機械学習エンジニア

以下のいずれかの経験・知識が求められます。

• 機械学習モデルの設計・開発・運用経験（Python等）
• 推薦システム・レコメンドエンジンの開発経験
• Uplift ModelingやA/Bテスト等の因果推論・実験設計の知識
• LTV予測・離脱予測など顧客行動モデリングの実装経験
• 動的価格設定・需給最適化アルゴリズムの開発経験
• クラウド環境（GCP / AWS / Azure）でのMLパイプライン構築経験
• SQLを用いた大規模データ分析・前処理のスキル

• ビジネス課題をMLに落とし込む思考力:
  クーポン配布のROI最大化やマーケティング施策の改善など、ビジネス上の問いを適切なMLタスクに変換し、モデル設計に反映できる能力が求められます。
• オーナーシップと自走力:
  成長フェーズの組織において、課題の発見から解決策の提案・実装まで自律的に推進できる主体性が重視されます。
• クロスファンクショナルな協働力:
  プロダクトマネージャー、データエンジニア、マーケターなど多職種と連携しながら施策を推進するため、円滑なコミュニケーション能力が必要です。
• 変化への適応力と学習意欲:
  口コミ情報からも「仕事の方向性や内容が目まぐるしく変わる」とされており、環境変化に柔軟に対応しながら継続的に技術をアップデートする姿勢が求められます。
• データドリブンな意思決定力:
  大量のユーザーデータを扱う中で、仮説構築・検証・改善サイクルを高速で回せる論理的思考と実験設計のスキルが重視されます。

• MAツール・マーケティングオートメーションとの連携経験:
  LTV/離脱予測モデルをMAと連携させた施策実行が業務に含まれるため、マーケティング基盤との統合経験は即戦力として高く評価されます。
• フードデリバリー・EC・O2O領域の業務知識:
  需給最適化やパーソナライズ推薦など、デリバリービジネス固有の課題理解があると、より高速なバリュー創出につながります。
• MLOps・モデルモニタリングの実装経験:
  本番環境でのモデル品質管理・再学習パイプラインの整備など、運用フェーズまで一気通貫で担った経験があると歓迎されます。
• 統計的因果推論の実践経験:
  Uplift Modelingや施策評価に不可欠な因果推論（差分の差分法・操作変数法など）の実務適用経験は、即戦力として期待されます。

• 実スケールでのUplift Modeling・因果推論スキル:
  数百万ユーザーへのクーポン配布最適化を通じ、ROI最大化を目的としたアップリフトモデルの設計・評価・改善サイクルを実践的に習得できます。
• リアルタイム需給最適化の設計知識:
  エリアごとの需給バランスに応じた配達報酬のダイナミック価格設定アルゴリズムを通じ、リアルタイム意思決定システムの構築ノウハウが身につきます。
• 大規模レコメンドエンジンの開発・改善経験:
  数万件の加盟店データを用いた個別化推薦ロジックの実装を通じ、協調フィルタリング・コンテンツベース推薦など最新手法の実践スキルが得られます。
• マーケティングMLの実務ノウハウ:
  LTV予測や離脱予兆モデルをMAと連携させた実施策に携わることで、MLをビジネス成果に直結させるプロセス全体を体系的に習得できます。
• クラウドネイティブなMLパイプライン構築力:
  Google CloudやAWSを活用した本番運用MLパイプラインの設計・運用経験を通じ、クラウドMLOpsのスキルセットを強化できます。