データアナリストの案件一覧

大手小売チェーンのEC・実店舗データを活用し、商品の「需要予測」および「動的価格設定」の機械学習モデルを構築・改善するプロジェクトです。アルゴリズムの選定から実装、ビジネス層への効果説明までを主導していただきます。

• 大規模な購買履歴や販促データのデータ前処理および特徴量エンジニアリング
• 機械学習アルゴリズムを用いた需要予測モデルの設計、実装、評価
• 予測結果に基づく最適な値引き率や価格設定ロジックのモデリングとシミュレーション
• 本番環境へのモデル組み込みを見据えたパイプラインの設計支援
• 事業サイド向けの報告資料作成およびプレゼンテーション

– Pythonを用いた機械学習モデル（回帰、時系列予測等）の設計・開発・運用経験（3年以上）
– SQLを用いた大規模データの抽出・加工スキル
– 需要予測、価格最適化、レコメンデーションなど、小売・EC領域での実務経験
– 数理モデルのロジックや分析結果を、非エンジニアへ分かりやすく説明できる高いコミュニケーション能力

LLMを活用したプロダクトおよび業務基盤の設計・開発をリードしていただきます。
RAG、エージェント、評価・監視、プロンプトエンジニアリングに留まらず、システムの信頼性と継続的な改善サイクルを確立することがミッションです。

◾️具体的な業務内容
（1）LLM機能の設計・開発（要件定義〜運用）
・医療ドメイン知識を活用したRAGシステムの設計（Chunking戦略、ハイブリッド検索、Re-ranking等）
・自律型エージェントの設計（Tool/Function calling設計、状態管理、ガードレール実装）
（2）品質改善・評価基盤の構築
・プロンプト最適化、Few-shot学習、必要に応じたFine-tuning/LoRAの実施
・LLM評価基盤（LLM-as-a-Judge, Ragas等）の導入と、定量的な品質モニタリング体制の構築
（3）運用・監視・コスト最適化
・トークンコストの管理、レイテンシ改善、エラー解析
・ログ基盤の整備と、Human-in-the-loopによる改善サイクルの確立
（4）セキュリティ・安全性設計
・個人情報（PII）保護、プロンプトインジェクション対策、権限管理の設計

・データの収集・整形・品質確認（欠損/外れ値/分布チェックなど）
・探索的データ分析（EDA）・可視化・仮説検証
・機械学習モデルの作成・評価（ベースライン構築、改善提案）
・特徴量設計、評価指標の設計、リーク検知
・分析結果のドキュメント化・社内共有（再現可能な形で）

・PythonまたはRでのデータ分析経験（Pandas / NumPy 等）
・機械学習の実務経験または同等スキル
（分類・回帰・時系列・異常検知などいずれか）
・実験・分析の結果を整理し、改善案まで言語化できること

・データ抽出/集計業務
・データマート構築のQuery構築業務
・BIツール（Looker）の可視化環境構築業務

大規模エピゲノムデータを学習させた基盤モデル（Large Epigenome Model, LEM）の開発を担当していただきます。ゲノム領域の潜在表現を獲得することで、さまざまな生物学的タスク（バイオマーカー予測、予防医療AIなど）への応用を可能にするプロジェクトです。
主な業務内容：
大規模エピゲノムデータを用いた自己教師あり学習・表現学習モデルの設計・実装
Autoencoder 系モデル、Transformer、大規模言語モデルを活用したゲノム領域の潜在表現獲得
Long context 処理可能なモデルのアーキテクチャ設計と事前学習の高速化アルゴリズム研究
PyTorch / JAX などを用いた深層学習フレームワークでのモデル実装
大規模 GPU 学習、分散トレーニング、HPC 環境での運用
PyTorch Distributed、CUDA、クラウド環境（AWS 等）での学習・運用

・表現学習、自己教師あり学習、Autoencoder 系モデル、Transformer、大規模言語モデルの実務経験
・PyTorch / JAX など深層学習フレームワークでの実装経験
・Long context モデルや大規模言語モデルのアーキテクチャ設計経験
・大規模 GPU 環境での学習・分散トレーニング経験

ヘルスケア系スタートアップの研究開発部門にて、
DNAメチル化（エピゲノム）データを活用した統計解析・データ分析業務を担当いただきます。

本プロジェクトでは、以下のデータを統合し、
生物学的年齢（Biological Age）や疾患発症リスク・死亡リスクの予測モデルの研究開発を進めています。

・DNAメチル化データ（CpGサイト：約27万特徴量）
・人間ドック・健康診断データ
・大学研究機関の長期追跡研究データ（20年スパンの死亡率・疾患発症データ）

チーフサイエンティストおよびバイオインフォマティクスチームと連携しながら、
研究開発に必要なデータ前処理・探索的分析・統計解析・可視化を担っていただきます。

また解析結果は、
医学論文・学会発表・研究レポート等で利用されるため、Publication Qualityのデータ可視化が重要なミッションとなります。

【主な業務内容】
・DNAメチル化データ／医療データのクレンジング・整形
・探索的データ分析（EDA）
・統計解析（回帰分析、生存時間解析など）
・医療研究向けデータ可視化（論文・学会用図表作成）
・Python / Rを用いた解析パイプライン構築
・研究チームとの仮説検証ディスカッション

DNAのメチル化情報（エピゲノム）やプロテオーム、メタボローム、MRI画像などの生体データを用いた、生物学的年齢（バイオロジカル・エイジ）の予測モデルおよび予防介入AIの開発をお任せします。
・アジア最大規模のゲノム・生体データを活用したAIモデルの構築・評価・改善 ・血液検査の数値等を予測するバイオマーカー予測アルゴリズムの開発 ・予防医療に向けた、ユーザーへの介入・レコメンドAIの構築 ・データの収集・前処理・整形（数十万次元のデータや、不均衡データへの対応など） ・LightGBMなどの機械学習から、深層学習を用いた基盤モデルまでの検証および実装

通信事業者向けスマホアプリのユーザ行動ログを分析し、既存機能の改善示唆を提案
分析手法の提案、分析実施、結果報告、ツール提案およびダッシュボード構築を担当

研究開発部門にて、DNAメチル化（エピゲノム）データを用いた統計解析業務を担当します。 チーフサイエンティストやバイオインフォマティクスチームと連携し、解析結果を医学論文や学会発表で用いるための「質の高い図表」としてアウトプットすることが重要なミッションです。
・エピゲノムデータ、健康診断データ等のクレンジング・整形 ・探索的データ分析（EDA）および仮説検証 ・論文投稿・学会発表用のデータ可視化（R/ggplot2等を用いたPublication Qualityの作図） ・統計解析（回帰分析、生存時間解析など） ・PythonおよびRを用いた解析パイプラインのコード整備

・PythonまたはRを用いたデータ分析実務経験（Pandas, Tidyverse等）
・論文やレポート向けの高度なデータ可視化スキル（見た目を美しく分かりやすく整えられる能力）
・統計学の基礎知識
・他職種（研究者・エンジニア）と連携して仮説検証を進めるコミュニケーション能力