scikit-learnの案件一覧

最先端タクシーサービスに蓄積されたデータを用いてデータ解析や機械学習モデルの改修を行っていただきます。
【環境】　言語＿＿＿＿：Python,SQL　ＤＢ＿＿＿＿：BigQuery　ＦW＿＿＿＿：Django　環境・ＯＳ＿：GCP (Google Cloud Platform)

・小売業の予測モデル構築及び運用支援
【業務詳細】
・小売業における1日の商品の売り上げを予測、発注推奨数を計算する。
・予測モデルはすでに運用中のものがあり、一部のデータサイエンティストによってモデルの精度向上を行っている。
・需要予測モデルでのデータ加工、特徴量生成、売上予測の数字を使った店舗ごとへの発注推奨数計算ロジックの設計を受け取り実装していくのが主な業務。

・Python & Pandasによるデータ加工技術
・AWS(linuxサーバ)による開発経験

・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）
※全てを満たしている必要はございません。

Pythonライブラリのカスタマイズおよびデータ分析業務

１．回帰モデル（ランダムフォレスト/Gaussian Mixuture Regressionなど）へのXAI適用および評価
※XAI = PFI、PD、ICE、SHAP（説明可能なAI）
※入力データ：　連続値に一部離散値の混在するテーブルデータ（200行×20変数程度）

２．教師無しクラスタリング結果に対する妥当性評価（但し入力データ※特性の考慮を要する）

３．教師無しクラスタリング(k-means/Gaussian Mixture Modelなど)処理の実装カスタマイズ

期待するところ
・限られた期間の中でスムーズに入ること
・既にある分析結果に対して対策を考えているので、その引継ぎを受けること
・対策の実施と評価を出すこと

人物像
・XAIかGMMに詳しい方（どちらかというとGMM）

備考
・作業環境はローカルのJupyterで実行
・ベースになるソースコードやデータは提供される
・コミュニケーションはTeams
・日中MTG可能な方（月曜の午後に週次の進捗確認MTGあり）
・ひとりの作業は時間問わず

・説明のしやすさを考えたモデルの実装/評価
・分析対応について案出しなどからの並走

●電力の需要/発電予測等に関連するデータ分析作業
-基本的には、収集されたデータをもとに作業を進めることになる予定。

・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）
・Pythonでscikit-learnを用いて自分で機械学習モデルを構築できる、など。

膨大なSNSマーケティングデータを扱うtoB向けSaaSプロダクトのML開発業務をご担当いただきます。
主に、以下内容を想定しています。
・ML開発業務全般
・Webエンジニアと協働したプロダクトへの適用

【開発環境】
・言語：Python
・フレームワーク：PyTorch/ PyTorch Lightning/ TensorFlow/ Keras
・環境：Jupyter Notebook / Colab Pro + / BigQuery / GitLab / Slack / Zoom / Tandem
・貸与マシン：MacBook Pro

【開発手法】
プロジェクトごとに選択、アジャイル、スクラム、チケット駆動開発、コーディング規約あり

【働き方】ほぼリモート中心。コミュニケーションツールはZoom / Slack / Tandem / Discordなど。

・自然言語処理（NLP）に深い造詣、経験を有していること
・機械学習を利用した自然言語処理を用いてサービス開発を行い、リリース後も品質向上を行った もしくはこれらをリードした経験
・Pythonでの研究や開発経験、特にPyTorch/TensorFlow/scikit-learn/Keras等のライブラリやフレームワークを用いた開発経験

=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
• 自由記述データの自然言語処理
• 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

【業務概要】
新プロダクトの機械学習エンジニアとして、プロダクト立ち上げを担当して頂きます。 現在MVPの開発段階のため、ご参画頂くタイミングでは本番リリースに向けたβ版開発や機能拡充、ブラッシュアップ、本格ローンチとプロダクトの成長をエンジニアという立場から担って頂きます。

【具体的な業務】
新プロダクト開発において、以下のような業務に従事していただきます。

機械学習アルゴリズム選定、モデルチューニングのためのEDA 機械学習アルゴリズムの設計・実装 モデルで利用するデータ・特徴量生成のためのパイプライン開発 機械学習タスクとしては時系列予測、他クラス分類が当面のターゲットになります。プロダクトの成長に伴って自然言語処理も取り組んでいく予定です。 また、自動発注の最適化のために数理最適化技術も用いており、経験者の方には数理最適化モデルの実装も担っていただきたいと考えています。

◇利用技術
・Python ・TypeScript ・AWS サービス ・Glue ・Athena ・Fargate ・SageMaker ・Lamdba ・CDK ・機械学習/データサイエンス/数理最適化ライブラリ ・Pandas ・NumPy ・Scikit-Learn ・LightGBM ・Prophet ・PuLP

・機械学習を用いたシステム開発・運用経験
・モデルチューニングのためのEDAの経験
・パブリッククラウドサービス上での開発経験
[求める人物像]
・個の力ではなく、チームの力を最大化させることにモチベーションを感じる方
・あるべき論だけではなく、現状を踏まえた上で清濁併せのんでプロジェクト推進ができる方。
・実際に手を動かし実行してくれる方
・新しい技術などに好奇心をもち積極的に挑戦してくれる方

・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