創造に挑み、変革を導く。GLOBIS | RECRUITING

《東京》EdTech新規事業 機械学習エンジニア

東京(麹町)

グロービスの提供する多様な教育サービスのデータを用いた機械学習モデル開発を担う機械学習エンジニアのポジションです。

職務内容

【概要】

これまでの教育事業で培ったノウハウを活かし、現在グロービスではEd -Tech領域に大きく舵を切っています。
その実現のためにデジタル部門を創設してエンジニア組織を構築し、内製のEd-Techプロダクト開発を行っています。
具体的には、ビジネス動画のサブスクリプションサービスである「グロービス学び放題」や法人向けの学習管理を目的とした「グロービスラーニングプラットフォーム」などを開発しています。

 

組織やサービス立ち上げの詳細経緯は下記に記載されております。

https://logmi.jp/tech/articles/310593

 

そして現在はグロービス内で保持する下記のような多様な学習データの活用にも本腰を入れ始めています。
・グロービス学び放題(オンライン学習サービス)の学習履歴
・グロービスラーニングプラットフォーム(学習管理システム)上での学習履歴
・e-leraningの学習履歴
・GMAP(アセスメントテスト)の受講結果
・グロービス知見録(オウンドメディア)の閲覧履歴
・集合研修の受講履歴
・大学院の受講履歴

 

機械学習によるデータ活用の方向性としては、教育業界におけるインパクト創出と既存サービスの成長支援の2パターンで考えています。
詳細は記載出来ないのですが、例えば下記のようなテーマを想定しています。
・教育業界におけるインパクト創出:個別学習実現のための機械学習モデル開発
・既存サービスの成長支援:グロービス学び放題におけるレコメンドモデル開発

またR&D的な取り組みとして、集合研修などリアルな場におけるデータ解析なども検討しています。

 

これらの実現のために、データ専門性の高い人材を集めたデータサイエンスチームを立ち上げ、現在急ピッチで体制強化を進めています。
尚チーム内でのRole(=役割分担)は下記のようにしています。
・データサイエンティスト:データによる新しい価値創造をゴールとするデータ分析やモデル開発を担う。
・機械学習エンジニア:サービス実装をゴールとした機械学習のモデル開発を担う。
・データエンジニア:データ活用の要となるデータ基盤開発と運用を担う。
・PM:データ活用PJTのプロジェクトマネジメント。実装以外の全てを担いデータ専門人材が各自の開発に集中出来る状況を担保する。

このうち、機械学習領域を担当する機械学習エンジニアを募集します。

 

▼業務概要
・個別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)
・タスク開始前の基礎分析
(シニア指示のもと)
・モデルの実装 (ライブラリ利用)
・モデルの定量評価
・モデルの定性評価
・モデル開発結果のレポーティング
(シニア指示のもと)

 

▼業務詳細(モデルのテスト導入フェーズ)
・効果検証のために追加取得すべきデータ要件の設計 (主にログ設計)
(シニア指示のもと)
・効果検証のためのデータ分析
(シニア指示のもと)

 

▼担当プロセス(モデルのシステム導入フェーズ)
・バッチ処理実装

 

▼開発環境

・インフラ:GCP(データ解析基盤)/ AWS(ユーザー向けサービス)
・分析基盤:BigQuery / Data Portal / Tableau
・監視:Stackdriver Logging / Stackdriver Monitoring / Stackdriver Trace
・データ基盤:GAE / GCS / Datastore / Pub Sub / Dataflow
・その他:GitHub / Slack / Qiita:Team

 

【魅力】

・動画サービスのようなオンラインデータだけでなく、集合研修などのオフラインデータを扱うチャンスがある。
・データ基盤やML開発環境やデータ整備が進んでいるので、参画後すぐに機械学習モデル開発に取り組める土台がある。
・教育領域の課題解決がメインとなるので、社会的意義の大きいテーマに取り組める。
・国内Topクラスの機械学習エンジニアと働ける。
https://jp.linkedin.com/in/kazuhiro-moriya-8885b412a

応募資格

【必須条件】

下記に列挙するデータ専門性とエンジニアリング力を全て保持している事。

 

[データ専門性]
・SQL:SQLの構文を一通り知っていて、記述、実行できる(DML、DOLの理解。各種JOINの使い分け。集計関数とGROUP BY。CASE文。副問合せなど)。加えて数百行のSQLを解読する事が出来る。
・プログラミング能力:ライブラリ(例:scikit-learn)を利用した機械学習や統計モデル構築を行う事が出来る。
・機械学習:はじめてのパターン認識に相当する機械学習の知識。
・Deep Learnikng:GoodfellowのDeepLearning本レベルの知識を持つ。
・モデル開発の実務経験:特徴量エンジニアリング、モデルの性能チューニング、モデルのオフライン性能評価のノウハウを持つ。

 

[エンジニアリング力]
・アプリケーション開発:機械学習モデルのデモを目的とした簡易アプリケーションの開発(Flaskなどを利用)が出来る。サービス開発担当のアプリケーション開発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:応用技術情報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。
・データ設計能力: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出来る。
・バッチ処理実装: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設計が出来る。

【歓迎条件】

下記に列挙する項目のいずれかを満たしている事。

 

[データ専門性]
・プログラミング能力:ライブラリを利用しない形で機械学習や統計モデル構築が出来る (論文内の機械学習手法など)
・統計:統計検定2級レベルの知識を有しており、実務で正しく利用する事が出来る。
・自然言語処理:TF-IDFやcos類似度などの基本アルゴリズムを使い、単語ベクトルの作成や文書群の類似度計算を行う事が出来る。

 

[エンジニアリング力]
・システム設計能力:機械学習をシステム導入する際のアーキテクチャ検討が出来る。機械学習をシステム稼働後に発生するシステム運用課題を洗い出す事が出来る。
・計算量への理解: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事が出来る。


[ビジネス力]
・プレゼンテーション力:分析結果やモデル開発結果をわかりやすくまとめ、適切に伝える能力。

【応募書類】

  • 職務経歴書

  • 履歴書

  • エッセー「グロービスで何をしたいのか」(A4一枚程度)をファイルで準備頂き、次のページで添付ください。

待遇

【雇用形態】

正社員

【就業時間】

フレックスタイム制

【休日】

・週休二日制
・有給休暇:年間20日(翌年繰越により最大40日)<試用期間中は5日>
・年末年始休暇(12月29日~1月4日)、結婚休暇、忌引き休暇、災害ボランティア休暇、出産・育児休暇、サバティカル休暇(勤続5年/10年に付与)

【待遇】

《給与》
経験・能力を考慮し、規定に従い相談の上決定します。
・給与改定は年1回7月に実施します。
・入社2年目以降は別途プロフィットシェアリングが支給されます。

・交通費支給(上限10万円)
・各種社会保険有り(健康保険、雇用保険、労災保険、厚生年金)
・退職金制度有り(定年:60歳)
・持ち株制度有り

【教育制度及び資格補助】

・グロービス経営大学院受講支援制度
・自己啓発支援(年間上限20万円)

【勤務地】

東京(麹町)

JOB LISTING一覧

[この部門の事例紹介]

EdTech新規事業の事例
>詳しくはこちら

※応募サイトに遷移します。


ページ上部へ戻る