EdTech事業_シニア機械学習エンジニア(テクノロジー職)

募集停止

機械学習エンジニア

EdTech事業_シニア機械学習エンジニア(テクノロジー職)

求人情報をご覧いただくには会員登録が必要になります

メールアドレスで登録する

給与・報酬

年収 700万円 ~ 1,300万円

稼働時間

09:30 ~ 18:00

雇用形態

正社員

出社頻度

週5日出社

勤務地

102-0084 東京都千代田区二番町5-1 住友不動産麹町ビル【東京オフィス】

現状と課題

グロービスの提供する多様な教育サービスのデータを用いた機械学習モデル開発を担うシニア機械学習エンジニアのポジションです。
グロービスについて

グロービスは、経営に関する「ヒト」「カネ」「チエ」の生態系を創り、社会の創造と変革を行 うことをミッションに1992年に設立されました。 以来、ビジネスリーダー育成を目的とした経営大学院・スクール事業、法人向け研修事業やオンライン学習サービス、出版やベンチャーキャピ タル事業等、多岐にわたる事業を通して、多くのビジネスパーソンの皆様をご支援してきまし た。 国内での事業に留まらず、アメリカ、EU、アジアなど海外にも進出しています。

グロービス・デジタル・プラットフォーム部門について

2016年には、Ed-Tech領域に注力すべくグロービス・デジタル・プラットフォーム部門(GDP)を 設立し、現在200名を超える規模(うちエンジニアを含むテクノロジー人材は100名程度)で、国内事業のみならず海外展開も積極的に推進しています。 GDPでは、「日本発、世界をリードするEd-Techカンパニーになる」をビジョンに掲げ、「学び の未来をつくり出し、人の可能性を広げていく」学習サービスを展開しています。

募集背景

現在、グロービス内で保持する学習データ(例:「GLOBIS 学び放題」の学習行動データ)やアセスメントデータの活用にも本腰を入れ始めています。

機械学習によるデータ活用の方向性としては、教育業界におけるインパクト創出と既存サービスの成長支援の2パターンで考えています。

例えば下記のようなテーマを想定しています。

  • 教育業界におけるインパクト創出: 個別学習実現のための機械学習モデル開発
  • 既存サービスの成長支援: 「GLOBIS 学び放題」におけるレコメンドモデル開発

これらの実現のために、データ専門性の高い人材を集めたデータサイエンスチームを組成し、体制強化を進めています。

なお、チーム内での役割分担は下記のようにしています。

  • データサイエンティスト:データによる新しい価値創造をゴールとするデータ分析やモデル開発を担う。
  • 機械学習エンジニア:サービス実装をゴールとした機械学習のモデル開発と運用を担う。
  • データエンジニア:データ活用の要となるデータ基盤開発と運用を担う。

現在は以下のような体制です (業務委託を含む) 。

  • 統括ディレクター:1名
  • データエンジニア:2名
  • 機械学習エンジニア:1名
  • データサイエンティスト:6名
  • 技術顧問:1名

このうち、機械学習領域のコアメンバーとなるシニア機械学習エンジニアを募集します。

社員紹介

こちらのポジションで活躍中の社員をご紹介します。

情報通信業/開発職/2022年入社:https://recruiting.globis.co.jp/people/1691/

配属先組織構成

グロービスの2016年に新設されたEd-Tech部門であるグロービス・デジタル・プラットフォームに所属していただきます。

データサイエンスチームの体制は以下です (業務委託を含む)。

  • 統括ディレクター: 1名
  • データエンジニア: 2名
  • 機械学習エンジニア: 1名
  • データサイエンティスト: 6名
  • 技術顧問: 1名
職掌:テクノロジー職とは

テクノロジー職は、会社にとって重要な最先端のデジタルテクノロジーに関する専門性を発揮して担当業務を遂行します。 ご自身のキャリア開発において、技術の専門性を高めていくのか、あるいは技術をベースとしながらもマネジメントでのキャリアを開発するかを選ぶことができます。 ※テクノロジー職の方は、修士の取得、ファカルティグループへの加入、講師登壇は任意です。

詳細はこちら:https://recruiting.globis.co.jp/environment/growthsupport/

採用人数

1名

お願いする業務

  • パーソナライズ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
業務詳細 (モデル構築フェーズ)
  • ビジネス要求ヒアリング
  • 要求を踏まえて機械学習タスクの全体設計
  • タスク開始前の基礎分析
  • モデル構築方針の検討 (特徴量選定、手法検討、評価方法検討)
  • モデルの実装 (ライブラリ利用、論文ベースの手法の実装)
  • モデルの定量・定性評価
  • モデル開発結果のレポーティング
業務詳細 (モデルのシステム導入フェーズ)
  • 効果検証のグランドデザインの設計・実装
  • 効果検証のために追加取得すべきデータ要件の整理・提案
  • 効果検証のためのデータ分析
担当プロセス(システム本格導入時)
  • システム導入時のアーキテクチャ検討
  • サービス開発チームとの責任分界点の確定
  • バッチ処理のジョブスケジューリングと監視設計、実装
  • リリース後の運用
データサイエンスチーム紹介資料

https://speakerdeck.com/globis_gdp/globis-data-science-team-is-hiring

テックマガジン
開発環境は下記になります。
  • 開発言語
    • Python
    • SQL
  • インフラ
    • GCP (データ基盤)
    • AWS (その他本番運用システム)
  • ELT ワークフロー管理
    • Cloud Composer
    • Airflow
  • DWH
    • BigQuery
  • その他インフラ管理
    • Docker
    • GKE / Vertex AI / GAE / CloudRun
  • 可視化ツール
    • Google Data Portal / Tableau
  • 分析環境
    • Jupyter Notebook / Google Colab / Google Cloud ML
  • 監視
    • Cloud Logging / Stackdriver Logging
  • その他
    • Git / GitHub / Slack / Notion
リモートワーク

良きコミュニティ・企業文化・関係性の実現に向け、テクノロジー職は週2日以上の所属拠点への出社を推奨とします。チームビルディングを目的とし月に1回は東京拠点への出社を原則としています。 ※上記は社会情勢を見ながら、変更の可能性があります。

スケジュール(例)

我々のチームはフレックスを導入しているため、1か月単位でスケジュールをご自身で調整していただいています。 また、リモートワークも多用しているため、打合せはZoom等のオンラインで行うことが多いです。

<スケジュール例> 09:00-09:30 ToDo確認 / Slackやメール等の連絡事項チェック 09:30-10:30 技術ブログ等のチェック/ 論文・書籍を読む 10:30-12:00 作業(コーディング、ドキュメント作成など) 12:00-13:00 ランチタイム 13:00-16:00 作業(コーディング、PRレビュー、資料作成など) 16:00-17:00 デイリーミーティング(進捗共有、相談など) 17:00-18:00 ミーティング後の対応、明日のToDo整理

将来のキャリアイメージ

機械学習エンジニアとして経験を積みつつ、知見を更に高めていただいた後は、データサイエンスチームや部門全体のデータ活用に関する取り組み全体をリードしていただくことや、チームマネジメントを推進していただくことを期待しています。

下記、本ポジションの特徴に魅力を感じられる方
  • コアメンバーとして大きな裁量を持ち、活躍するチャンスがある。
  • 経営層のデータ活用への温度感が高いので、強いバックアップのもと機械学習モデル開発に取り組む事が出来る。
  • スキルの高いエンジニアとデータサイエンティストが既にチームに在籍しており、高度なデータ活用に向けたコラボレーションの環境が整っている。また、サービスのデータ分析や機械学習モデル開発向けに活用するための基盤も整えられている。
  • 社会人教育における国内最大規模の大学院・教育サービス機関であり、ユニークなデータが取得・利用可能である。
  • 動画サービスのようなオンラインデータだけでなく、集合研修などのオフラインデータを扱うチャンスがある。
  • 社会人教育におけるDX推進にあわせ、様々なデータ活用の提案が実施できる。
  • 定期的な技術ブログの発信を行うなど、技術研鑽に励むことのできる環境がある。 https://note.com/globis_engineers/
  • フレックス、リモートワーク、副業可、服装自由、自己啓発支援制度やグロービス経営大学院への通学支援制度等、自己成長を目指す方が働きやすい環境である。 https://recruiting-tech.globis.co.jp/environment/

募集要項

概要

求人情報をご覧いただくには会員登録が必要になります

メールアドレスで登録する

雇用形態

正社員

給与・報酬

年収 700万円 ~ 1,300万円(試用期間:3ヶ月/経験・能力を考慮し、規定に従い相談の上決定します。/給与改定は年2回1・7月に実施します。/半年以上在籍した方はプロフィットシェアリング制度の対象となります(当社規定による。年2回支給。)/月額給には、残業45時間/月の時間外手当と10時間/月の深夜手当を含みます。)

稼働時間

09:30 ~ 18:00(フレックスタイム制/平均残業時間:実績10~20時間程度)

出社頻度

週5日出社

勤務地

102-0084 東京都千代田区二番町5-1 住友不動産麹町ビル【東京オフィス】

休日・休暇

- 土日祝休み
- 有給休暇:4月1日に年間20日付与。入社日によって按分。
- 年末年始休暇(12月29日~1月4日)、結婚休暇、忌引き休暇、災害ボランティア休暇、出産・育児休暇、サバティカル休暇(勤続5年/10年に付与)

社内制度
(待遇・福利厚生)

- 交通費支給(当社規定による)
- 各種社会保険有り(健康保険、雇用保険、労災保険、厚生年金)
- 退職金制度有り(定年:60歳)
- 持ち株制度有り

## 受動喫煙対策
屋内原則禁煙

## その他(GDP/T職のみ)
エンジニア等のテック人材は、MacBook Pro 15inch、27inchディスプレイ貸与(リモート勤務へのディスプレイ貸出は無し)

## 教育制度及び資格補助
- グロービス経営大学院受講支援制度 ※
- 海外短期留学支援制度 ※
- 自己啓発支援(年間上限20万円)
- 業務上必要な研修受講支援(所属部門長の判断により全額負担)

※プログラムの未修了、もしくは、在学中または修了後2年未満での退職時には支援金の返金要

必須スキル/経験

下記に列挙する機械学習・データ/エンジニアリングについてのスキルを保持していること。

機械学習・データ
  • 機械学習・ディープラーニングの技術に対する基本的な内容の理解とそれらを用いた課題解決のための実装経験がある。また探索的データ分析、特徴量エンジニアリング、モデル開発・評価において豊富な知見があり、課題や要件に沿ったアプローチの提案ができる。
  • SQL:SQLの構文を一通り理解し、記述、実行できる (各種JOINの使い分け。集計関数とGROUP BY、WITH 句など)。
  • 統計:統計検定2級レベルの知識を保有し、実務で利用する事が出来る。
エンジニアリング
  • システム設計:機械学習モデルをシステム導入する際のシステムアーキテクチャの検討が出来る。また、システム稼働中に発生する運用課題を洗い出す事が出来る。
  • アプリケーション開発:機械学習モデルを本番利用するためのアプリケーションを開発することが出来る。運用担当のインフラエンジニアやサービス開発担当のアプリケーション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:応用情報技術者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。特に、計算量オーダーの概念を理解し、自身が開発した機械学習モデルの実行時間を見積もる事が出来る。見積もった実行時間や将来の予測対象数の拡大も考慮して、適切な手法選定に活かすことが出来る。
  • バッチ処理:パブリッククラウドを利用して、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を行うための設計が出来る。
その他
  • 言語要件:日本語能力がネイティブレベルの方、または、日本語能力試験(JLPT)1級相当以上

※下記テストを日本語能力試験(JLPT)の代替テスト・保有能力として認めます。 https://globis.box.com/v/japanesetest

学歴
  • 高校・高専・専修・短大・大学・大学院卒

歓迎スキル/経験

下記に列挙する項目のいずれかを満たしている事。

機械学習・データ
  • 機械学習
    • 応用領域として、レコメンデーション、自然言語処理、時系列解析に関する知識・経験がある。
    • 機械学習モデル構築に用いる各種フレームワーク(scikit-learn, XGBoost, LightGBM, etc.)に精通している。
  • Deep Learning
    • 各種トップカンファレンスやarXivの論文を含めたDeep Learning系統の最先端の研究開発動向をキャッチアップしている。
    • BERTなどのTransformerベースのモデルに対する理解があり、各種フレームワーク (TensorFlow, PyTorch, Huggingface transformers, etc.) を活用した実装経験がある。
    • 大規模言語モデル(LLM)のトレンドをキャッチアップしており、ChatGPT APIを活用したアプリケーション開発などの知見がある。
エンジニアリング
  • アプリケーション開発:機械学習モデルを本番利用するためのアプリケーション開発だけでなく、そのインフラ設計やAPI 仕様策定も行える。
  • モデルのシステム導入の実務経験:機械学習モデルのシステム導入後の運用基盤(MLOps)に関する経験がある。
  • データエンジニアリング:Data Warehouse の設計・構築など、データエンジニアリング領域における理解、経験がある。
  • データ設計: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することが出来る。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することが出来る。
ビジネス
  • コミュニケーション:相手の理解度に合わせて説明粒度を調整して説明する能力。

スキル要件

スキル名

経験年数

種別

機械学習3年以上必須
TensorFlow指定なし歓迎
自然言語処理指定なし歓迎
scikit-learn指定なし歓迎

サービス内容の詳細

展開中のサービスについて

良質なビジネス動画が学び放題のサブスクリプション型サービス「GLOBIS 学び放題」や、法人向けの学習管理を目的としたSaaSプロダクト「GLOPLA LMS」など、ビジネスパーソンの可能性を広げるためのプロダクトを複数展開しています。

選考フロー

  1. 書類選考
  2. 1次面接
  3. 2次面接
  4. 3次面接

基本的な選考フローは下記となりますが、ご状況によっては、同日に実施するなどご相談を承ります。

書類選考→1次面接(部門担当)→2次面接(部門リーダー・人事担当)→最終面接(部門役員) ※選考内容によっては、部門役員面接後に人事役員面接を実施する場合があります。

※途中エッセイ(志望動機書)をご提出いただきます。 ※エッセイのテーマは「グロービスで何をしたいのか」(A4 1枚程度)でご記載ください。 ※日本国籍以外の方については、在留資格の種類(例:技術・人文知識・国際業務)と有効期限を記載ください。 ※日本語での履歴書・職務経歴書のご提出をお願いします(non-Japaneseの方を含みます)。 ※ポジションによってフローは異なる場合がございます。

同じ企業の求人

同じポジションの求人

おすすめのイベント

もっと見る
  • LayerX流 エンジニアとPMのドメイン知識の溝をなくす、AIネイティブな開発プロセス

    開催前

    LayerX流 エンジニアとPMのドメイン知識の溝をなくす、AIネイティブな開発プロセス

    AIツールの活用が進む中、開発現場では「エンジニアがドメイン知識を深く理解できない」「PMが仕様作成のボトルネックになっている」といった課題を聞くことがあります。 特に、「なぜこの課題があるのか、エンジニアが腹落ちできていない」「PMの仕様検討待ちで開発が進まない」――こうした声は、多くの開発現場で聞かれるのではないでしょうか。 LayerXでは、AIを活用することでこれらの課題に向き合い、エンジニアとPMの役割の壁を取り払う取り組みを進めているといいます。 そこで本イベントでは、バクラクシリーズのPMを務める加藤氏をお招きし、AIによってドメイン知識へのアクセスがどう変わったのか、PMとエンジニアがどう協働できるようになったのか、そしてCursorを用いた仕様検討の自動化など、LayerXが実践するAIネイティブな開発プロセスについて語っていただきます。 「ユーザーに使われるものを作る」文化をチーム全体で実現するためのヒントが得られる貴重な機会です。 ぜひご参加ください。 👇登壇者の方の記事を事前にチェック 「全員プロダクトマネージャー」を実現する、カーソル仕様による検討の自動運転 https://speakerdeck.com/applism118/quan-yuan-purodakutomaneziya-woshi-xian-suru-cursorniyorushi-yang-jian-tao-nozi-dong-yun-zhuan

  • 設計・実装・テスト・レビュー LayerX・サイバーエージェントに聞く AI時代の開発プロセス大公開

    アーカイブ公開中

    設計・実装・テスト・レビュー LayerX・サイバーエージェントに聞く AI時代の開発プロセス大公開

    AIコーディングエージェントの活用は進んでいるものの、コーディング以外の工程ではまだ課題を感じている方が多いのではないでしょうか。 「AIに設計やテストをどう任せればいいか悩んでいる」 「レビューがボトルネックになっていて、効率化の方法が見えてこない」といった声もよく耳にします。 実際には、実装以外の工程(設計、テスト、レビュー)でもAIを効果的に活用できる余地は大きくあります。 しかし「仕様書から適切に設計書へどう落とし込むか」「E2Eテストはどこまで人手を代替するのか」「AIレビューツールを入れたもののレビュー工数の削減にはあまり寄与していない」など、多くの現場が壁に直面しているのも事実です。 そこで本イベントでは、AI活用を第一線で行っているLayerXのan氏とサイバーエージェントのわさびーふ氏をお招きし、設計・実装・テスト・レビューという開発プロセス全体において、AIをどう活用しているのか取り組みの現在地を包み隠さず語っていただきます。 an氏からはバクラク開発における実践例を、わさびーふ氏からはサイバーエージェントでの取り組みを通じて、AI時代の開発プロセスのベストプラクティスを学べる貴重な機会です。 ぜひご参加ください。

    開催日:

    2025年11月20日(木)19:00~20:00

  • Obsidian,Notion,GitHub wiki?松濤Vimmer氏 ぽちぽち氏に聞く AIフレンドリーなナレッジ管理

    アーカイブ公開中

    Obsidian,Notion,GitHub wiki?松濤Vimmer氏 ぽちぽち氏に聞く AIフレンドリーなナレッジ管理

    AIコーディングエージェントを活用する中で、「管理しているドキュメントをAIエージェントから参照させたいがうまいやり方がわからない」「複数のAIエージェントにプロンプトやコンテキストが散らばっていて、管理が大変」と感じているエンジニアも多いのではないでしょうか。 実際、複数のツールに情報が分散していると、AIエージェントが古いドキュメントや重複した情報を参照してしまい、意図しない実装が生まれる原因となります。特に、NotionやGitHub Wiki、個人のメモツールなど、ドキュメントが増えるほど「どれが最新で正しい情報なのか」がAIにも人間にも判断できなくなってしまいます。 そこで本イベントでは、実際にAIフレンドリーなドキュメント管理を実践されている松濤Vimmer氏とPochiPochi氏をお招きし、AIエージェントを用いた開発を加速させるためのドキュメント管理術を語っていただきます。 松濤Vimmer氏からはObsidianを中心とした情報整理アーキテクチャと、10年以上続くプロダクトでも信頼できるドキュメントをどう維持するか、PochiPochi氏からはGitHub WikiやCIを活用した自動更新の仕組みと、チーム全体でドキュメント管理を浸透させる工夫を学べる貴重な機会です。 ぜひご参加ください。 👇登壇者の方の記事を事前にチェック 松濤Vimmer氏 単なるメモから知的資産へ:Obsidian in Cursorで構築する知的生産システム https://note.com/shotovim/n/n5833578984bf ぽちぽち氏 スピードと品質を両立する、AI時代の開発ドキュメント戦略 https://tech.techtouch.jp/entry/aic-document-strategy

    開催日:

    2025年11月6日(木)19:00~20:00

  • 延1万件の個人情報漏洩を発見したエンジニアに聞く 知らないと危険バイブコーディングとセキュリティ

    アーカイブ公開中

    延1万件の個人情報漏洩を発見したエンジニアに聞く 知らないと危険バイブコーディングとセキュリティ

    昨今、AIコーディングエージェントやプロトタイピングツール(v0, boltなど)のの進化により、誰でも短期間でプロダクトを構築できる時代になりつつあります。しかし同時に、生成AIは「動くコード」を優先する傾向があり、セキュリティの観点が抜け落ちたままリリースされるサービスも急増しています。特に個人開発者や非エンジニアの参入が進む中、ハッカーから狙われやすい脆弱なサービスが量産されている現実があります。 そこで本イベントでは、延べ1万件の個人情報漏洩を発見・報告した経験を持つKyohei氏をお招きし、バイブコーディング時代に必須となるセキュリティの落とし穴と対策を探ります。実際の個人情報漏洩事例から、SupabaseやFirebaseなどBaaSを使った開発における具体的な対策、そしてkyohei氏が開発するSupabase RLS Checkerなどのセルフチェックツールの開発秘話まで、明日から実践できる知識を学べる貴重な機会です。 ぜひご参加ください。

    開催日:

    2025年10月7日(火)19:00~20:00

  • Next.js vs Nuxt それぞれの良さを知る Frontend Night

    アーカイブ公開中

    Next.js vs Nuxt それぞれの良さを知る Frontend Night

    フロントエンド開発でフレームワークを選ぶ際、「Next.jsとNuxtの違いや特徴までは理解できないまま、とりあえずで選んじゃっているな」と感じているエンジニアも多いのではないでしょうか。 実際には、開発チームの構成や要件によって、Nuxtの方が適している場面も、はたまたNext.jsの方が適している場面も存在します。特に最近では、Nuxtに対する業界の注目度も今まで以上に高まってきています。 そこで本イベントでは、実際にNext.js・Nuxt両方の開発経験を持つエンジニアの方々をお招きし、なぜNuxtに投資するのか?なぜNext.jsに投資するのか?をお二人の立場から語っていただきます。 LayerXのypresto氏からは実際にNextとNuxtを同時運用して経験した互いの良さやツラミ、Next.jsを推進する理由を、アンドパッドの小泉氏からはVueやNuxtのエコシステムの現状や、Nuxtを推進する理由を学べる貴重な機会です。 ぜひご参加ください。 👇登壇者の方の記事を事前にチェック ■ アンドパッド 小泉氏 新規プロダクトの開発に Nuxt 3 を採用して良かったこと https://tech.andpad.co.jp/entry/2024/01/17/100000 ■ LayerX ypresto氏 Next.jsとNuxtが混在? iframeでなんとかする! https://speakerdeck.com/ypresto/nuxt-inside-nextjs-with-iframe

    開催日:

    2025年9月30日(火)19:00~20:00

転職に役立つノウハウ

もっと見る