EdTech事業_シニア機械学習エンジニア(テクノロジー職)

年収 700万円 ~ 1,300万円
雇用形態: 正社員
勤務地:
- 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 - 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 - 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 - 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 https://speakerdeck.com/globis_gdp/globis-data-science-team-is-hiring - 「大規模言語モデルはグロービス学び放題の問題をどれくらい解けるのか」というテーマで色々検証してみた( https://note.com/globis_engineers/n/n23529ad85239 - ユーザーに合った学習コースを届けるための第一歩・・・グロービス学び放題のコース情報のembeddingをVertex AI Custom Training Jobで作成する。 https://note.com/globis_engineers/n/ne1c725978a19 - グロービス学び放題の関連コース抽出にItem2Vecを活用してみた話https://note.com/globis_engineers/n/ne68505eb222e - 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 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。 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 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。