TECH-Bilingual Data Scientist / MLE

＜仕事内容＞

シニアデータサイエンティストは、高度なアナリティクス、機械学習、統計モデリングを活用し、データ主導で複雑なビジネス上の課題解決に取り組みます。この職務には、データの示唆を実践的な戦略へと落とし込む高い専門性と、部門横断的なチームで円滑に協働できるコミュニケーション力が求められます。アナリティクス分野、ならびにIT・テック業界や先端技術領域での豊富な経験をお持ちの方を歓迎します。

＜具体的な業務内容＞

- 広告メッセージ配信の最適化：成果最大化に向けたパーソナライズド広告の配信内容・タイミングの最適化、顧客生涯価値（CLV）の予測、マルチチャネルでの顧客モデリング、顧客セグメンテーション、配信結果からのインサイト抽出などを目的とし、機械学習（ML）モデルの開発・運用を担います。

- パーソナライズ＆レコメンデーション：ユーザーエンゲージメント向上およびブランド信頼度向上を目指し、ルールベース、機械学習、ディープラーニングなどの各種手法を活用したレコメンデーションエンジンの設計・実装を行います。

- 高度な顧客セグメンテーション：クラスタリング手法を用いた顧客行動分析をリードし、顧客一人ひとりに最適化したブランド強化戦略を推進します。

- データエンジニアリング＆探索的データ分析（EDA）：大規模かつ複雑なデータセット（構造化・非構造化データ）のクレンジング、前処理、妥当性確認（バリデーション）を実施します。また、探索的データ分析（EDA）を通じてデータ内のパターンを特定し、データの品質を確保した上で、分析における初期戦略を策定します。

- KPI設計とステークホルダー向け提案：社内の関係部門（営業やカスタマーサクセスなど）やクライアントのマーケティング担当者と連携し、論理的かつ高い目標でありながら、非専門職のチームにもわかりやすいビジネスKPIを定義・提案します。

- 継続的な改善ループの構築：多角的な検証とエラー分析によりモデル精度の課題を体系的に抽出・特定し、目標KPI達成に向けてモデル構造や特徴量のブラッシュアップ（イテレーション）を継続します。

- 協働での開発プロセスとプライバシー配慮：GitHubを利用して本番環境水準（プロダクションレベル）のコードリポジトリを管理し、研究開発の段階からバージョン管理やドキュメント作成を徹底します。あわせて、データプライバシーの保護やAI倫理に配慮した開発を徹底します。

- 最先端技術のリサーチと適用：ディープラーニングや自然言語処理（NLP）、LLM・生成AIなどの最先端技術をリサーチ・実装し、ビジネス戦略の高度化やブランド価値向上に向けた課題解決を推進します。

＜本ポジションに期待すること＞

- レコメンドエンジンや広告配信最適化といったコアアルゴリズムにおいて、データ探索からモデル実装・運用保守までMLライフサイクル全体をリードすること。

- 事業KPIに直結する形でモデルの精度と価値を継続的に高め、データ主導で売上・事業成長にインパクトを与えること。

- 経営・事業のステークホルダーと連携し、ビジネス課題をデータ主導のアプローチへ落とし込み、KPI設計から施策提案までを主導すること。

- ジュニアメンバーの技術・非技術両面での育成、開発標準やドキュメント文化の確立を通じて、チーム全体の成果を最大化すること。

【募集背景】

【募集枠：1名】

【配属】

Data・AIチーム

Data・AIチームに配属

【転勤】

有り

データサイエンス分野における4年以上の実務経験、および以下の領域における高い専門性：

・機械学習＆統計学の専門知識と実務経験

- テーブルデータおよび時系列データに対する機械学習の基礎理論（予測・分類・回帰・クラスタリング）と統計学に関する専門知識。Numpy、Scikit-learn、PyTorchなどの主要ライブラリを活用し、これらの領域にてビジネス課題を解決した実務経験。

・プログラミング＆コード品質

- PythonおよびSQLに関するスキル。コードの品質、可読性、保守性を意識したコーディング能力。

・分析＆検証手法

- 仮説検証のサイクルを反復するプロセスと、交差検証などの手法を用いたオフライン評価（モデル精度検証）におけるスキル。ならびに、A/Bテストや基本的統計分析手法の実践的知識。

・MLライフサイクル全体の主導（End-to-End）

- データ探索、特徴量エンジニアリング、KPI定義、モデル学習・検証、システム実装、性能評価、そして本番環境におけるMLシステムの運用・保守に至るまで、一連のML開発プロセスに携わった経験。

・開発環境＆チーム協働 :

- Linux環境、VS Code、バージョン管理（Git/GitHub）、コンテナ化（Dockerなど）およびCI/CD（GitHub Actionsなど）に関する活用スキル。エンジニアリングチームと連携し、MLモデルを本番環境へ組み込んだ実績。

・語学力 :

- 日本語：ビジネスレベル以上（日常会話だけでなく、業務における会話・ライティング・読解力を含め、円滑な意思疎通が可能なレベル）

- 英語：技術的会話に心理的抵抗がないく、今後キャッチアップいただける意欲のある方（会話・ライティング・読解力）

・データ・分析ツール

- SQLデータベース（MySQL、PostgreSQLなど）、データウェアハウス、OLAP（Snowflake、Redshiftなど）に関する実務知識。

・クラウドプラットフォーム

- 大手クラウド環境（AWS、Azure、GCP）における実務経験（主としてAWSの使用経験）。

・推薦システムの構築における深い専門性

- 協調フィルタリング、コンテンツベースフィルタリング、行列分解（Matrix Factorization）、NCF（Neural Collaborative Filtering）、Two-Towerモデルなどを用いたモデル構築の実践的知識・経験。

・高度なMLエンジニアリング

- オンライン推論（Online Serving）、モデルデプロイ、プロダクション環境でのMLワークフロー（特徴量パイプラインの構築、モニタリング、モデル再学習・改善サイクル等）、MLOpsに関する経験・知見。

- マイクロサービスアーキテクチャの設計・開発経験（例. FastAPI, Flask）

- オープンソースのディープラーニングモデルに対するファインチューニングの実施能力（例. 埋め込み表現、系列モデル、マルチタスク学習等における最適化・追加学習）

- 高QPS（Query Per Second）・低レイテンシな機械学習APIの開発および運用の経験。

・データエンジニアリング＆オーケストレーション

- 拡張性（スケーラビリティ）のあるデータパイプラインの構築・運用に向けた、ワークフロー／DAG管理ツール（Apache Airflow、AWS Step Functionsなど）の実務経験。

- ストリーミングおよびメッセージング技術（AWS Kinesis、Apache Kafkaなど）を活用した開発・運用経験。

- 分散学習環境や大規模データ処理フレームワーク（Apache Hadoop、Apache Spark、MPIなど）を用いた実務経験。

・ドメイン専門性とビジネス理解・洞察力

- ランキング、検索、広告配信、パーソナライズシステムといった関連領域におけるプロジェクト経験。

- 事業目標やドメイン知識に対する深い理解に基づく、データ分析および改善施策の提案力。

- ユーザー行動分析、ビジネス上の成長指標（グロース指標）、およびビジネス視点での最適化に関する理解。

・コミュニティ活動および研究実績

- OSS（オープンソース）プロジェクトへの貢献、研究論文の発表、Kaggle等のコンペティション実績をはじめとする、応用機械学習領域に対する高い意欲とそれを裏付ける活動実績。

高校卒／専門学校卒／大学卒／大学院卒

月給制

想定年収：8,040,000 - 11,000,000 円

※前職考慮の上、経験・スキルに応じて決定します。

（内訳）

月額： 670,000 - 917,000 円

基本給： 495,722 - 678,473 円

固定残業代（45時間分）： 174,278 - 238,527 円（超過分別途支給）

通勤手当：会社規定に基づき支給

※会社規定により、一定のグレード以上の方には裁量労働制が適用されます。

09:00〜18:00

時間外労働: 有り

土日祝休み(完全週休2日制)

・土日、祝日

・年末年始

・夏季休暇

・慶弔休暇

・有給休暇（入社時10日付与、以降勤務期間に応じて付与）

※その他会社規定による休日あり

・社会保険（健康保険、厚生年金、雇用保険、労災保険）

・交通費支給（自転車通勤可）

・社用ノートPC貸与

・社用携帯貸与　※一部職種のみ

・ライフヘルス支援休暇

・健康診断費用負担

・出産・育児支援制度

・部活動

・書籍購入支援（年間55,000円）

・お客様のサービス利用補助

・事業部懇親会費補助

- 書類選考

- Coding Test

- 1st Interview

- Coding Challenge

- 2nd Interview

- Final Interview

試用期間: 3ヶ月（原則3ヶ月

※試用期間中の待遇変更はありません）

採用人数: 1名