データサイエンス業界中途
データサイエンス業界 × 中途
データサイエンス領域で5年の実務経験を持ち、EC・小売業界におけるレコメンデーションエンジン構築と需要予測モデルの開発を主導。ビジネス課題を数理モデルに落とし込む力と、MLOpsを導入し本番環境へ実装するエンジニアリング力を強みとする。英語での技術ドキュメント作成や海外チームとの協業経験もあり、組織横断でデータドリブンなROI最大化に貢献します。
📌 職歴要約
- ▸2018.04 - 2021.03：大手ECプラットフォーム企業 データアナリスト兼サイエンティスト（需要予測、マーケティングROI分析、A/Bテスト設計）
- ▸2021.04 - 現在：AIテックスタートアップ（外資系資本） シニアデータサイエンティスト（レコメンド基盤のMLOps化、深層学習モデルの開発、ジュニアメンター）
📌 実績・強み
- ▸需要予測モデル（LightGBM/Prophet）をフルスクラッチで開発・導入し、在庫廃棄率を前年比15%削減、年間約1.2億円のコスト削減を実現。
- ▸パーソナライズドレコメンドAPIの推論レイテンシを50msから12msへ短縮し、CTRを2.4%向上。売上貢献額で月間3,000万円を達成。
- ▸MLOpsパイプライン（Kubeflow/MLflow）を内製化し、モデルの検証から本番デプロイまでのリードタイムを3週間から2日へ劇的に短縮。
📌 技術・スキル
- ▸言語・DB: Python (Pandas, NumPy, Scikit-learn), SQL (BigQuery, Redshift), R, Bash
- ▸機械学習・DL: PyTorch, XGBoost, LightGBM, 自然言語処理 (Hugging Face Transformers)
- ▸インフラ・MLOps: AWS (SageMaker, S3), Docker, Kubernetes, MLflow, Airflow, dbt
- ▸ビジネス・その他: A/Bテスト設計、因果推論、英語ビジネスレベル (TOEIC 890 / 海外チームとのDaily Scrum経験)
📌 自己PR
- ▸「モデルの精度向上だけでなく、いかにビジネスに実装し価値を残すか」を常に意識しています。前職では、高精度だが推論コストが高い深層学習モデルが事業部から拒否される経験をし、ビジネス視点の重要性を痛感しました。それ以降、エンジニアと協業してMLOps基盤を構築し、軽量かつ高精度なアンサンブルモデルを自動デプロイする仕組みを確立。結果として事業部のデータ活用リテラシーも向上させ、データサイエンス組織の信頼を勝ち取りました。グローバルなデータ基盤上で、より大規模かつ多様な課題に挑戦したく、貴社を志望します。
💡 作成のヒント
- 💡実績は「モデルの精度（AUCなど）」だけでなく「ビジネスインパクト（売上、コスト削減額）」で書くと、事業会社からの評価が跳ね上がります。
- 💡MLOpsやデータエンジニアリングのスキルは、現在のDS採用において強力な差別化要因になるため、インフラ経験も必ず記載してください。
- 💡外資系も視野に入れる場合、GitHubのポートフォリオやKaggleのメダル、英語での技術ブログなどをURL付きで履歴書に添えるのが効果的です。
- 💡自己PRでは「ビジネスサイドとのコミュニケーション」や「ステークホルダーを巻き込んだエピソード」を入れると、シニア層としての視座の高さをアピールできます。
🔗 🔗 他のレベル
最終確認: 2026-09-06 · aijobs編集部