東京/正社員/機械学習エンジニア

以下のいずれかの経験・知識を有していることが求められます。

• 機械学習・深層学習モデルの設計・開発経験
• Pythonを用いたデータ分析・モデル実装経験
• 統計的手法（回帰分析・時系列解析・因果推論など）の実務適用経験
• 大規模データ処理（Hadoop・Spark・PySpark等）の経験
• 金融・アドテク・ユーザー行動データなど実ビジネスデータの解析経験

• ビジネス課題を自ら設定する主体性:
  与えられた課題を解くだけでなく、事業部と連携して自ら課題を定義し、データサイエンスに基づく解決策を考え抜く姿勢が求められます。
• 技術とビジネスを橋渡しするコミュニケーション力:
  AI・機械学習の専門知識を持ちながら、事業担当者やステークホルダーに対してわかりやすく成果・提案を説明できる能力が必要です。
• 最新技術への強い好奇心と自己研鑽の継続力:
  常に最先端の機械学習手法・論文を追い、業務に応用できる技術を探求し続けるアカデミックな姿勢が求められます。
• 変化する環境への柔軟な適応力:
  多岐にわたるプロジェクトにアサインされるため、金融・広告・アプリ・暗号資産など新たな業界ドメインをすばやくキャッチアップできる適応力が必要です。
• チームでの協働を重視する姿勢:
  博士・エンジニア出身など多様なバックボーンを持つメンバーと協働するため、相互尊重とチームワークを大切にできる人物像が求められます。

• 強化学習・因果推論・ベイズ推論などの高度な統計・ML手法:
  強化学習やベイズ最適化など、通常のMLモデルを超える先進的な手法の理解・実務経験があると、プロジェクトへの貢献度が高まります。
• RTB・DSP・アドテク領域の知識または経験:
  リアルタイム入札や広告配信最適化の仕組みに関する知識・経験は、アドテクプロジェクトで即戦力となります。
• 金融工学・数理ファイナンスの知識:
  金融データ特有の非定常性や高ノイズ環境での予測モデル構築に関する数理的な素養は、Fintechプロジェクトで特に有用です。
• 論文読解・実装・発表の経験（学会登壇や論文採択実績も歓迎）:
  研究開発業務が設けられているため、学術的な論文を読み実装につなげる力は高く評価されます。

• 実ビジネスデータを活用した機械学習の実践力:
  金融・アドテク・アプリ・暗号資産など各領域の大規模実データを使い、机上でなくビジネス成果に直結するモデル構築・改善サイクルを回す実践的なスキルが身に付きます。
• 因果推論・効果測定の高度な分析スキル:
  アプリプロジェクトでは因果推論技術を活用した施策の効果測定を行うため、A/Bテストを超えた高度な因果分析手法が習得できます。
• ビジネス課題の定義から解決まで一貫したデータサイエンス力:
  事業部と連携して課題設定・データ収集・モデル開発・効果検証まで一気通貫で経験できるため、データサイエンティストとしての総合的な問題解決力が養われます。
• 最先端ML手法の研究・実装・発信スキル:
  四半期ごとの研究開発制度を通じて、最新論文の実装・検証・社内外への発信経験が積め、研究者としてのアウトプット力も磨かれます。
• プロジェクトマネジメント・リーダーシップスキル:
  キャリアの進展に応じてプロジェクトマネージャへの転換も可能であり、技術だけでなくプロジェクト推進・チームリードのスキルも習得できます。