株式会社グロービス：EdTech事業_シニア機械学習エンジニア（テクノロジー職）

会社名

株式会社グロービス

会社概要

「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。」というビジョンのもと、経営大学院の運営や法人事業による人材育成・組織開発の推進、ベンチャー企業への投資など幅広い事業を行うグロービス。近年は「テクノベート時代の世界No.1 MBAへ」を目標に掲げ、EdTechを活用したプロダクト開発などにも力を入れています。
【事業内容】グロービス経営大学院・企業内研修・スクール型研修・能力測定テスト GMAP・GLOBIS 学び放題・出版・発信・ベンチャーキャピタル・一般社団法人G1
・一般社団法人KIBOW・茨城ロボッツ
グロービスは創業当時から、個人の成長を支援する「経営大学院・ビジネススクール」事業と、組織の成長を支援する「法人（研修等のソリューション）」事業で、実践的な経営教育を提供しています。
■株式市場から見るグロービス法人部門■
・日経225銘柄のうち約80％の企業への支援実績あり
・DX銘柄のうち、グロービスのデジタルサービスの導入率約75％

ポジション

EdTech事業_シニア機械学習エンジニア（テクノロジー職）

仕事内容

▼業務概要
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

求める経験・スキル

必須要件
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グロービスの事業、グロービス・ウェイに対する強い興味関心がある方
歓迎要件
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。