データサイエンティスト

以下のいずれかの経験・知見が求められます。

• Python等を用いた機械学習・深層学習モデルの設計・開発経験
• 探索的データ分析（EDA）および統計解析の実務経験
• LLM・生成AIを活用したシステム・ツールの開発経験
• GCPまたはAWSを活用したクラウドベースのAI開発基盤の構築・運用経験
• MLOpsの観点からのCI/CD導入やモデル運用管理の経験
• 大規模データに対応した学習・推論パイプラインの設計・構築経験

• 課題発見力:
  ゲームログやユーザー行動データ等から、ビジネス・開発上の課題を自ら発見・定義できる探求心と分析的思考力が求められます。
• 技術と実装を橋渡しする能力:
  データの中に眠る価値を見つけるだけでなく、それを動くシステムとして実装まで落とし込めるエンジニアリング能力が必要です。
• コミュニケーション・フィードバック力:
  分析結果やモデル評価を開発チーム・企画チームにわかりやすくフィードバックし、議論をリードできる能力が求められます。
• 自律的な学習姿勢:
  最新AI論文のサーベイやアルゴリズムの有効性検証など、常に新技術をキャッチアップし自ら学び続ける意欲が必要です。
• クロスファンクショナルな協働力:
  クリエイター・エンジニア・企画担当など多様な職種のメンバーと連携し、チームで成果を出すプロセスを楽しめる協働姿勢が求められます。

• ゲーム・エンタメ業界への関心:
  ポケモンをはじめとするゲームコンテンツやエンターテイメント業界に対する関心・理解があると、ユーザー行動データ分析や課題発見においてより深い洞察が得られます。
• 自然言語処理・生成AIの実装経験:
  LLMを活用したプロンプト設計・RAG構築・ファインチューニングなどの実務経験があると即戦力として活躍できます。
• 社内向けツール開発経験:
  クリエイター向け業務支援ツールや社内システムの設計・開発経験があると、AIモデルを組み込んだツール開発業務に直接活かせます。
• 異常検知・最適化モデルの構築経験:
  予測・異常検知・最適化など、実際のプロダクトデータへの応用経験があるとプロジェクトへのアサインがスムーズです。

• ゲーム×AIの実践的MLOps知識:
  ゲームログ・ユーザー行動データという大規模かつリアルタイム性の高いデータを扱う中で、実用的なMLOpsやCI/CDの設計・運用スキルを習得できます。
• 生成AI・LLMのエンタメ領域への応用力:
  最新のAI論文サーベイから実装・検証までを繰り返す中で、生成AI技術をエンターテイメント開発に応用する高度な専門スキルを身につけられます。
• クラウドインフラ（GCP/AWS）を活用したAI基盤構築力:
  GCP・AWSを用いたAI開発基盤の設計・構築・運用を通じて、クラウドネイティブなMLシステムの実践的スキルを習得できます。
• クリエイティブ職との協働を通じたビジネス理解:
  クリエイターや企画担当と密に連携することで、エンタメ業界特有のビジネス課題の発見・解決プロセスを深く理解できます。
• AI技術の社内展開・ナレッジマネジメント力:
  最新AI技術を社内に共有・展開する役割を担うことで、技術的な発信力や組織横断的なリーダーシップスキルを磨けます。