AI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・ディープラーニングの実装経験（Python等）
• データ分析・統計解析の実務経験
• 自然言語処理・画像認識・音声処理などAI技術の適用経験
• AIモデルの研究・開発・評価の経験
• データ分析基盤またはデータパイプラインの構築経験
• プロジェクトマネジメント経験

• 課題発見・解決思考力:
  クライアントのデータ活用課題を的確に把握し、AI技術で解決策を導く力が求められます。ビジネスと技術の両面から問題を捉えられることが重要です。
• コミュニケーション能力:
  顧客折衝やデリバリー部隊のサポートなど、社内外の関係者と円滑に連携する力が必要です。複雑な技術的内容をわかりやすく伝えるスキルが不可欠です。
• 主体性・チャレンジ精神:
  事業立ち上げフェーズのポジションのため、自ら手を挙げて新しい領域に挑戦する姿勢が求められます。不確実な環境下でも自律的に行動できる人材が歓迎されます。
• 論理的思考力:
  データを分析し、アルゴリズムの選定や問題の分解を行うため、論理的かつ数理的な思考力が必要です。統計学や数学の基礎知識を持ち、データに基づいた意思決定ができることが重要です。
• 継続的な学習意欲:
  AI技術は急速に進化しており、最新の研究論文や技術トレンドをキャッチアップし続ける姿勢が求められます。自己研鑽を惜しまない人材が組織に馴染みやすい環境です。

• クラウドプラットフォームの知識:
  AWS・Azure・GCPなどのクラウド環境でのAI/MLモデル構築・デプロイ経験があると即戦力として活躍できます。
• BIツール・データ可視化の知識:
  Tableau・Power BIなどのBIツールやデータ可視化の知識は、ジールのコア事業との連携において強みとなります。
• 統計学・数学の深い知識:
  線形代数・微積分・確率統計などの数理的バックグラウンドは、機械学習モデルの精度向上や研究開発に直接活きます。
• TensorFlow・PyTorch等MLフレームワークの実務経験:
  主要な機械学習フレームワークを用いたモデル開発・チューニング経験は、プロジェクトへの即時貢献につながります。
• コンサルティング・上流工程の経験:
  要件定義や提案活動など、クライアントとの上流工程での経験は、AIソリューション提案力の強化に直結します。

• AIソリューション開発・事業化スキル:
  ディープラーニングを含む機械学習の実装から評価・社会実装まで一貫して経験でき、AIスペシャリストとしての専門性を高められます。
• データ活用コンサルティング力:
  大手企業のデータ課題に対してコンサルティングから分析基盤構築までを担当することで、技術と経営の両視点を兼ね備えたビジネスコンサルタントとしての素養が身につきます。
• プロジェクトマネジメント経験:
  複数案件のサポートや進行管理を通じて、AIプロジェクトのマネジメントスキルを実践的に習得できます。
• 最先端AI技術の研究・適用経験:
  画像・音声・自然言語・時系列データなど多様なデータへの先端技術適用を経験することで、幅広い領域で通用するAIエンジニアとしての市場価値が高まります。
• クラウド・データ基盤の設計・構築スキル:
  ジールが強みとするBI/DWH/クラウドデータプラットフォームと連動したAI基盤構築を経験することで、データエンジニアリング全般の総合的なスキルが獲得できます。