データサイエンスエンジニア

業務内容

機械学習開発:

• ビジネス課題を解決するための機械学習モデル・アルゴリズムの研究・設計・実装

• 教師あり学習、教師なし学習、深層学習、自然言語処理（NLP）、コンピュータビジョンなどを用いたモデルの開発と学習

• データの前処理、特徴量エンジニアリング、モデル評価の実施

• モデルのパフォーマンス、スケーラビリティ、効率性の最適化

データ探索と分析:

• 大規模データセットからの有意なインサイトやパターンの抽出

• データエンジニアと連携し、データの品質、可用性、一貫性を確保

• EDA（探索的データ解析）を用いてデータの特徴を把握し、モデリングの意思決定に活用

• 統計的手法やツールによるデータ分析と仮説検証

モデルのデプロイと統合:

• 本番環境におけるモデルのデプロイメントとスケーラビリティ・信頼性の確保

• APIやシステム統合により、他システムとのシームレスな連携を実現

• モデルの本番環境でのモニタリング、課題の診断、改善策の実施

• ソフトウェアエンジニアと協力し、MLコンポーネントの統合

研究とイノベーション:

• AI/MLに関する最新技術や研究のキャッチアップ

• 新しいアルゴリズムやフレームワーク、ツールの試験的導入によるモデル性能の向上

• 新たな分野におけるAI/MLの応用提案と主導

クロスファンクショナルな協働:

• プロダクトマネージャー、データサイエンティスト、ソフトウェアエンジニア、その他ステークホルダーと連携し、要件定義やソリューション提供

• 技術的なコンセプトや知見を非技術系メンバーにも分かりやすく説明

• スプリントプランニングやレビュー、レトロスペクティブなど、アジャイル開発プロセスへの参加

応募資格

• コンピュータサイエンス、エンジニアリング、数学、統計学、または関連分野の学士号（または同等の職務経験）。修士号・博士号があれば尚可

• 機械学習モデルの本番環境での開発・デプロイ経験

• Python、R、Javaなどのプログラミングスキル

• TensorFlow、PyTorch、scikit-learnなどのMLフレームワークの使用経験

• データ前処理、特徴量エンジニアリング、モデル評価に関する知識

• 機械学習アルゴリズムの基礎的な理解（教師あり学習、教師なし学習、深層学習等）

• AWS、Azure、Google CloudなどのクラウドプラットフォームとAI/MLサービスの知識

• Gitなどのバージョン管理システムとアジャイル開発手法の理解

• 創造的思考を活かした優れた課題解決能力

• チーム内での円滑なコミュニケーションスキル