データサイエンティスト/データ活用推進部

以下のいずれかの経験・知見が求められます。

• 機械学習・統計モデリングを用いたデータ分析・モデル開発経験
• レコメンドエンジンまたは検索エンジンの設計・実装経験
• A/Bテストの設計・実施・評価経験
• PythonまたはScalaなどを用いた機械学習パイプライン構築経験
• GCP・AWS等のクラウド環境での開発・運用経験
• 本番環境へのMLモデルサービング・デプロイ経験

• 課題特定・仮説立案力:
  ビジネス課題をデータで捉え、自ら仮説を立て、解決すべき優先領域を特定できる主体性が求められます。
• 技術選定・判断力:
  セマンティック検索・ランキング学習・リアルタイムレコメンドなど多様な手法の中から、事業課題に最もインパクトを与える手法を自律的に選定できる能力が必要です。
• 事業貢献への強い意識:
  売上・利益最大化という具体的なビジネスKPIを常に意識し、データサイエンスを直接的な事業推進力として活用しようとするマインドセットが求められます。
• 改善サイクルを自走する行動力:
  リリース後のパフォーマンス分析を通じて次の施策を自ら立案・実行し、継続的な改善ループを回し続けられる能動的な姿勢が必要です。
• チームとの連携・コミュニケーション能力:
  データサイエンスグループのメンバーと連携しながら裁量を持って推進するため、成果に向けて周囲と協調しながら議論を深められるコミュニケーション力が求められます。

• 自然言語処理（NLP）・セマンティック検索の知識:
  BERTやLLMを活用した検索品質改善などの経験があると、即戦力として活躍できます。
• ランキング学習（Learning to Rank）の実装経験:
  XGBoostやLightGBMを用いたランキングモデルの設計・評価経験があると業務に直結します。
• リアルタイムMLシステムの設計・運用経験:
  リアルタイムレコメンドなど低レイテンシが求められるシステムの構築・運用経験があると高い評価を受けます。
• 大規模行動ログデータの処理・活用経験:
  BigQueryやSpark等を用いた数億件規模の行動ログ分析・特徴量エンジニアリング経験は歓迎されます。
• MLOps・実験管理基盤の整備経験:
  MLflowやVertex AIなどを活用した実験管理・モデル管理の仕組み構築経験があると開発生産性向上に貢献できます。

• 大規模トラフィック環境でのML社会実装スキル:
  数百万人規模のユーザーを持つ本番環境でモデルをサービングする実践的なスキルを習得できます。エンジニアリングとデータサイエンスの両立を体得できます。
• 検索・レコメンドシステムの高度な専門知識:
  セマンティック検索、ランキング学習、リアルタイムレコメンドなどの先端技術を実際のビジネス課題に適用する高度な専門スキルが身に付きます。
• GCPを活用したモダンなMLOps実践力:
  GCPの各種サービスを活用した実験管理・パイプライン構築・デプロイまでのフルサイクルを経験し、クラウドネイティブなMLエンジニアリングスキルを習得できます。
• データドリブンな事業推進・意思決定スキル:
  ビジネスKPIと直結した課題設定からA/Bテストによる効果検証まで担うことで、事業貢献を定量的に示すビジネス思考とデータ活用力を養えます。
• 多様なサービス領域におけるドメイン知識:
  動画・電子書籍・ゲーム・英会話など60以上のサービスを持つDMM内で、複数のドメインにわたる知識と横断的なデータ活用経験を積むことができます。