AI/ML Engineer (MarTech & Graph Data)

Job description

ออกแบบและพัฒนา ML/AI Solution สำหรับ MarTech วิเคราะห์ความต้องการทางธุรกิจของ MarTech และแปลงให้เป็นโจทย์ทาง Machine Learning ที่ชัดเจน ออกแบบ พัฒนา ฝึกฝน (Train) และปรับแต่ง (Fine-tune) โมเดล AI/ML (ทั้งแบบ Supervised, Unsupervised, และ Graph Neural Networks - GNNs) เพื่อใช้ในการวิเคราะห์ข้อมูลการตลาดภายในองค์กร

Qualifications

• การศึกษา: วุฒิการศึกษาระดับปริญญาตรีหรือสูงกว่า ในสาขาที่เกี่ยวข้อง เช่น วิทยาการคอมพิวเตอร์ (Computer Science), วิศวกรรมศาสตร์ (Engineering), สถิติ (Statistics), คณิตศาสตร์ประยุกต์ (Applied Mathematics), หรือสาขาอื่นที่เกี่ยวข้อง

• ประสบการณ์: มีประสบการณ์การทำงานโดยตรงในฐานะ AI/ML Engineer, Data Scientist, หรือบทบาทที่คล้ายคลึงกัน อย่างน้อย 1-3 ปี (สำหรับระดับ Mid-to-Senior) โดยมีประสบการณ์ในการนำโมเดลเข้าสู่ระบบการผลิตจริง (Production)

• ภาษาโปรแกรม: เชี่ยวชาญ ภาษา Python รวมถึงความสามารถในการเขียนโค้ดที่มีคุณภาพและสามารถนำไปใช้ซ้ำได้ (Production-grade code)

• Machine Learning library: เชี่ยวชาญในการใช้ไลบรารีหลัก เช่น Scikit-learn, Pandas, NumPy

• Deep Learning framework: มีประสบการณ์การทำงานกับเฟรมเวิร์กอย่าง TensorFlow หรือ PyTorch โดยเฉพาะอย่างยิ่งในการพัฒนาโมเดลสำหรับงานแนะนำ (Recommendation) หรือการวิเคราะห์เครือข่าย (Graph Analysis)

• MLOps & Deployment: มีประสบการณ์ในการพัฒนา ML Pipelines โดยใช้เครื่องมือ เช่น Airflow, Kubeflow, หรือ Metaflow และเข้าใจกระบวนการ CI/CD

• Graph Database: มีประสบการณ์ตรง และความเข้าใจอย่างลึกซึ้งในการทำงานกับ Neo4j Graph Database หรือ Graph Database อื่นๆ ในระดับ Production

• Cypher Query: เชี่ยวชาญการเขียน Cypher Query Language สำหรับการดึงข้อมูล การอัปเดต และการจัดการกราฟที่ซับซ้อน

• Graph Modeling: สามารถออกแบบและปรับปรุง Graph Schema และ Graph Data Model เพื่อสะท้อนความสัมพันธ์ทางธุรกิจ MarTech ได้อย่างมีประสิทธิภาพ

• Graph Algorithms: มีความรู้และประสบการณ์ในการประยุกต์ใช้ Graph Data Science (GDS) Algorithms ของ Neo4j (เช่น PageRank, Louvain, Betweenness Centrality, Node Embeddings) เพื่อใช้เป็น Feature Engineering ในโมเดล ML

• มีความเข้าใจในแนวคิดและข้อมูลทางด้านการตลาด เช่น Customer 360, Customer Journey, Personalization, Segmentation, Customer Lifetime Value (CLV) และการวิเคราะห์พฤติกรรมลูกค้า

• ประสบการณ์ในการพัฒนาโมเดลเพื่อแก้ไขปัญหา MarTech โดยเฉพาะ เช่น Recommendation Systems, Churn Prediction, Campaign Optimization, หรือ Attribution Modeling

• Cloud Platforms: ประสบการณ์ในการทำงานกับบริการ Cloud Computing (เช่น AWS SageMaker, GCP AI Platform, หรือ Azure ML Studio)

• Data Engineering Basics: เข้าใจพื้นฐานการประมวลผลข้อมูล (Data Processing) และ ETL/ELT pipeline

• การสื่อสาร: มีทักษะการนำเสนอและสื่อสารแนวคิดทางเทคนิคที่ซับซ้อนให้แก่ผู้ที่ไม่มีพื้นฐานทางเทคนิค (Business Stakeholders) ได้อย่างชัดเจนและมีประสิทธิภาพ

Responsibilities

• ออกแบบและพัฒนา ML/AI Solution สำหรับ MarTech: วิเคราะห์ความต้องการทางธุรกิจของ MarTech (เช่น Personalized Recommendations, Customer Segmentation, Predictive Lifetime Value (LTV), Anomaly/Fraud Detection) และแปลงให้เป็นโจทย์ทาง Machine Learning ที่ชัดเจน ออกแบบ พัฒนา ฝึกฝน (Train) และปรับแต่ง (Fine-tune) โมเดล AI/ML (ทั้งแบบ Supervised, Unsupervised, และ Graph Neural Networks - GNNs) เพื่อใช้ในการวิเคราะห์ข้อมูลการตลาดภายในองค์กร

• การจัดการข้อมูลกราฟ (Graph Data Management): ทำงานอย่างใกล้ชิดกับทีม Data Engineering เพื่อออกแบบ Graph Schema และ Graph Data Model ที่เหมาะสมในฐานข้อมูล Neo4j เพื่อรองรับความสัมพันธ์ของข้อมูลที่ซับซ้อน พัฒนาและปรับปรุงประสิทธิภาพของ Cypher Query เพื่อดึงข้อมูลสำหรับกระบวนการฝึกฝนโมเดล (Model Training) และการทำนายผล (Inference) ประยุกต์ใช้ Graph Data Science (GDS) Algorithms ของ Neo4j เช่น Centrality, Community Detection, Link Prediction, และ Node Embedding เพื่อสร้าง Feature ใหม่ๆ สำหรับโมเดล ML

• การนำโมเดลเข้าสู่ระบบการผลิต (MLOps & Deployment): พัฒนา ML Pipelines ที่ทำงานอัตโนมัติ (Automated) ตั้งแต่การเตรียมข้อมูล (Feature Engineering) การฝึกฝนโมเดล (Training) จนถึงการนำไปใช้งานจริง (Deployment) นำโมเดลที่ผ่านการฝึกฝนไปติดตั้งในสภาพแวดล้อม Product Internal ของบริษัท เพื่อให้สามารถทำนายผลแบบ Real-time หรือ Near Real-time ได้อย่างมีประสิทธิภาพ เฝ้าติดตาม (Monitor) ประสิทธิภาพของโมเดลที่ใช้งานจริง และปรับปรุง (Retrain) เมื่อพบว่าประสิทธิภาพลดลง (Model Drift)

Benefits

ประกันสุขภาพ, โบนัส, Birthday Leave