Pandasの案件一覧

【募集背景】
・人員不足
・サービス力向上

【案件概要】
現在エンジニアスキル不要のフルマネージド型分析SaaS(機械学習が組み込まれている)を開発しており、そこにおけるデータサイエンティストを募集しております。
サービスとしてはデータの可視化や分析が出来るもので、競合イメージとしてはTableauやGoogle データポータル等です。
現在は可視化や分析までのサービスとなりますが、今後はサービスを使う営業の方が「次にどういった事を行えば受注率が上がるのか」、「いつ決裁者へアプローチすべきか」等、データドリブンにサービスを使えるようにしていきます。

【業務内容】
・MLモデル構築
・ML/DL技術を用いた新機能開発
・実装もスコープに入る可能性あり

・Python
・Pandas

営業データの利活用プロジェクトを行っており、下記分析を行っている。
・休眠顧客復活分析
・RFM分析
・レコメンド
その中で当社データサイエンティストの指示により下記業務をお願いする想定です。

【業務スコープ】
■基礎集計
■データの加工
・欠損値補完
・次元圧縮
・各種変換
・説明変数の可変
・ウィンドウ化　等
■モデル構築
・特徴量、パラメータ再エンジニアリング
・変数重要度出力
・アウトプット解釈　等

・Pythonを用いた分析経験
・Pandasを用いた経験2年以上
・コミュニケーション能力

=短期的=

• ユーザーの行動/心理に関する仮説検証/仮説探索
• A/Bテストによる施策の効果検証
• 統計的因果推論による施策の効果検証
• 自由記述データの自然言語処理
• 上記に関する開発/マーケティング側とのコミュニケーション
  =長期的=
• 定型レポートのワークフロー開発/ダッシュボード構築
• コンテンツやオンラインイベントのレコメンド
• 検索エンジンのアルゴリズム改良
• コンテンツの画像情報/音声情報を用いた機械学習

◆データサイエンス
– 統計検定2級レベルの知識
– 機械学習・統計モデルの構築、およびモデルに基づく分析の経験
– マーケティング又は教育領域のデータ分析経験
◆ ビジネス
– 論理的思考力(定量思考力/要約力/仮説構築能力など)
– ドキュメント作成能力 (見栄えではなく、構成の組み立て方やわかりやすさが担保出来る)
– 開発/マーケティング側とコミュニケーションしながら分析を推進できる
◆ エンジニアリング
– SQLを利用してデータを加工・集計した経験
・100~200行のコードを読み書きできること
・結合, CTE (WITH句)・サブクエリ, ウィンドウ関数が利用できること
– Pythonによる集計やモデル構築・可視化の経験
・ numpy, pandas などの集計用ライブラリの利用経験
・ scikit-learn などの機械学習ライブラリの利用経験
・ matplotlib, seaborn などの可視化ライブラリの利用経験
– Git・GitHubの利用経験

社内のDX推進における、全バリューチェーンの現場課題、業務、商材に寄り添い、データ収集、分析、課題解決を行っていただきます。
必要に応じて機械学習のテーマ設定、データ調達、モデル構築、業務適応の一連の業務も発生します。

プロジェクトは創成期で、現場課題を抽出しているフェーズ。

[主業務]
・AWSのDWHと各種サービスの繋ぎ（データエンジニアリング）と完成したモデルのデプロイ（サーバーサイド）及び評価（DevOps）
・レポーティング業務、仕組み化
・分析評価業

・pandas/python/SQL経験
・データ分析業務（pandas）
・データエンジニアリング業務
・分析アウトプットの作成経験
・作業内容や課題を適切に報告できる日本語能力、論理的思考能力

【業務概要】
新プロダクトの機械学習エンジニアとして、プロダクト立ち上げを担当して頂きます。 現在MVPの開発段階のため、ご参画頂くタイミングでは本番リリースに向けたβ版開発や機能拡充、ブラッシュアップ、本格ローンチとプロダクトの成長をエンジニアという立場から担って頂きます。

【具体的な業務】
新プロダクト開発において、以下のような業務に従事していただきます。

機械学習アルゴリズム選定、モデルチューニングのためのEDA 機械学習アルゴリズムの設計・実装 モデルで利用するデータ・特徴量生成のためのパイプライン開発 機械学習タスクとしては時系列予測、他クラス分類が当面のターゲットになります。プロダクトの成長に伴って自然言語処理も取り組んでいく予定です。 また、自動発注の最適化のために数理最適化技術も用いており、経験者の方には数理最適化モデルの実装も担っていただきたいと考えています。

◇利用技術
・Python ・TypeScript ・AWS サービス ・Glue ・Athena ・Fargate ・SageMaker ・Lamdba ・CDK ・機械学習/データサイエンス/数理最適化ライブラリ ・Pandas ・NumPy ・Scikit-Learn ・LightGBM ・Prophet ・PuLP

・機械学習を用いたシステム開発・運用経験
・モデルチューニングのためのEDAの経験
・パブリッククラウドサービス上での開発経験
[求める人物像]
・個の力ではなく、チームの力を最大化させることにモチベーションを感じる方
・あるべき論だけではなく、現状を踏まえた上で清濁併せのんでプロジェクト推進ができる方。
・実際に手を動かし実行してくれる方
・新しい技術などに好奇心をもち積極的に挑戦してくれる方

音楽関連のマーケティング分析-基本的にはエンドからの要望にアドホック分析対応。
-分析が中心となるため、機械学習自体の知識はあった方が良いですが必須ではない
・かなり大きなデータを分析するため、田町で週に2-3日程度(音楽配信ログや人流データなど)
・一部データについては、リモートでの分析対応。

・データ前処理を自分で考えて実装することができる
・Pandas/Numpy等を利用した分析ができる（JupyterNotebook/Lab環境等）
・ある程度大きなデータを扱うことができる（数千万-数億レコードレベル

・顧客ビジネス上の課題及び要件を理解し達成に向けて仮説立案おおよびデータの収集・分析を実施
・顧客から提供されたデータの確認・分析および分析基盤の構築・運用
・機械学習モデルの予測精度や汎用性を向上させるための特徴量エンジニアリング
・適切な機械学習モデルを選定・開発仮説検証を実施

・数理モデルと機械学習を用いた予測需要プロジェクトのへ従事経験
（データ収集から分析、モデル開発まで一通りご対応した経験）
・Pythonを使ってデータ分析や前処理を実施した経験
・データサイエンスプロジェクトの実務経験
　-scipy,pandas,seabornなどの統計ライブラリや可視化ツールを用いたデータ分析
　-データベースやDataFrameを使いこなせる方。
　 pandas,dask,modinなどのFWを用いて、小規模から大規模までのデータを扱うことができる。
・需要予測や最適化アルゴリズムの基本的な理解
・日本語力（ネイティブレベル）

食品製造業における生産実行での単品受注量の予測モデル及び、
製品カテゴリーの経営計画向け受注量予測モデルの構築

・pandas,matplotlibなどを用いた基本的な集計、可視化スキル。
・統計モデル、機械学習モデルの実装スキル。(時系列データに対して予測モデル実装経験があると良い)
・異常値や欠損値についての扱い方法について検討・実装できる。

・データの分析と可視化（グラフ化）
・分析可視化に伴うデータ前処理
・データのマスタファイル・対応表の作成・分析結果等の資料化

・分析可視化に伴うデータ前処理（結合加工処理など）
　Pythonに習熟しておりデータ分析用のライブラリ（pandasなど）が扱えること
・機械学習のデータ前処理を自分で考えて実装することができる
・Pandas/Numpy等を利用した分析ができる（JupyterNotebook/Lab環境等）

自社事業成長支援を目的としたKPI設計、データ可視化、ビジネスデータ分析を担うポジションです。
依頼業務は以下短期的長期的とスコープがあります。
[ 短期的 ]
・ ユーザーの行動/心理に関する仮説検証/仮説探索
・ A/Bテストによる施策の効果検証
・ 統計的因果推論による施策の効果検証
・ 上記に関する開発/マーケティング側とのコミュニケーション
[ 長期的 ]
・ 定型レポートのワークフロー開発/ダッシュボード構築
・ コンテンツやオンラインイベントのレコメンド
・ 検索エンジンのアルゴリズム改良
・ コンテンツの画像情報/音声情報を用いた機械学習

[ データサイエンス ]
・ 統計検定2級レベルの知識
・ 機械学習・統計モデルの構築、およびモデルに基づく分析の経験
・ マーケティング又は教育領域のデータ分析経験
[ ビジネス ]
・ 論理的思考力(定量思考力/要約力/仮説構築能力など)
・ ドキュメント作成能力 (見栄えではなく、構成の組み立て方やわかりやすさが担保出来る)
・ 開発/マーケティング側とコミュニケーションしながら分析を推進できる
[ エンジニアリング ]
・ SQLを利用してデータを加工・集計した経験
・ 100~200行のコードを読み書きできること
・ 結合, CTE (WITH句)・サブクエリ, ウィンドウ関数が利用できること
・ Pythonによる集計やモデル構築・可視化の経験
・ numpy, pandas などの集計用ライブラリの利用経験
・ scikit-learn などの機械学習ライブラリの利用経験
・ matplotlib, seaborn などの可視化ライブラリの利用経験
・ Git・GitHubの利用経験