フリーランス案件一覧

[ポジション]：データアナリスト

・AIを活用した様々なサービスを開発。物流・教育・様々な分析・データの基盤構築、分析

・統計学に関する知識
・データ整形・前処理に関する知識と実装経験
・機械学習アルゴリズムに関する知識と実装経験
・上記実装に要するプログラミング能力（SQL, Python or R)

[ポジション]：データ集計・分析補佐

SQL、SASを使用したデータ抽出業務
膨大なデータの中から顧客希望のデータを抽出して提出します。

QLを1人称で対応できる方
顧客折衝が問題ない方
業務のキャッチアップが早い方

[ポジション]：AIエンジニア

研究のための機械学習モデルの作成および評価

・Scikit-learn を用いたデータの分析経験がある
・GPU を用いたデータ分析経験がある
・英語の技術論文を読み、理解することができる
・Kaggle のコンペへ参加したことがある

[ポジション]：BIエンジニア

現在DWHを利用しているが今後はTableauを利用しデータ連携を行う。

・TableauServerへのデータ連携構築経験

[ポジション]：開発エンジニア ※機械学習エンジニア

- 「機械学習モデル(レコメンド)の開発およびシステム実装」
- ※以下、データはWebサービスのDWHのDBログ

(a)案件の要件定義をPMと行う(=足りない情報が何かを定義し、自身で要求できる)

(b)機械学習モデルのPoC
　(b-1)前処理、EDA(探索的データ解析)、Data Augmentation、ほか
　(b-2)モデルの構築（レコメンド、分類/回帰、クラスタリング、強化学習、最適化、ほか）
　(b-3)PoC結果のレポーティング

(c)モデルのWebアプリケーションへの実装
　(c-1)GCPを活用した機械学習パイプラインのアーキテクチャ作成、実装
　(c-2)webサービス側のエンジニアと機能開発の切り分けとコミュニケーション

– Web業界でサーバーサイドエンジニアの経験3年以上(エンジニアリーダー経験有り)
– 機械学習モデルのWebアプリケーションへの実装経験（クラウドリソースを活用）
– レコメンドモデルの開発案件の経験2件以上(Webサービス本番環境への実装含む)
– SQL,Python,クラウドリソースの経験

　-SQL（特にAWS）によるデータ加工経験
　-Pythonによるデータ加工・モデリング経験
　-状態空間モデルにおける知見

様々な人事データ(勤務/残業時間,病欠・遅刻回数,従業員満足度アンケート 等)から離職防止につながるモデル構築を担当。
新しいプロジェクトの立ち上げ期で、モデル構築にはScikit-learnなどベーシックなものを検討中。
膨大なデータ、特に（列）カラム数が多いのでデータエンジニアリングのスキルが必要となります。
PMや、テックリードは別の担当者がいるので、一緒に要件を詰めながらデータを整備したり、
モデル構築を担当します。クライアントに出向いて打ち合わせの同席なども想定されています。

・Python,SQLクラウド環境経験(尚可AWS)
・機械学習モデルの構築経験
・自然言語処理経験（本件では従業員アンケート等で活用想定）

住宅系・商業系データの分析用前処理として、
実データと最低限の設計ドキュメントを用いてデータクリーニング・加工を行う。
実データが定義書と乖離している部分もあったりするため、
必要に応じてメンバーとコミュニケーションをとり、
ドキュメントとコードにまとめていく。

■SQLスキル
　→ PKの重要性を理解し、データクリーニング、加工（集約・結合）等ができる（実際にはPresto）
　→ 自己結合の階差データ作成/GroupBy時CASEを使った条件集計/window関数理解/with句・サブクエリ入れ子処理綺麗に書ける
■AWS利用経験
　→ IAM（セキュリティ・権限回り）について最低限理解がある
　→ Glue/Athena利用経験あるとなお良い
■高い倫理観
　→ 大きな企業での仕事の方法に理解がある方
　→ セキュリティや安全/安定を重視

・物体検知/画像分類のAIモデルの作成　
・作成したAIモデルをエッジデバイスに適用

・AIモデル開発経験 ※自己学習レベル可

統計解析･機械学習の知見を活かし、
グループ企業の豊富なユーザ接点から得られる各種データを
どのように組み合わせれば顧客価値を最大化できるか、
ビジネス反映までのプロジェクトマネジメントを実施する、
横断データ戦略チームにジョインして頂きます。

■想定業務
・ゲームドメインにおけるアドホック分析全般
　- ロイヤルユーザ設計
　- KPI可視化用データマート作成
　- ステークホルダーへレポーティング
　- 要因調査のための深堀り分析
・レコメンドのtrain(&test)データ設計

・複雑な条件のSQL文が書ける
・ステークホルダーへ分析レポートできる
・カウンターパートに足りない情報をヒアリングできる
・分析要件を口頭ベースの情報から設計できる
・分析のスケジュールを自身で組める（自分から内部向けレポートしたいと言える）
・機械学習のtrain(&test)データセットを組んだことがある