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シニア機械学習エンジニアのポジションです。
事業内容
これまでの社会人教育事業で培ったノウハウを活かし、社会人の学びを加速させるために、グロービスでは、デジタルでの社会人教育事業(Ed-Tech)を強化しています。
2016年にEdTech新規事業部門(グロービス・デジタル・プラットフォーム部門)を創設し、現在は部門全体で200人、テック人材が120名程の組織規模になっています。
我々はサービスを内製開発しており、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「GLOBIS 学び放題」や英語版の「GLOBIS Unlimited」、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」などがあります。「GLOBIS 学び放題」は、2017年のサービス開始以来、有効会員数23万人を突破し、Withコロナ時代でも「学びを止めない」ために日々多くのサービス開発を行っています。
募集背景
現在、グロービス内で保持する学習データ(例:「GLOBIS 学び放題」の学習行動データ)やアセスメントデータの活用にも本腰を入れ始めています。
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。
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: 「GLOBIS 学び放題」におけるレコメンドモデル開発
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組成し、体制強化を進めています。
なお、チーム内での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。
現在は以下のような体制です (業務委託を含む) 。
統括ディレクター: 1名
データエンジニア: 2名
機械学習エンジニア: 1名
データサイエンティスト: 3名
技術顧問: 1名
このうち、機械学習領域のコアメンバーとなるシニア機械学習エンジニアを募集します。
業務内容
▼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
・リリース後の運用
開発環境は下記になります。
- インフラ
GCP (データ基盤)
AWS (その他本番運用システム) - ELT ワークフロー管理
Cloud Composer
Airflow - DWH
BigQuery - その他インフラ管理
Docker
GKE / Vertex AI / GAE / CloudRun - 可視化ツール
Google Data Portal / Tableau - 分析環境
Jupyter Notebook / Google Colab / Google Cloud ML - 監視
Cloud Logging / Stackdriver Logging - その他
Git / GitHub / Slack / Notion
魅力
- コアメンバーとして大きな裁量を持ち、活躍するチャンスがある。
- 経営層のデータ活用への温度感が高いので、強いバックアップのもと機械学習モデル開発に取り組む事が出来る。
- スキルの高いエンジニアとデータサイエンティストが既にチームに在籍しており、高度なデータ活用に向けたコラボレーションの環境が整っている。また、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。
- 社会人教育における国内最大規模の大学院・教育サービス機関であり、ユニークなデータが取得・利用可能である。
- 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。
- 社会人教育におけるDX推進にあわせ、様々なデータ活用の提案が実施できる。
- 定期的な技術ブログの発信を行うなど、技術研鑽に励むことのできる環境がある。
https://note.com/globis_engineers/ - フルフレックス、リモートワーク、副業可、服装自由、自己啓発支援制度やグロービス経営大学院への通学支援制度等、自己成長を目指す方が働きやすい環境である。
https://recruiting-tech.globis.co.jp/environment/
応募資格
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。
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。
[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:機械学習モデルをシステム導入した際に発生する運用上の課題とそれに対するベストプラクティスを有している。・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。
職種 / 募集ポジション | EdTech事業 シニア機械学習エンジニア(テクノロジー職) |
---|---|
雇用形態 | 正社員 |
給与 |
|
勤務地 | 屋内原則禁煙(喫煙室あり※大阪・名古屋拠点のみ) |
待遇 | ・交通費支給(当社規定による) ・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 |
その他(GDP/T職のみ) | エンジニア等のテック人材は、MacBook Pro 15inch、27inchディスプレイ貸与(フルリモート勤務へのディスプレイ貸出は無し) |
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 ※ ・海外短期留学支援制度 ※ ・自己啓発支援(年間上限20万円) ・業務上必要な研修受講支援(所属部門長の判断により全額負担) ※プログラムの未修了、もしくは、在学中または修了後2年未満での退職時には支援金の返金要 |
就業時間 | フレックスタイム制 |
平均残業時間 | 実績10時間程度。 |
リモートワーク | 良きコミュニティ・企業文化・関係性を生み出すリアルな「場」を重視しつつ、最先端のテクノロジーを駆使してオンラインやリモートを積極的に取り入れています。 週2日以上の出社を推奨していますが、部門・チームの特性によって方針を決定しています。 |
休日 | ・土日祝休み ・有給休暇:4月1日に年間20日付与。入社日によって按分。 ・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) |
配属先組織構成 | グロービスの2016年に新設されたEd-Tech部門であるグロービス・デジタル・プラットフォームに所属していただきます。 データサイエンスチームの体制は以下です (業務委託を含む)。 統括ディレクター: 1名 データエンジニア: 2名 機械学習エンジニア: 1名 データサイエンティスト: 3名 技術顧問: 1名 |
スケジュール(例) | 我々のチームはフレックスを導入しているため、1か月単位でスケジュールをご自身で調整していただいています。また、リモートワークも多用しているため、打合せはZoom等のオンラインで行うことが多いです。 <スケジュール例> 09:00-09:30 ToDo確認 / Slackやメール等の連絡事項チェック 09:30-10:30 技術ブログ等のチェック/ 論文・書籍を読む 10:30-12:00 作業(コーディング、ドキュメント作成など) 12:00-13:00 ランチタイム 13:00-16:00 作業(コーディング、PRレビュー、資料作成など) 16:00-17:00 デイリーミーティング(進捗共有、相談など) 17:00-18:00 ミーティング後の対応、明日のToDo整理 |
将来のキャリアイメージ | 機械学習エンジニアとして経験を積みつつ、知見を更に高めていただいた後は、データサイエンスチームや部門全体のデータマネジメントに関する取り組み全体をリードしていただくことや、チームマネジメントを推進していただくことを期待しています。 |
学歴 | 高校・高専・専修・短大・大学・大学院卒 |
選考フロー | 基本的な選考フローは下記となりますが、ご状況によっては、同日に実施するなどご相談を承ります。 書類選考→1次面接(部門)→2次面接(部門リーダー、HR)→3次面接(部門長(役員))→4次面接(人事役員:実施無しの場合もあります) ※エッセイ(グロービスで何をやりたいのか)を提出いただきます。 |
会社名 | 株式会社グロービス |
---|---|