āļ›āļĢāļ°āļāļēāļĻāļ‡āļēāļ™āļ™āļĩāđ‰āļŦāļĄāļ”āļ­āļēāļĒāļļāđāļĨāđ‰āļ§

  • Analyse and formulate business problems into practical analytics solutions
  • Manage to have all necessary data available timely
  • Design model validation and model maintenance based on Analytics Modeling Process Framework
  • Develop analytics models and solutions by using predictive analytics, statistics, optimization, machine learning, optimal sampling, experimental design and/or other techniques
  • Research on new cutting-edge technology & techniques in Deep Machine Learning, Artificial Intelligence, Re-inforcement Learning or related technical fields
  • Work closely with business teams and IT solution architecture team to ensure delivering practical analytics solutions on time
  • Deliver clear and actionable recommendations to all stakeholders
  • Bachelor's Degree or Above in quantitative fields such as Data Science/Analytics, AI, Engineering, Operations Research, Computer Science/Engineering, Statistics, Mathematics, or related fields.
  • Experienced in Analytics Model coding using Python / R / SQL / Scala / Java / C# / C++
  • Sound Knowledge in Data Science and Analytics models (Machine Learning, Statistics, Optimization, etc.)
  • Demonstrate a keen interest in working with big data platform
  • Positive attitude and Team-working mindset
  • Understanding in banking/financial business would be advantage
  • Both experienced and new graduate candidate will be considered
āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒāļ—āļĩāđˆāļˆāļģāđ€āļ›āđ‡āļ™
  • āđ„āļĄāđˆāļĢāļ°āļšāļļāļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒāļ‚āļąāđ‰āļ™āļ•āđˆāļģ
āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™
  • āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰
āļŠāļēāļĒāļ‡āļēāļ™
  • āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ
  • āļ™āļąāļāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒ
āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™
  • āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 1
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 2
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 3
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 4
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 5
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 6
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 7
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 8
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 9
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 10
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 11
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 12
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 13
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 14
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 15
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 16
  • āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļŠāļīāļāļĢ 17
keyboard_arrow_right

āđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļšāļĢāļīāļĐāļąāļ—

āļˆāļģāļ™āļ§āļ™āļžāļ™āļąāļāļ‡āļēāļ™:2000-5000 āļ„āļ™
āļ›āļĢāļ°āđ€āļ āļ—āļšāļĢāļīāļĐāļąāļ—:āļāļēāļĢāđ€āļ‡āļīāļ™āđāļĨāļ°āļāļēāļĢāļ˜āļ™āļēāļ„āļēāļĢ
āļ—āļĩāđˆāļ•āļąāđ‰āļ‡āļšāļĢāļīāļĐāļąāļ—:āļāļĢāļļāļ‡āđ€āļ—āļž
āđ€āļ§āđ‡āļšāđ„āļ‹āļ•āđŒ:careers.kasikornbank.com
āļāđˆāļ­āļ•āļąāđ‰āļ‡āđ€āļĄāļ·āđˆāļ­āļ›āļĩ:1945
āļ„āļ°āđāļ™āļ™:4/5

āļ˜āļ™āļēāļ„āļēāļĢāļāļŠāļīāļāļĢāđ„āļ—āļĒ āļāļĨāļļāđˆāļĄāļšāļĢāļīāļĐāļąāļ—āļœāļđāđ‰āđƒāļŦāđ‰āļšāļĢāļīāļāļēāļĢāļ”āđ‰āļēāļ™āļāļēāļĢāđ€āļ‡āļīāļ™āļŠāļąāđ‰āļ™āļ™āļģāļ‚āļ­āļ‡āđ„āļ—āļĒ āđāļĨāļ°āđ€āļ›āđ‡āļ™āļŠāļ–āļēāļšāļąāļ™āļāļēāļĢāđ€āļ‡āļīāļ™āđāļŦāđˆāļ‡āđāļĢāļāļ‚āļ­āļ‡āđ„āļ—āļĒāļ—āļĩāđˆāđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢāļˆāļąāļ”āļ­āļąāļ™āļ”āļąāļšāļ§āđˆāļēāđ€āļ›āđ‡āļ™āļ­āļ‡āļ„āđŒāļāļĢāđāļŦāđˆāļ‡āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āļœāļđāđ‰āļ™āļģāļĢāļ°āļ”āļąāļšāļ āļđāļĄāļīāļ āļēāļ„āđ€āļ­āđ€āļŠāļĩāļĒāđāļ›āļ‹āļīāļŸāļīāļ āļ›āļĢāļ°āļˆāļģāļ›āļĩ 2554 āļˆāļēāļāļāļēāļĢāļˆāļąāļ”āļ­āļąāļ™āļ”āļąāļšāđ‚āļ”āļĒ Aon Hewitt āļĢāđˆāļ§āļĄāļāļąāļšāļ™āļīāļ•āļĒāļŠāļēāļĢ Fortune āđāļĨāļ° The RBL Group āļ˜āļ™āļēāļ„āļēāļĢāļāļŠāļīāļāļĢāđ„āļ—āļĒāļ–āļđāļāļāđˆāļ­āļ•āļąāđ‰āļ‡āļ‚āļķāđ‰āļ™āđƒāļ™āļ›āļĩ 2488 āļ”āđ‰āļ§āļĒāļ—āļļ ... āļ­āđˆāļēāļ™āļ•āđˆāļ­

āļĢāđˆāļ§āļĄāļ‡āļēāļ™āļāļąāļšāđ€āļĢāļē: āļ˜āļ™āļēāļ„āļēāļĢāļāļŠāļīāļāļĢāđƒāļŦāđ‰āļ„āļ§āļēāļĄāļŠāļģāļ„āļąāļāļāļąāļšāļžāļ™āļąāļāļ‡āļēāļ™āļ—āļļāļāļ„āļ™ āđ€āļĢāļēāđ€āļŠāļ·āđˆāļ­āļ§āđˆāļēāļāļēāļĢāļĄāļ­āļšāļŠāļ āļēāļžāđāļ§āļ”āļĨāđ‰āļ­āļĄāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļ”āļĩāļˆāļ°āļ—āļģāđƒāļŦāđ‰āļžāļ™āļąāļāļ‡āļēāļ™āļ—āļģāļ‡āļēāļ™āđ„āļ”āđ‰āđ€āļ•āđ‡āļĄāļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ– āļ˜āļ™āļēāļ„āļēāļĢāļāļŠāļīāļāļĢāļĄāļĩāļˆāļąāļ”āļ­āļšāļĢāļĄāļžāļąāļ’āļ™āļēāļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļžāļ™āļąāļāļ‡āļēāļ™āļ­āļĒāđˆāļēāļ‡āļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡āđ€āļžāļ·āđˆāļ­āđƒāļŦāđ‰āđāļ™āđˆāđƒāļˆāļ§āđˆāļēāđ€āļĢāļēāļ™āļģāđ€āļŠāļ™āļ­āļšāļĢāļīāļāļēāļĢāļ—āļĩāđˆāļ™āđˆāļēāļ›āļĢāļ°āļ—āļąāļšāđƒāļˆāđƒāļŦāđ‰āļĨāļđāļāļ„āđ‰āļēāđ€āļĢāļē āļ‹āļķāđˆāļ‡āļ›āļąāļˆāļˆāļąāļĒāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āļ—āļģāđƒāļŦāđ‰āđ€āļĢāļēāļŠāļēāļĄāļēāļĢāļ–āđ€āļ•āļīāļšāđ‚āļ•āđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āļĒāļąāđˆāļ‡āļĒāļ·āļ™ āļĢāđˆāļ§āļĄāļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™āļāļąāļš ... āļ­āđˆāļēāļ™āļ•āđˆāļ­

āđ€āļ‚āļ•āļ—āļĩāđˆāļ•āļąāđ‰āļ‡āļ—āļĩāđˆāļ—āļģāļ‡āļēāļ™: āļĢāļēāļĐāļŽāļĢāđŒāļšāļđāļĢāļ“āļ°
āļŠāļģāļ™āļąāļāļ‡āļēāļ™āđƒāļŦāļāđˆ: 1 āļ‹āļ­āļĒāļĢāļēāļĐāļŽāļĢāđŒāļšāļđāļĢāļ“āļ° 27/1 āļ–āļ™āļ™āļĢāļēāļĐāļŽāļĢāđŒāļšāļđāļĢāļ“āļ° āđāļ‚āļ§āļ‡āļĢāļēāļĐāļŽāļĢāđŒāļšāļđāļĢāļ“āļ° āđ€āļ‚āļ•āļĢāļēāļĐāļŽāļĢāđŒāļšāļđāļĢāļ“āļ° āļāļĢāļļāļ‡āđ€āļ—āļžāļŊ 10140
Display map

āļŠāļ§āļąāļŠāļ”āļīāļāļēāļĢ

  • āļ—āļģāļ‡āļēāļ™ 5 āļ§āļąāļ™/āļŠāļąāļ›āļ”āļēāļŦāđŒ
  • āđ‚āļšāļ™āļąāļŠāļ‚āļķāđ‰āļ™āļ­āļĒāļđāđˆāļāļąāļšāļœāļĨāļ‡āļēāļ™
  • āļ›āļĢāļ°āļāļąāļ™āļŠāļąāļ‡āļ„āļĄ
  • āļāļēāļĢāļžāļąāļ’āļ™āļēāđ€āļžāļ·āđˆāļ­āļ„āļ§āļēāļĄāđ€āļ›āđ‡āļ™āļĄāļ·āļ­āļ­āļēāļŠāļĩāļž
  • āļ„āđˆāļēāļ—āđˆāļ­āļ‡āđ€āļ—āļĩāđˆāļĒāļ§
  • āļ„āđˆāļēāđ€āļ”āļīāļ™āļ—āļēāļ‡
  • āļĨāļēāļ„āļĨāļ­āļ”
  • āļ›āļĢāļ°āļāļąāļ™āļ­āļļāļšāļąāļ•āļīāđ€āļŦāļ•āļļ
  • āļāļķāļāļ­āļšāļĢāļĄ
  • āđ‚āļ­āļāļēāļŠāđƒāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļĨāļ°āļžāļąāļ’āļ™āļē
  • āļ—āļļāļ™āļāļēāļĢāļĻāļķāļāļĐāļē
  • āļ—āļģāļ‡āļēāļ™āļ™āļ­āļāļŠāļ–āļēāļ™āļ—āļĩāđˆ
āļ—āļĩāđˆ WorkVenture āđ€āļĢāļēāđƒāļŦāđ‰āļĄāļđāļĨāđ€āļŠāļīāļ‡āđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļšāļĢāļīāļĐāļąāļ— āļ˜āļ™āļēāļ„āļēāļĢāļāļŠāļīāļāļĢāđ„āļ—āļĒ āđ‚āļ”āļĒāļĄāļĩāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāđ€āļāļĩāđˆāļĒāļ§āļ‚āđ‰āļ­āļ‡ āļ•āļąāđ‰āļ‡āđāļ•āđˆāļ āļēāļžāļšāļĢāļĢāļĒāļēāļāļēāļĻāļāļēāļĢāļ—āļģāļ‡āļēāļ™ āļĢāļđāļ›āļ–āđˆāļēāļĒāļ‚āļ­āļ‡āļ—āļĩāļĄāļ‡āļēāļ™ āđ„āļ›āļˆāļ™āļ–āļķāļ‡āļĢāļĩāļ§āļīāļ§āđ€āļŠāļīāļ‡āļĨāļķāļāļ‚āļ­āļ‡āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļ™āļąāđˆāļ™ āļ‹āļķāđˆāļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļļāļāļ­āļĒāđˆāļēāļ‡āļšāļ™āļŦāļ™āđ‰āļēāļ‚āļ­āļ‡āļšāļĢāļīāļĐāļąāļ— āļ˜āļ™āļēāļ„āļēāļĢāļāļŠāļīāļāļĢāđ„āļ—āļĒ āļĄāļĩāļžāļ™āļąāļāļ‡āļēāļ™āļ—āļĩāđˆāļāļģāļĨāļąāļ‡āļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļšāļĢāļīāļĐāļąāļ— āļ˜āļ™āļēāļ„āļēāļĢāļāļŠāļīāļāļĢāđ„āļ—āļĒ āļŦāļĢāļ·āļ­āđ€āļ„āļĒāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļ™āļąāđˆāļ™āļˆāļĢāļīāļ‡āđ† āđ€āļ›āđ‡āļ™āļ„āļ™āđƒāļŦāđ‰āļ‚āđ‰āļ­āļĄāļđāļĨāļˆāļĢāļīāļ‡āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļŠ.āļ™āļ āļēāļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļāļđāđ€āļāļīāļĨ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ”āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ€āļ—āļĄāđ‚āļāđ‰āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļŪāđ€āļ•āđ‡āļĨāđ€āļšāļ”āļŠāđŒ