機械学習エンジニア【DX Solution事業本部】_miiddle

以下のいずれかの経験・知見が求められます。

• 機械学習アルゴリズムの数学的基礎知識（線形代数・統計等）
• Python・NumPy・Pandas・PyTorchを用いたアルゴリズム実装経験
• 画像・自然言語・音声・テーブルデータ・時系列データのいずれかにおける前処理・モデル構築経験
• AI・機械学習に関する研究経験またはデータサイエンティストとしての実務経験
• Dockerコンテナ化・推論APIのI/F設計の基礎知識

• 課題解決への熱意と執着心:
  顧客の「なんとなくの悩み」を機械学習で解けるタスクに変換し、価値提供に情熱を持ち続けられる姿勢が求められます。技術だけでなくビジネス課題に真剣に向き合う覚悟が必要です。
• 最先端技術へのキャッチアップ意欲:
  常に最新論文を調査し、ビジネス制約に合わせた最適手法を選定するため、AI・機械学習技術のトレンドを継続的にキャッチアップしようとする強い意欲が必要です。
• ステークホルダーへの技術説明力:
  アルゴリズム適用結果の考察やビジネスインパクトを経営層・現場担当者など技術的背景が異なる相手に分かりやすく伝えるコミュニケーション能力が求められます。
• 当事者意識と自律的な推進力:
  「これは自分の責任」と感じながら仕事に向き合い、課題に対して自ら手を挙げ、エンジニアリングにとどまらずセールスやPMなど幅広い役割も担える姿勢が重視されます。
• チームでの相互尊重・知識共有の姿勢:
  各技術分野のスペシャリストが集結する組織の中で、互いの専門性を尊重しながら知識をシェアし、難題に対してチームで協力して取り組む姿勢が求められます。

• 競技プログラミング・コンペ参加経験:
  AtCoderやKaggle等のコンペティションに参加し、精度向上のための試行錯誤を行った実績は、アルゴリズム探索力の証明として高く評価されます。
• GitHubを活用したチーム開発経験:
  GitHub/GitLabを用いたプルリクエストベースの開発フローやコードレビューの経験があると、プロダクションレベルのコード品質担保に即戦力として活躍できます。
• Webアプリケーション開発経験:
  AIモデルをWebアプリケーションに統合するパイプライン構築において、フロントエンド・バックエンドの開発経験があると業務範囲がさらに広がります。
• 論文サーベイ・技術資料作成・プレゼン経験:
  アルゴリズム開発や研究成果に関する資料作成とプレゼンテーションの経験は、ステークホルダーへの技術説明業務において即座に活かせます。

• 産業特化の応用AIエンジニアリング力:
  建設・製造・物流などの日本基幹産業における実課題をベースに、画像認識・点群処理・LLM・RAG・ロボティクスなど多様な最先端アルゴリズムを産業特化でバーティカルに深める実践力が身につきます。
• フルスタックなMLパイプライン構築スキル:
  課題定式化・論文サーベイ・モデル実装・精度検証・推論API設計・Docker/CI/CDパイプライン統合まで、エンドツーエンドでのMLシステム開発スキルを習得できます。
• AI開発支援ツールを活用した高速開発スキル:
  Devin・Claude Code・GitHub Copilot・Gemini等の最新AI開発支援ツールを実務に組み込んだ開発手法を実践的に習得でき、エンジニアとしての生産性を大幅に高められます。
• 技術とビジネスを橋渡しするコンサルティングスキル:
  顧客ヒアリング・課題抽出・商談同席・ビジネスインパクトの説明まで、テクニカルとビジネス両面のスキルを高レベルで融合させた希少な人材像に成長できます。
• 最先端論文の実装・検証力:
  論文の手法をPyTorchなどでスクラッチ実装・再現し、顧客データで精度検証するサイクルを高速に回すことで、アカデミックな研究知識を実務レベルに昇華する力が身につきます。