MÔ TẢ CÔNG VIỆC: THỰC TẬP SINH COMPUTER VISION (COMPUTER VISION INTERN)

Tổng quan vai trò:

Chào mừng bạn đến với thế giới của những người định hình tương lai công nghệ – nơi những dòng mã (code) không chỉ là những ký tự khô khan mà là đôi mắt giúp máy tính “nhìn”, “hiểu” và “tương tác” với thế giới thực. Chúng tôi đang tìm kiếm một Thực tập sinh Computer Vision (Computer Vision Intern) đầy nhiệt huyết, đam mê và có tư duy logic sắc bén để gia nhập đội ngũ Nghiên cứu & Phát triển (R&D) Công nghệ AI của chúng tôi.

Tại vị trí này, bạn không chỉ đơn thuần là một thực tập sinh học việc, mà bạn chính là một "kiến trúc sư thị giác máy tính tương lai" – mắt xích quan trọng tham gia trực tiếp vào việc nghiên cứu, thử nghiệm và tối ưu hóa các mô hình trí tuệ nhân tạo nhằm giải quyết các bài toán thực tế đầy thách thức như: nhận diện khuôn mặt, phân tích hành vi, phân loại sản phẩm tự động, thị giác máy tính trong y tế, hay hệ thống giám sát giao thông thông minh.

Chúng tôi tin rằng, đằng sau mỗi thuật toán nhận diện chính xác là sự tỉ mỉ trong việc chuẩn bị dữ liệu, sự kiên trì khi tinh chỉnh siêu tham số (hyperparameters), và tư duy sáng tạo khi tìm kiếm giải pháp tối ưu. Nếu bạn là một sinh viên ngành Công nghệ thông tin, Khoa học dữ liệu hoặc Điện tử viễn thông, có nền tảng toán học tốt, đam mê AI và mong muốn được rèn luyện thực chiến trên các hệ thống máy chủ GPU hiệu năng cao cùng các chuyên gia hàng đầu, chúng tôi vô cùng chào đón bạn.

---

Nhiệm vụ công việc chính:

Để giúp bạn phát triển toàn diện từ lý thuyết học thuật đến thực tiễn công nghiệp, công việc của bạn tại vị trí Thực tập sinh Computer Vision sẽ được chia thành các mảng nhiệm vụ cốt lõi sau:

1. Xây dựng, Thu thập và Xử lý Tiền dữ liệu (Data Pipeline & Annotation)

Dữ liệu là dòng máu của các mô hình học sâu (Deep Learning). Nhiệm vụ đầu tiên và quan trọng nhất của bạn là đảm bảo chất lượng đầu vào cho các mô hình thị giác:
* Thu thập dữ liệu: Tham gia thu thập dữ liệu hình ảnh, video từ nhiều nguồn khác nhau (open-source datasets, camera thực tế, giả lập dữ liệu) phù hợp với yêu cầu của từng dự án cụ thể.
* Gắn nhãn dữ liệu (Data Annotation): Sử dụng thành thạo và quản lý các công cụ gắn nhãn chuyên nghiệp như CVAT, LabelImg, Labelme, Roboflow để gán nhãn cho các bài toán: Bounding Box (Object Detection), Polygon (Segmentation), Keypoints (Pose Estimation).
* Tiền xử lý ảnh (Image Preprocessing): Áp dụng các kỹ thuật xử lý ảnh truyền thống bằng thư viện OpenCV như: chuyển đổi không gian màu (RGB, HSV, Grayscale), lọc nhiễu (Gaussian, Median), cân bằng độ sáng (Histogram Equalization), hiệu chỉnh kích thước (Resizing, Cropping).
* Tăng cường dữ liệu (Data Augmentation): Sử dụng các thư viện như Albumentations, Imgaug để tạo ra các biến thể dữ liệu phong phú (xoay, lật, thay đổi độ tương phản, thêm nhiễu), giúp nâng cao khả năng tổng quát hóa của mô hình và chống hiện tượng quá khớp (overfitting).

2. Nghiên cứu, Thử nghiệm và Huấn luyện Mô hình (Model Training & R&D)

Dưới sự hướng dẫn trực tiếp của các Kỹ sư AI/Computer Vision cấp cao (Senior AI Engineers), bạn sẽ tham gia vào guồng quay công nghệ cốt lõi:
* Đọc và hiện thực hóa bài báo khoa học (Paper Implementation): Đọc hiểu các nghiên cứu mới từ các hội nghị uy tín (CVPR, ICCV, ECCV, NeurIPS) và hiện thực hóa ý tưởng bằng mã nguồn Python.
* Huấn luyện mô hình Deep Learning: Thực hiện huấn luyện (training) và tinh chỉnh (fine-tuning) các mô hình thị giác máy tính phổ biến hiện nay:
* *Phân loại ảnh (Image Classification):* ResNet, EfficientNet, MobileNet, Vision Transformers (ViT).
* *Phát hiện vật thể (Object Detection):* Các dòng YOLO (YOLOv8, YOLOv9, YOLOv10), Faster R-CNN, SSD.
* *Phân vùng hình ảnh (Image Segmentation):* Mask R-CNN, U-Net, DeepLabV3, SAM (Segment Anything Model).
* *Theo dõi vật thể (Object Tracking):* ByteTrack, DeepOCSORT.
* Thử nghiệm siêu tham số: Thực hiện các thí nghiệm thay đổi các siêu tham số (learning rate, batch size, optimizers như Adam/SGD) để tìm ra cấu hình tối ưu nhất cho mô hình.

3. Đánh giá, Kiểm thử và Tối ưu hóa hiệu năng (Evaluation & Optimization)

Một mô hình chạy tốt trên tập huấn luyện chưa chắc đã hoạt động tốt ngoài thực tế. Bạn sẽ chịu trách nhiệm:
* Đánh giá chất lượng mô hình: Sử dụng các chỉ số đo lường chuẩn hóa như Accuracy, Precision, Recall, F1-Score, IoU (Intersection over Union), mAP (mean Average Precision) để đánh giá sức mạnh của mô hình trên tập kiểm thử (Test set).
* Phân tích lỗi (Error Analysis): Xác định các trường hợp nhận diện sai (False Positives, False Negatives), tìm hiểu nguyên nhân gốc rễ (do dữ liệu nhiễu, do thiếu đặc trưng hay do kiến trúc mô hình) và đề xuất phương án khắc phục.
* Tối ưu hóa mô hình: Tìm hiểu và thực hành các kỹ thuật nén mô hình (Model Quantization, Pruning, Knowledge Distillation) và chuyển đổi định dạng mô hình (ONNX, TensorRT, OpenVINO) nhằm tăng tốc độ suy luận (Inference speed - FPS) và giảm dung lượng bộ nhớ khi triển khai trên các thiết bị phần cứng hạn chế (Edge devices như Jetson Nano, Raspberry Pi hoặc Mobile).

4. Triển khai thử nghiệm và Tích hợp hệ thống (Prototyping & Integration)

* Xây dựng API dịch vụ: Đóng gói các mô hình đã huấn luyện thành các dịch vụ Web API sử dụng các framework gọn nhẹ như FastAPI, Flask để các bộ phận khác (Backend, Frontend) có thể dễ dàng gọi và tích hợp.
* Container hóa ứng dụng: Tìm hiểu và sử dụng Docker để đóng gói môi trường chạy mô hình, đảm bảo tính nhất quán từ môi trường phát triển (Local) đến môi trường chạy thử nghiệm (Staging/Production).
* Xây dựng Demo: Phát triển các giao diện demo trực quan nhanh chóng bằng Streamlit hoặc Gradio để trình diễn kết quả nghiên cứu cho ban giám đốc hoặc khách hàng.

5. Báo cáo tiến độ, Viết tài liệu kỹ thuật & Hoạt động nhóm

* Viết tài liệu kỹ thuật: Ghi chép tài liệu rõ ràng về kiến trúc mô hình, cấu hình huấn luyện, kết quả thử nghiệm và hướng dẫn chạy mã nguồn (Readme.md) trên hệ thống Git (GitHub/GitLab).
* Báo cáo tiến độ: Tham gia các buổi họp Agile/Scrum hằng ngày (Daily stand-up) để báo cáo tiến độ, các khó khăn gặp phải (blockers) và nhận định hướng tiếp theo từ Mentor.
* Chia sẻ tri thức: Tham gia tích cực vào các buổi Tech-sharing nội bộ của bộ phận AI nhằm cập nhật các xu hướng công nghệ mới nhất.

---

Yêu cầu và điều kiện:

1. Học vấn và Kinh nghiệm:

* Trình độ học vấn: Sinh viên năm thứ 3, năm cuối hoặc mới tốt nghiệp Đại học/Sau Đại học chuyên ngành Khoa học máy tính, Công nghệ thông tin, Khoa học dữ liệu, Toán - Tin, Điện tử viễn thông, Cơ điện tử hoặc các ngành kỹ thuật có liên quan.
* Điểm số học tập: Điểm GPA tích lũy đạt từ 2.8/4.0 hoặc 7.0/10.0 trở lên là một lợi thế lớn.
* Kinh nghiệm dự án: Đã từng làm các bài tập lớn, đồ án tốt nghiệp hoặc có dự án cá nhân liên quan đến Machine Learning, Deep Learning hoặc Computer Vision (ưu tiên ứng viên đính kèm link GitHub trong CV).
* Đã từng tham gia các cuộc thi công nghệ (Kaggle, Hackathon, các kỳ thi Olympic Tin học, ICPC) là điểm cộng xuất sắc.

2. Kỹ năng chuyên môn (Technical Skills):

* Ngôn ngữ lập trình: Thành thạo ngôn ngữ lập trình Python (nắm vững cấu trúc dữ liệu, thuật toán, lập trình hướng đối tượng OOP). Biết thêm C++ là một lợi thế mạnh để tối ưu hóa hiệu năng.
* Thư viện xử lý dữ liệu: Sử dụng tốt các thư viện khoa học và toán học của Python bao gồm: NumPy, Pandas, Matplotlib, SciPy.
* Thư viện Computer Vision truyền thống: Hiểu biết và sử dụng được thư viện OpenCV để thực hiện các thao tác xử lý hình ảnh cơ bản.
* Deep Learning Frameworks: Có kinh nghiệm thực hành cơ bản với ít nhất một trong các thư viện học sâu phổ biến: PyTorch (được ưu tiên) hoặc TensorFlow / Keras.
* Kiến thức nền tảng Toán học: Có tư duy tốt về Đại số tuyến tính (Linear Algebra), Giải tích (Calculus), Xác suất thống kê (Probability & Statistics). Đây là gốc rễ để hiểu cách thức các thuật toán AI vận hành.
* Công cụ quản lý mã nguồn: Thành thạo sử dụng Git và các nền tảng lưu trữ mã nguồn như GitHub, GitLab (biết cách phân nhánh branch, commit, push, pull request).
* Sử dụng tốt hệ điều hành Linux và các câu lệnh Command Line cơ bản để làm việc trên máy chủ server từ xa thông qua SSH.

3. Phẩm chất cá nhân và Kỹ năng mềm (Personal Attributes & Soft Skills):

* Tư duy logic và khả năng giải quyết vấn đề: Có khả năng phân tích một bài toán phức tạp thành các bài toán nhỏ hơn để giải quyết một cách có hệ thống.
* Khả năng tự học và nghiên cứu (Self-study & Research): Công nghệ AI thay đổi từng ngày, bạn cần có tinh thần chủ động tìm tòi tài liệu mới, đọc hiểu các tài liệu tiếng Anh kỹ thuật một cách độc lập.
* Sự tỉ mỉ và kiên nhẫn: Công việc làm dữ liệu và huấn luyện mô hình đòi hỏi sự kiên trì rất lớn. Bạn cần cẩn thận đến từng pixel khi gắn nhãn và kiên nhẫn theo dõi quá trình hội tụ của mô hình trong nhiều giờ, thậm chí nhiều ngày.
* Kỹ năng làm việc nhóm (Teamwork): Khả năng giao tiếp tốt, cởi mở tiếp thu góp ý từ các thành viên khác trong nhóm và sẵn sàng hỗ trợ đồng đội khi cần thiết.
* Ngoại ngữ: Tiếng Anh đọc hiểu tốt (đọc hiểu các tài liệu đặc tả API, bài báo khoa học, giải quyết các lỗi trên Stack Overflow). Điểm IELTS từ 5.5 hoặc TOEIC từ 650 trở lên là một ưu thế.

---

Quyền lợi và Chế độ đãi ngộ:

Khi trở thành Thực tập sinh Computer Vision tại công ty chúng tôi, bạn sẽ nhận được những quyền lợi vượt trội giúp tạo đà bứt phá cho sự nghiệp:

* Trợ cấp thực tập cạnh tranh: Nhận mức hỗ trợ tài chính xứng đáng từ 4.000.000 VNĐ - 8.000.000 VNĐ/tháng (tùy theo năng lực, thời gian cam kết làm việc và kết quả phỏng vấn kỹ thuật).
* Cơ hội trở thành nhân viên chính thức (Full-time Conversion): Lộ trình đánh giá rõ ràng sau 3 - 6 tháng thực tập. Những thực tập sinh xuất sắc sẽ có cơ hội ký hợp đồng lao động chính thức ngay khi tốt nghiệp với mức thu nhập vô cùng hấp dẫn.
* Được dẫn dắt bởi các chuyên gia (Mentorship): Bạn sẽ được phân công 1-on-1 kèm cặp bởi các Senior AI Engineer/Data Scientist giàu kinh nghiệm thực chiến. Họ sẽ hỗ trợ bạn vượt qua các rào cản kỹ thuật và định hình lộ trình phát triển sự nghiệp dài hạn.
* Trải nghiệm hạ tầng phần cứng mạnh mẽ: Cơ hội làm việc trực tiếp trên hệ thống máy chủ GPU hiệu năng cao của công ty (NVIDIA RTX 3090, A100, H100 hoặc các dịch vụ Cloud AI chuyên dụng), giúp bạn rút ngắn thời gian huấn luyện mô hình từ hàng tuần xuống hàng giờ.
* Làm việc trên các dự án thực tế đồ sộ (Real-world Impact): Không làm các dự án giả lập "đồ chơi". Sản phẩm của bạn làm ra sẽ được ứng dụng trực tiếp vào các giải pháp công nghệ đang phục vụ hàng triệu người dùng cuối.
* Môi trường làm việc trẻ trung, năng động và sáng tạo: Không khí làm việc cởi mở, khuyến khích sự đổi mới sáng tạo, không ngại sai sót nếu rút ra được bài học. Quy trình làm việc chuyên nghiệp theo chuẩn Agile/Scrum.
* Hỗ trợ tài liệu học tập và dấu mộc thực tập: Hỗ trợ định hướng và cung cấp số liệu thực tế (trong phạm vi bảo mật cho phép) để làm báo cáo thực tập, đồ án tốt nghiệp xuất sắc. Hỗ trợ đóng mộc thực tập chuẩn từ công ty công nghệ uy tín.
* Các phúc lợi đi kèm phong phú:
* Trà, cà phê, bánh kẹo miễn phí tại khu vực Pantry của văn phòng.
* Tham gia các hoạt động gắn kết nội bộ, Teambuilding hằng tháng, các câu lạc bộ thể thao (bóng đá, cầu lông, boardgame) của công ty.
* Thời gian làm việc linh hoạt, hỗ trợ sinh viên có thể vừa học vừa làm (đăng ký tối thiểu 3-4 ngày/tuần hoặc 6-8 buổi/tuần).

---

Tags: Thực tập sinh Computer Vision, Thực tập sinh AI, Kỹ sư thị giác máy tính, Thực tập sinh Machine Learning, Tuyển dụng AI Intern, Thực tập sinh Deep Learning, Xử lý ảnh OpenCV, Lập trình Python AI, Huấn luyện mô hình YOLO, Thực tập sinh Khoa học dữ liệu, AI Research Intern, PyTorch Developer.

---

Từ khoá tìm kiếm:

Tuyển dụng thực tập sinh Computer Vision, Computer Vision Intern tuyển dụng, Thực tập sinh AI Hà Nội, Thực tập sinh AI TP.HCM, Việc làm Computer Vision Intern, Tuyển dụng lập trình viên Python AI, Thực tập sinh xử lý ảnh, Deep Learning Intern, Machine Learning Intern, Tìm việc thực tập sinh trí tuệ nhân tạo, Tuyển dụng AI Engineer thực tập, Thực tập sinh khoa học máy tính.

Share