【プロダクトマネジメント室】データサイエンティスト・機械学習エンジニア_GenAI Enablement

以下のいずれかの経験・知見が求められます。

• Pythonを用いた機械学習・データ分析の実務経験
• LLM・生成AIを活用したPoC〜本番実装の経験
• PyTorch・TensorFlow・scikit-learnなどMLフレームワークの活用経験
• AWS・Google CloudなどクラウドへのMLモデルデプロイ経験
• Dockerを用いたコンテナ化および運用設計の経験
• BigQuery・Vertex AIなどデータ分析基盤の活用経験
• CI/CD（GitHub Actions等）の構築・運用経験

• ビジネス課題を自ら定義できる問題設定力:
  与えられたタスクをこなすだけでなく、事業・ユーザーの課題に対して自ら仮説を立て、アプローチを設計できる主体性が求められます。
• スピード感を持って仮説検証を回せる実行力:
  スタートアップならではの高速な意思決定サイクルに対応し、完璧を追求しすぎずアジャイルにPDCAを回せる姿勢が重要です。
• ビジネスサイドと連携できるコミュニケーション能力:
  要件定義においてビジネスサイドやPdMと協業し、技術的な内容を非エンジニアにも分かりやすく伝えられる橋渡し役の役割が期待されます。
• 自律的に学習・発信を続ける向上心:
  社内勉強会・輪読会・コミュニティイベントの企画・リードが求められるため、新技術のキャッチアップを楽しみ、知識を積極的に共有できる人物像が求められます。
• 複数プロジェクトを横断して推進できるプロジェクト管理力:
  複数事業を横断するプロジェクトを推進するため、優先順位の整理・タスク管理・ステークホルダーへの状況共有を自律的に行える力が求められます。

• MLOps・モデル監視・精度改善の実務経験:
  リリース後のモデル評価・ドリフト検知・精度改善サイクルの設計・実装経験があれば即戦力として活躍できます。
• Dify・AWS Bedrock・LangChainなどエージェント系フレームワークの活用経験:
  生成AIを活用した業務自動化や社内ツール開発の経験があると、GenAI Enablement業務にスムーズに貢献できます。
• Vertex AI・BigQueryを用いたデータパイプライン設計・分析基盤の構築経験:
  GCP上でのMLワークフロー管理やデータ基盤整備の経験があると環境への適応が早まります。
• 社内外の勉強会・技術発信の経験:
  ブログ・登壇・OSSコントリビューションなど対外的な技術発信の実績があると、コミュニティイベントの企画・リードにも活かせます。

• 生成AI（LLM）のエンド・ツー・エンド実装スキル:
  PoC設計から本番デプロイ・評価改善まで一気通貫で担当することで、生成AIプロダクト開発の全工程を実務レベルで習得できます。
• MLOps・クラウドインフラ設計スキル:
  AWS・Google Cloud上でのモデルリリース・運用監視・CI/CD構築を通じて、データサイエンスに留まらないエンジニアリング領域のスキルを体系的に習得できます。
• プロダクト視点の課題解決力とビジネス感覚:
  経営陣やPdMとの近距離での協業を通じて、データ分析を事業判断に直結させるビジネス感覚と、ロードマップへの関与経験を得られます。
• グローバル事業のデータ分析・AI活用経験:
  インド・韓国・台湾向けに展開する「Findy Team+」など海外事業のデータにも携わる機会があり、グローバル市場でのAI活用ノウハウが得られます。
• テックコミュニティのリーディングスキル:
  社内勉強会や外部カンファレンス（Findy Conference）の企画・リード経験を通じて、エンジニアコミュニティを牽引するオーガナイザーとしての経験が積めます。