【AIクリエイティブ 極予測TD】機械学習エンジニア

以下のいずれかの経験・知見が求められます。

• 機械学習・深層学習モデルの研究開発経験
• 自然言語処理（NLP）技術の実務経験
• LLM（大規模言語モデル）を活用したシステム開発経験
• Pythonを用いたデータ分析・モデル実装経験
• 広告データや大規模データセットの扱い経験

• 自律的な課題発見・推進力:
  指示を待つだけでなく、自ら課題を見つけ提案・実行できる主体性が求められます。小規模チームでビジネス側と近い距離で働くため、エンジニアとしての発信力・行動力が重要です。
• ビジネス視点での思考力:
  広告効果の最大化という事業目標に向けて、技術だけでなくビジネスインパクトを意識した分析・実験設計ができる能力が求められます。
• コミュニケーション・議論力:
  ビジネスメンバーとの距離が近く、分析フローや実験設計を共同で決定する文化があるため、技術的な内容を分かりやすく伝え議論できるスキルが必要です。
• 変化への適応力・学習意欲:
  常に変化する広告媒体・AI技術のトレンドに対応するため、新技術を積極的にキャッチアップし続ける姿勢が求められます。
• チームワークと協調性:
  事業部内コンペや横断勉強会など、チームで切磋琢磨する文化があるため、組織全体の技術力向上に貢献できる協調性が重要です。

• 広告・マーケティング領域の知識:
  検索連動型広告やデジタルマーケティングの仕組みについての知識があると、広告効果予測モデルの設計に即座に活かせます。
• バックエンド・インフラ領域の開発経験:
  ML以外にもバックエンドやインフラ技術への挑戦機会があるため、これらの経験を持つ方はプロダクト全体の実装に幅広く貢献できます。
• 論文・学会発表・OSS活動の実績:
  AI Labとの連携や社外への技術発信が推奨される環境のため、研究・アウトプットの実績がある方は即戦力として高く評価されます。
• 実験設計・A/Bテスト・因果推論の知識:
  広告効果の検証において実験設計の知識は直接活用できます。統計的手法や因果推論の実務経験があると即戦力となります。

• 大規模広告データを活用したML実装力:
  業界No.1水準の広告クリエイティブデータを用いたモデル開発・チューニング・サービス実装の経験を通じ、実事業に直結するMLエンジニアリング能力を磨けます。
• LLM・生成AI技術の実践的応用力:
  広告文の自動生成・効果評価へのLLM活用を通じて、生成AI技術をプロダクトレベルで活用・評価・改善する実践的なスキルを習得できます。
• MLOps・モデルの本番運用スキル:
  モデル開発からサービス実装まで一気通貫で関わることで、MLOpsやモデルの本番運用・監視・改善サイクルの実務経験を積むことができます。
• 技術発信・研究アウトプット力:
  勉強会参加・学会発表・海外カンファレンス派遣など、社外に向けた技術発信の機会が豊富にあり、研究者・エンジニアとしての対外的な発信力を高められます。
• ビジネス課題をAIで解決する企画・提案力:
  ビジネスメンバーと近い距離で議論しながら課題を定義・解決するプロセスを通じて、技術とビジネスを橋渡しする上流工程の経験を得られます。