個人向けオンライン学習サービスなどを提供する企業でマシーンラーニング支援(フルリモート)

・個別学習実現に向けた機械学習モデルの開発。 ・部門内のサービス改善を目的とした機械学習モデルの開発。 プロジェクトとしてはグロービスの動画サービスやラーニングプラットフォームにおけるレコメンド機能の開発、データ分析などがあります。 モデルの実装や定性・定量の評価、効果検証のためのデータ分析、バッチ処理実装などまでを担って頂きます。 ■募集背景 社会人教育を中心に複数のサービスを提供してきた当社ですが、教育機会の「最大化」「最適化」を図るため、2016年にエンジニア組織であるGDP（Globis Digital Platform）を設立。 教育の最適化を進めるためにはテクノロジーのさらなる活用が必要で、組織強化のための募集です。

下記に列挙するデータ専門性とエンジニアリング力を全て保持していること。 [データ専門性] 　・SQL：SQLの構文を一通り知っていて、記述、実行できる(DML、DOLの理解。各種JOINの使い分け。集計関数とGROUP BY。CASE文。副問合せなど)。加えて数百行のSQLを解読する事が出来る。 　・プログラミング能力：ライブラリ(例：scikit-learn)を利用した機械学習や統計モデル構築を行う事が出来る。 　・機械学習：はじめてのパターン認識に相当する機械学習の知識。 　・Deep Learnikng：GoodfellowのDeepLearning本レベルの知識を持つ。 　・モデル開発の実務経験：特徴量エンジニアリング、モデルの性能チューニング、モデルのオフライン性能評価のノウハウを持つ。 [エンジニアリング力] 　・アプリケーション開発：機械学習モデルのデモを目的とした簡易アプリケーションの開発(Flaskなどを利用)が出来る。サービス開発担当のアプリケーション開発エンジニアとシステム導入にあたっての技術面の相談が出来る。 　・コンピューターサイエンス：応用技術情報試験レベルのコンピューターサイエンスの知識を保有し、実務で利用する事が出来る。 　・データ設計能力：ビジネスプロセスを理解して、データフロー図、論理データモデル、ER図、テーブル定義書を作成出来る。モデル開発やオンライン性能検証の際に必要となるログ要件を作成出来る。 　・バッチ処理実装：機械学習モデルの学習や推論処理実行のためのバッチ処理実装が出来る。後続のサービス開発側のジョブ実行を考慮したジョブ設計が出来る。ジョブのエラーハンドリング設計が出来る。

週3日

麹町

1回