vấn đề kinh doanh hoặc kỹ thuật cụ thể. Họ hỗ trợ phát triển giải pháp AI, tối ưu hóa mô hình và triển khai hệ thống nhằm nâng cao hiệu suất và hiệu quả.
Giám đốc AI (Director of AI):
Lãnh đạo chiến lược AI toàn doanh nghiệp và lộ trình đổi mới. Họ quản lý các nhóm chuyên gia, giám sát danh mục dự án và bảo đảm việc ứng dụng AI có trách nhiệm và hiệu quả ở cấp lãnh đạo cao nhất.
Kỹ sư Máy học (Machine Learning Engineer):
Xây dựng các pipeline machine learning, huấn luyện mô hình dự đoán và đảm bảo khả năng mở rộng, độ tin cậy khi đưa vào môi trường vận hành. Họ kết hợp kỹ năng lập trình nâng cao với năng lực khoa học dữ liệu.
Chuyên gia Máy học (Machine Learning Specialist):
Tập trung thiết kế, kiểm thử và cải tiến các thuật toán máy học. Họ phối hợp chặt chẽ với các chuyên gia dữ liệu để tạo ra các mô hình hỗ trợ tự động hóa, ra quyết định và nâng cao chất lượng sản phẩm.
Những nhà tuyển dụng tham gia xây dựng tiêu chuẩn
British Broadcasting Corporation, Public Health England, Bank of England, Royal Mail Group, Unilever, TUI, Aviva, Shop Direct, Defence Science Technology Laboratory – MOD, Ericsson, First Response Finance LTD, GlaxoSmithKline, AstraZeneca, EasyJet, BT, Barclays, Machinable, Office of National Statistics, UBS
Kiến thức (Knowledge)
K1: Cách sử dụng các phương pháp AI và máy học như khai phá dữ liệu, học máy có giám sát/không giám sát, xử lý ngôn ngữ tự nhiên và thị giác máy tính để đáp ứng mục tiêu kinh doanh.
K2: Cách áp dụng các giải pháp lưu trữ dữ liệu hiện đại, công nghệ xử lý và phương pháp máy học để tối đa hóa tác động cho tổ chức thông qua việc rút ra kết luận từ nghiên cứu ứng dụng.
K3: Cách áp dụng các phương pháp thống kê và toán học nâng cao vào các dự án thương mại.
K4: Cách trích xuất dữ liệu từ các hệ thống và liên kết dữ liệu từ nhiều hệ thống khác nhau để đáp ứng mục tiêu kinh doanh.
K5: Cách thiết kế và triển khai các kỹ thuật phân tích dữ liệu và nghiên cứu nhằm đáp ứng nhu cầu của doanh nghiệp và khách hàng.
K6: Cách xây dựng và cung cấp các sản phẩm dữ liệu nhằm thu hút khách hàng, tổ chức thông tin hoặc giải quyết vấn đề kinh doanh bằng nhiều phương pháp, bao gồm phát triển lặp – tăng trưởng và các cách tiếp cận quản lý dự án.
K7: Cách giải quyết vấn đề và đánh giá giải pháp phần mềm thông qua phân tích dữ liệu kiểm thử và kết quả từ nghiên cứu, đánh giá tính khả thi, khả năng chấp nhận và thử nghiệm khả dụng.
K8: Cách diễn giải các chính sách, tiêu chuẩn và hướng dẫn của tổ chức liên quan đến AI và dữ liệu.
K9: Các khung pháp lý, đạo đức, chuyên môn và quy định hiện tại hoặc tương lai ảnh hưởng đến phát triển, triển khai và cải tiến liên tục các sản phẩm và dịch vụ dữ liệu.
K10: Vai trò của bản thân phù hợp và hỗ trợ chiến lược cũng như mục tiêu của tổ chức như thế nào.
K11: Vai trò và tác động của AI, khoa học dữ liệu và kỹ thuật dữ liệu trong ngành công nghiệp và xã hội.
K12: Bối cảnh xã hội rộng hơn của AI, khoa học dữ liệu và các công nghệ liên quan để đánh giá tác động kinh doanh của các vấn đề đạo đức hiện nay như tự động hóa và lạm dụng dữ liệu.
K13: Cách xác định những đánh đổi và thỏa hiệp cần thiết khi chuyển lý thuyết thành thực tiễn trong môi trường làm việc.
K14: Giá trị kinh doanh của một sản phẩm dữ liệu đáp ứng nhu cầu doanh nghiệp, tiêu chuẩn chất lượng và tiến độ.
K15: Các nguyên lý kỹ thuật (chung và phần mềm) được sử dụng để nghiên cứu, quản lý thiết kế, phát triển và triển khai các sản phẩm dữ liệu mới trong doanh nghiệp.
K16: Hiểu kiến trúc máy tính hiệu năng cao và cách sử dụng chúng một cách hiệu quả.
K17: Cách xác định xu hướng hiện tại trong lĩnh vực AI và khoa học dữ liệu và cách áp dụng chúng.
K18: Các ngôn ngữ lập trình và kỹ thuật áp dụng cho kỹ thuật dữ liệu.
K19: Các nguyên lý và thuộc tính của các phương pháp thống kê và máy học.
K20: Cách thu thập, lưu trữ, phân tích và trực quan hóa dữ liệu.
K21: Cách kỹ thuật AI và khoa học dữ liệu hỗ trợ và nâng cao công việc của các thành viên khác trong nhóm.
K22: Mối quan hệ giữa các nguyên lý toán học và các kỹ thuật cốt lõi trong AI và khoa học dữ liệu trong bối cảnh tổ chức.
K23: Việc sử dụng các chỉ số hiệu suất và độ chính xác khác nhau trong việc xác thực mô hình AI.
K24: Các nguồn gây sai lệch và thiên lệch, bao gồm cách chúng bị ảnh hưởng bởi lựa chọn bộ dữ liệu và phương pháp áp dụng.
K25: Các ngôn ngữ lập trình và thư viện máy học hiện đại phục vụ phân tích và mô phỏng khoa học mang lại lợi ích thương mại.
K26: Phương pháp khoa học và cách áp dụng trong nghiên cứu và trong bối cảnh kinh doanh, bao gồm thiết kế thí nghiệm và kiểm định giả thuyết.
K27: Các nguyên lý kỹ thuật (chung và phần mềm) dùng để tạo ra công cụ và ứng dụng mới phục vụ thu thập dữ liệu.
K28: Cách truyền đạt khái niệm và trình bày phù hợp với các nhóm đối tượng đa dạng, điều chỉnh kỹ thuật giao tiếp khi cần.
K29: Nhu cầu về khả năng tiếp cận cho tất cả người dùng và sự đa dạng trong nhu cầu của người dùng.
Kỹ năng (Skills)
S1: Sử dụng nghiên cứu ứng dụng và mô hình hóa dữ liệu để thiết kế và cải thiện kiến trúc cơ sở dữ liệu & lưu trữ, nhằm cung cấp các sản phẩm dữ liệu an toàn, ổn định và có khả năng mở rộng cho doanh nghiệp.
S2: Tự phân tích dữ liệu thử nghiệm, diễn giải kết quả và đánh giá mức độ phù hợp của các giải pháp được đề xuất, có xét đến yêu cầu kinh doanh hiện tại và tương lai.
S3: Đánh giá phản biện các lập luận, giả định, khái niệm trừu tượng và dữ liệu (có thể không đầy đủ) để đưa ra khuyến nghị và xây dựng giải pháp hoặc bộ giải pháp cho doanh nghiệp.
S4: Truyền đạt các khái niệm và trình bày theo cách phù hợp với nhiều đối tượng khác nhau, điều chỉnh kỹ thuật giao tiếp khi cần.
S5: Quản lý kỳ vọng và trình bày kết quả nghiên cứu người dùng, các giải pháp đề xuất và/hoặc kết quả thử nghiệm cho khách hàng và các bên liên quan.
S6: Cung cấp định hướng và hướng dẫn kỹ thuật cho doanh nghiệp liên quan đến cơ hội AI và khoa học dữ liệu.
S7: Làm việc độc lập và tương tác hiệu quả trong các nhóm đa ngành rộng lớn.
S8: Điều phối, đàm phán và quản lý kỳ vọng của các bên liên quan và nhà cung cấp đa dạng, có ưu tiên, lợi ích và thời gian khác nhau.
S9: Xử lý, phân tích và trực quan hóa các bộ dữ liệu phức tạp.
S10: Lựa chọn bộ dữ liệu và phương pháp phù hợp nhất với vấn đề kinh doanh.
S11: Ứng dụng các yếu tố toán học và thống kê nâng cao liên quan đến AI và khoa học dữ liệu nhằm tạo ra kết quả kinh doanh.
S12: Xem xét các vấn đề pháp lý, quy định, đạo đức và quản trị khi đánh giá lựa chọn ở từng giai đoạn của quy trình dữ liệu.
S13: Xác định nguồn lực và kiến trúc phù hợp để giải quyết một vấn đề tính toán trong môi trường làm việc.
S14: Hợp tác với kỹ sư phần mềm để đảm bảo quy trình kiểm thử và tài liệu hóa phù hợp được triển khai.
S15: Phát triển, xây dựng và duy trì các dịch vụ và nền tảng hỗ trợ AI và khoa học dữ liệu.
S16: Xác định yêu cầu và giám sát triển khai hạ tầng quản lý dữ liệu, bao gồm tài nguyên và dịch vụ điện toán doanh nghiệp, đám mây riêng và đám mây công cộng.
S17: Thực hiện nhất quán việc thu thập, chuẩn hóa và kiểm soát chất lượng dữ liệu.
S18: Phát triển các công cụ trực quan hóa hệ thống và cấu trúc dữ liệu nhằm phục vụ giám sát và đánh giá hiệu suất.
S19: Sử dụng hạ tầng có khả năng mở rộng, mạng hiệu suất cao và quản lý – vận hành dịch vụ để tạo ra giải pháp kinh doanh hiệu quả.
S20: Thiết kế các thuật toán hiệu quả để truy cập và phân tích lượng lớn dữ liệu, bao gồm sử dụng API để kết nối nhiều cơ sở dữ liệu và tập dữ liệu khác nhau.
S21: Xác định và định lượng các loại bất định khác nhau trong kết quả của quá trình thu thập dữ liệu, thí nghiệm và phân tích.
S22: Áp dụng phương pháp khoa học theo quy trình hệ thống thông qua thiết kế thí nghiệm, phân tích dữ liệu khám phá và kiểm định giả thuyết để hỗ trợ ra quyết định kinh doanh.
S23: Phổ biến các thực hành AI và khoa học dữ liệu giữa các phòng ban và trong ngành, thúc đẩy phát triển chuyên môn và sử dụng thực hành tốt nhất.
S24: Áp dụng phương pháp nghiên cứu và kỹ thuật quản lý dự án phù hợp với tổ chức và sản phẩm.
S25: Lựa chọn và sử dụng các ngôn ngữ lập trình và công cụ phù hợp, đồng thời tuân theo thực hành phát triển phần mềm chuẩn.
S26: Lựa chọn và áp dụng các kỹ thuật AI và khoa học dữ liệu hiệu quả nhất để giải quyết các vấn đề kinh doanh phức tạp.
S27: Phân tích thông tin, xây dựng câu hỏi và thảo luận với chuyên gia lĩnh vực; đánh giá dữ liệu hiện có để xác định yêu cầu AI và khoa học dữ liệu mới.
S28: Đưa ra quyết định độc lập, khách quan, tôn trọng quan điểm của người khác trong các tình huống phức tạp, khó lường và thay đổi liên tục.