データサイエンス業界新卒
データサイエンス業界 × 新卒
新卒としてデータサイエンス業界を志望。大学院での機械学習研究と2社のAIベンチャーでの長期インターン経験を通じ、Pythonを用いた予測モデル構築とSQLによる大規模データ抽出・分析スキルを習得。Kaggleでのメダル獲得実績もあり、ビジネス課題を数理的に捉え、エンドツーエンドで実装する力を強みとしています。
📌 職歴要約
- ▸2022年9月〜2023年8月：AIベンチャーA社にてデータサイエンティストインターン。ECサイトのレコメンドエンジン改善プロジェクトに参画し、特徴量エンジニアリングとモデルのオフライン評価を担当。
- ▸2023年4月〜2024年3月：大学発スタートアップB社にてリサーチアシスタント。自然言語処理を用いた顧客レビューの感情分析ツールをスクラッチから開発し、API化まで完遂。
- ▸2021年4月〜現在：大学院 工学研究科 知的システム専攻。時系列データを用いた異常検知アルゴリズムの研究に従事し、国際学会にてポスター発表を実施。
📌 実績・強み
- ▸インターン先でのレコメンドモデル刷新により、クリック率（CTR）を従来比14.5%向上、月間売上換算で約800万円の増益に貢献。
- ▸Kaggleのテーブルデータコンペティションにて、LightGBMとNNのアンサンブル手法を構築し、上位2%（Silver Medal）を獲得。
- ▸研究室のサーバー環境（AWS EC2/GPU）を自ら構築・運用し、研究メンバー15名の計算リソース割り当てを自動化、研究効率を30%改善。
📌 技術・スキル
- ▸プログラミング言語: Python (Pandas, NumPy, Scikit-learn), SQL, R
- ▸機械学習・ディープラーニング: PyTorch, LightGBM, XGBoost, Hugging Face Transformers
- ▸データ基盤・MLOps: AWS (S3, EC2, SageMaker), Docker, Git/GitHub, MLflow
- ▸語学・その他: 英語（TOEIC 860点 / 論文読解・技術ドキュメント作成に支障なし）、統計検定2級
📌 自己PR
- ▸「技術とビジネスの架け橋となる推進力」：インターン先で『モデルの精度は高いが推論コストが見合わない』という課題に直面。エンジニアと協業し、モデルの蒸留とONNXフォーマットへの最適化を行うことで、精度を98%維持したままレイテンシを40%短縮しました。ビジネス要件と技術的制約のバランスを取りながら、エンドツーエンドで価値を届けることに強いこだわりを持っています。
💡 作成のヒント
- 💡新卒のデータサイエンス職は「ポテンシャル」と「実装力」が見られます。Kaggleやコンペの実績は、単なる順位だけでなく「どのような仮説検証と特徴量エンジニアリングを行ったか」を面接で語れるように準備しましょう。
- 💡日企・外資系問わず、SQLとデータ前処理の基礎力は必須です。モデル構築だけでなく、汚れたデータをどうクレンジングしたかという泥臭い経験をアピールすると評価が上がります。
- 💡研究内容やインターンでの成果を、技術者ではない人事や事業部長にも伝わるよう「ビジネスインパクト（売上やコスト削減）」に紐付けて言語化する練習をしておきましょう。
- 💡外資系企業を狙う場合、LeetCode等のコーディングテストや英語での技術面接が課されることが多いため、アルゴリズムの基礎と英語でのプロジェクト説明を並行して対策してください。
🔗 🔗 他のレベル
最終確認: 2026-09-06 · aijobs編集部