東京/正社員/データサイエンティスト（フィンテック）

以下のいずれかの経験・知見が求められます。

• Pythonを用いたデータ分析・機械学習モデル開発経験
• 統計学・確率論の実務適用経験（統計検定・効果測定など）
• 金融データまたは大規模ビジネスデータの分析経験
• 機械学習モデルの設計・チューニング・評価経験
• HadoopやPySparkなどの分散処理基盤を用いた開発経験

• ビジネス課題を自ら設定する力:
  単にデータを分析するだけでなく、事業部と連携して課題そのものを設定し、データサイエンスに基づいた改善サイクルを自律的に回せる姿勢が求められます。
• 複雑な技術・結果を関係者に伝える説明力:
  機械学習や統計モデルの成果を、技術的背景のないビジネス側の関係者にも分かりやすく説明し、意思決定につなげるコミュニケーション能力が必要です。
• 不確実なデータへの対応力と探究心:
  金融データのように予測が困難で不確実性の高いデータを扱う場面が多く、試行錯誤を繰り返しながら課題に向き合える粘り強さと探究心が求められます。
• 自律的な学習継続と最先端技術へのキャッチアップ:
  機械学習・深層学習・統計手法は急速に進歩しており、常に最新の論文や技術動向をキャッチアップし、実務に応用できる自己学習能力が必要です。
• チームでのコラボレーション能力:
  博士・エンジニア出身など多様なバックグラウンドを持つメンバーと協力しながらプロジェクトを推進できる、協調性と建設的なフィードバック力が求められます。

• 因果推論・A/Bテストの実務経験:
  施策効果の厳密な定量評価や因果推論技術の活用経験があると、アプリプロジェクトや各種意思決定支援業務において即戦力として活躍できます。
• 金融工学・数理ファイナンスの知識:
  FXや暗号資産などの金融モデル構築に関わる数理ファイナンスや確率微分方程式などの知識があると、フィンテックプロジェクトでの活躍範囲が広がります。
• 強化学習・深層学習の研究・実装経験:
  AIによる自動取引やDSP最適化など、強化学習や深層学習を活用した実プロジェクト経験があると高く評価されます。
• クラウド環境（AWS・GCP）でのMLパイプライン構築経験:
  クラウドネイティブな機械学習基盤の設計・構築経験は、スケーラブルなモデル開発・運用において大きな強みになります。

• 大規模金融・アドテクビッグデータ分析技術:
  世界No.1規模の金融データや数百テラバイト規模のアドテクデータを分散処理（Hadoop・PySpark等）で解析する高度な技術を実務を通じて習得できます。
• フィンテック・アドテク領域のビジネス理解:
  金融サービスの数理モデル設計から広告DSPの最適化まで、実ビジネスに直結するドメイン知識を深く身につけることができます。
• データサイエンティストとしての3スキルの総合強化:
  ビジネス理解・データサイエンス・エンジニアリングの3分野を横断的に習得し、そのうち少なくとも1領域を深く伸ばすことができます。
• 最先端機械学習手法の研究・実装能力:
  四半期ごとの研究開発制度を通じて、最新の学術論文を読み込み、実ビジネスへ応用するリサーチスキルと実装力を磨くことができます。
• 因果推論・ABテスト設計・自動化スキル:
  施策の厳密な定量評価やABテストの仕組み化・自動化、KPIツリー設計など、データドリブンな経営判断を支える高度な分析設計スキルを習得できます。