東京/正社員/データサイエンティスト

以下のいずれかの経験・知見が求められます。

• 機械学習モデルの設計・開発経験（回帰、分類、推薦、時系列等）
• PythonまたはRを用いたデータ分析・モデリング経験
• SQLを用いたデータ抽出・集計・分析経験
• 大規模データ処理基盤（Spark、BigQuery、Redshift等）の利用経験
• ビジネス課題をデータサイエンスで解決したプロジェクト経験

• ビジネス課題への翻訳力:
  データ分析の目的をビジネス視点で的確に捉え、「何を解くべきか」を自ら定義できる思考力が求められます。
• 自律的な課題推進力:
  担当プロジェクトを自ら推進し、関係者と連携しながらPDCAを回せる主体性・実行力が必要です。
• コミュニケーション能力:
  分析結果を非技術者にもわかりやすく説明し、データドリブンな意思決定を組織に浸透させる力が求められます。
• 学習継続への意欲:
  機械学習・統計・因果推論など急速に進化する技術領域に対し、自発的にキャッチアップし続ける姿勢が不可欠です。
• チームワークと協調性:
  研究開発室内の多職種メンバー（エンジニア・ビジネス担当等）と連携しながらプロジェクトを推進できる協調性が重要です。

• RTB・DSP・アドテク領域の知識:
  リアルタイム入札（RTB）やDSPにおける入札最適化・効果測定に関する実務経験や知識があると即戦力として活躍できます。
• 因果推論・A/Bテストの実践経験:
  施策効果測定における因果推論手法（差分の差分法、操作変数法等）やA/Bテスト設計・分析の経験が歓迎されます。
• 金融データ・暗号資産領域の知識:
  時系列予測や異常検知など、金融・暗号資産データを扱った分析経験があればプロジェクトへの即時貢献が期待されます。
• MLOps・モデル運用経験:
  本番環境へのモデルデプロイ・監視・再学習パイプライン構築など、MLOpsに関する知識・経験があると歓迎されます。
• 論文読解・研究発信の経験:
  最先端の機械学習論文を読んで実装・応用できる能力、または社外へ研究成果を発信した経験があると高評価が期待されます。

• 大規模リアルデータを用いた機械学習スキル:
  数百テラバイト規模のアドテクデータや世界規模の金融データを活用したモデル設計・開発を通じ、実践的な大規模データ機械学習スキルが身につきます。
• 因果推論・効果測定の実務ノウハウ:
  アプリプロジェクトでの施策効果測定を通じ、因果推論技術を用いたデータドリブンな意思決定支援の実務スキルを習得できます。
• アドテク・金融・不正検知の専門知識:
  RTB/DSP最適化・暗号資産取引分析・不正検知といった多領域のドメイン知識を実務を通じて横断的に習得できます。
• 研究開発から実装までの一貫したDS能力:
  ビジネス課題定義・モデル研究・プロダクト実装という一気通貫の開発プロセスを経験し、ビジネス・DS・エンジニアリングの3軸を統合するスキルが得られます。
• 最先端機械学習の研究スキル:
  四半期ごとの研究開発フェーズで最新の機械学習手法にキャッチアップし、研究者視点での問題解決能力を養うことができます。