Pandasの案件一覧

・データの分析と可視化（グラフ化）
・分析可視化に伴うデータ前処理
・データのマスタファイル・対応表の作成・分析結果等の資料化

・分析可視化に伴うデータ前処理（結合加工処理など）
　Pythonに習熟しておりデータ分析用のライブラリ（pandasなど）が扱えること
・機械学習のデータ前処理を自分で考えて実装することができる
・Pandas/Numpy等を利用した分析ができる（JupyterNotebook/Lab環境等）

自社事業成長支援を目的としたKPI設計、データ可視化、ビジネスデータ分析を担うポジションです。
依頼業務は以下短期的長期的とスコープがあります。
[ 短期的 ]
・ ユーザーの行動/心理に関する仮説検証/仮説探索
・ A/Bテストによる施策の効果検証
・ 統計的因果推論による施策の効果検証
・ 上記に関する開発/マーケティング側とのコミュニケーション
[ 長期的 ]
・ 定型レポートのワークフロー開発/ダッシュボード構築
・ コンテンツやオンラインイベントのレコメンド
・ 検索エンジンのアルゴリズム改良
・ コンテンツの画像情報/音声情報を用いた機械学習

[ データサイエンス ]
・ 統計検定2級レベルの知識
・ 機械学習・統計モデルの構築、およびモデルに基づく分析の経験
・ マーケティング又は教育領域のデータ分析経験
[ ビジネス ]
・ 論理的思考力(定量思考力/要約力/仮説構築能力など)
・ ドキュメント作成能力 (見栄えではなく、構成の組み立て方やわかりやすさが担保出来る)
・ 開発/マーケティング側とコミュニケーションしながら分析を推進できる
[ エンジニアリング ]
・ SQLを利用してデータを加工・集計した経験
・ 100~200行のコードを読み書きできること
・ 結合, CTE (WITH句)・サブクエリ, ウィンドウ関数が利用できること
・ Pythonによる集計やモデル構築・可視化の経験
・ numpy, pandas などの集計用ライブラリの利用経験
・ scikit-learn などの機械学習ライブラリの利用経験
・ matplotlib, seaborn などの可視化ライブラリの利用経験
・ Git・GitHubの利用経験

[ポジション]：AIエンジニア

・機械学習/深層学習の研究/アルゴリズム実装

・大手企業と連携した研究/ソリューション開発、自社プロダクトの開発

・Scipy/Numpy, Scikit-Learn, Pandas, Tensorflow, Keras, Chainer, PyTorchなどのフレームワークを利用した機械学習における実装経験
・機械学習の理論的背景を理解
・機械学習のモデルの理解（線形回帰, アンサンブル学習, 勾配ブースティング, RNN, CNN, GCN, GAN, YOLOなど）
・論文のモデルを実装する能力
・複数のセンサやデバイスを用いたシステムの構築・運用経験
・機械学習を用いたロボット制御システムのインテグレート経験
・高いコミュニケーションスキル（ビジネスレベルの日本語）

[ポジション]：AIエンジニア

弊社クライアントの機械学習エンジニアチーム、ビジネスチームと共に、大手企業、研究機関、自治体とのプロジェクトに参画頂き、学習モデルの開発に従事頂きます。

基本的なチーム体制は弊社機械学習エンジニア、コンサルタントメンバーとチームで進行します。

・ビジネスレベルの日本語
・論文のモデルを実装する能力
・Scipy/Numpy, Scikit-Learn, Pandas, Tensorflow, Keras, Chainer, PyTorchなどのフレームワークを利用した機械学習におけるプロジェクトにおける実装経験

・コンピュータサイエンス、エンジニアリング、または関連する技術分野の学士号（または同等の実務経験）
・Python（Python 3）および/またはデータサイエンス
　（ビッグデータ、ディープラーニング）でのソフトウェア開発の3〜5年の経験
・AWSやGCPなどのクラウドサービス環境での開発、または保守の経験

・SQL (Redshift, PostgreSQL記述)
・Pythonを用いた時系列データ分析の経験
・pandas, scikit-learn, statsmodels, prophet 等の機械学習ライブラリの利用経験
・ソースコード管理ツール(Git)利用経験

Python

・Java もしくはPython でのWeb サービスのサーバサイド開発運⽤経験
・AWS やGCP などのクラウド利⽤経験
・API 設計、開発経験
・Python ( numpy, pandas, scikitlearn ) を使ったデータ分析、システム構築経験
・機械学習/統計学についての基礎的な知識

Pythonでpandas等を使った集計作業等が出来る

全てを網羅している必要はありません。 【機械学習】 ・AWS（EC2,S3） 　EC2及びS3を利用した集計作業に困難がないこと ・Linux 　Linux環境で苦なく集計作業ができること ・Redshift 　列指向DBの特性および分散キーやソートキーについて理解していること ・SQL 　分析関数（窓関数）が使用できること ・Apach Spark 　分散処理による機械学習プログラムの実装を行うことができること、 　もしくは調べながら習得することができること ・Python 　Pandasを利用したプログラムを実装することができること ・マート設計／実装　パフォーマンスチューニングができること ・テーブル設計／実装　テーブル定義、ER図が書けること ・ジョブ設計／実装　DataPipeLine を使用できるとより良い ・Shell設計／実装　例外処理、エラー処理を作成できること 【アナリスト】 ・AWS（EC2,S3） 　EC2及びS3を利用した分析作業に困難がないこと ・Linux 　Linux環境で苦なく分析作業ができること ・SQL 　分析関数（窓関数）が使用できること ・Python 　機械学習のロジックをPythonで実装/検証できること ・機械学習 　Pythonで書かれた既存のロジックを読み解くことができること検証結果を読み解くことができること