Data Scientist

1 day ago

Bangkok, ไทย ttb bank เต็มเวลา

ฟรีด้วยอีเมลหรือ Google

บันทึกงานนี้และจัดระเบียบการค้นหาของคุณ

สร้างบัญชีฟรีเพื่อบันทึกงาน สร้างการแจ้งเตือน และกลับมาที่รายการนี้จากแดชบอร์ดของคุณ

บันทึกงาน บันทึกและสร้างการแจ้งเตือน

ฟรีด้วยอีเมลหรือ Google

เมื่อดำเนินการต่อ แสดงว่าคุณยอมรับ ข้อกำหนด & นโยบายความเป็นส่วนตัว.

Job summary Data Scientist / GenAI Specialist to lead the applied AI work for GenAI and LLM use cases and own the model quality of each solution from proof-of-concept through stabilization. This role covers feasibility, prompt engineering, RAG tuning, fine-tuning decisions, evaluation design, and continuous model-quality improvement. Working within the AI Centre of Excellence, the ideal candidate pairs strong hands-on data-science craft with the rigout to measure and reduce hallucination, bias, and toxicity, define quality SLOs, and produce the evidence a model-risk reviewer needs in a regulated banking environment.

Job description
• Leads proof-of-concept feasibility, rapid prototyping, and value-hypothesis validation for GenAI use cases.
• Designs and implements prompt engineering, few-shot strategies, chain-of-thought, and agent reasoning patterns.
• Tunes RAG components: chunking, embeddings, retrievers, re-rankers, and context-window strategy.
• Decides fine-tuning versus prompting versus tool-use trade-offs, and selects base models and adapter strategies.
• Designs evaluation frameworks: offline evals, LLM-as-judge, human-in-the-loop review, A/B testing, and red-teaming.
• Measures and reduces hallucination, bias, and toxicity, and defines quality SLOs per use case (accuracy, hallucination, bias, toxicity).
• Documents model cards, evaluation reports, and assumptions for model-risk review.
• Partners with Data Engineers on data quality, curation, and annotation, and monitors production model quality and drift.
• Iteratively improves prompts, retrievers, and evaluation hooks, contributing to reusable eval pipelines and prompt/RAG libraries.
• Experiments with new models, prompts, and retrieval strategies, and applies methodologies aligned with quality SLOs and Responsible-AI goals. Qualifications
• Bachelor's or Master's degree in Computer Science, Data Science, Statistics, Machine Learning, or a related quantitative field (Master's preferred).
• 5+ years of data-science / machine-learning experience, with demonstrated hands-on LLM/GenAI delivery.
• Strong Python and the ML/AI ecosystem: PyTorch or TensorFlow, Hugging Face, scikit-learn, pandas/NumPy, and notebook workflows.
• Practical experience with prompt engineering, RAG (chunking, embeddings, retrievers, re-rankers), and agent patterns.
• Experience designing evaluation — offline evals, LLM-as-judge, human-in-the-loop, A/B testing, and red-teaming — with frameworks such as Ragas or DeepEval.
• Understanding of fine-tuning approaches (LoRA/PEFT) and their trade-offs versus prompting and tool-use.
• Ability to define and measure model-quality metrics and to write clear model cards and evaluation reports.
• Solid grasp of Responsible AI, bias, and drift monitoring; exposure to model-risk validation is an advantage.
• Experience with Azure OpenAI / Azure AI Foundry, Azure Machine Learning, and Azure AI Search is preferred.
• Comfortable working in an Agile / Scrum environment.

Data Scientist

บันทึกงานนี้และจัดระเบียบการค้นหาของคุณ

งานคล้ายกันใน Bangkok

เมืองหลัก

อเมริกา

ยุโรป

เอเชีย / โอเชียเนีย

แอฟริกา

Data Scientist

บันทึกงานนี้และจัดระเบียบการค้นหาของคุณ

งานคล้ายกันใน Bangkok

เมืองหลัก