お任せしたいこと
［役割］
データサイエンティストとして、大手小売（EC/実店舗）の膨大な顧客購買データや行動ログを分析し、売上予測や需要予測を行うAIモデルの設計・検証を担っていただきます。
［役割に対して求める成果］
Pythonを用いた機械学習アルゴリズムの実装と検証を行い、従来の予測精度を大幅に上回るプロダクション向けの予測モデルを構築すること。

具体的な業務内容
SQLを用いた、DWH（BigQuery/Snowflake等）からの大規模な購買・行動ログデータの抽出と整形
Python（pandas, NumPy）を活用した、特徴量エンジニアリング（欠損値処理、データ正規化等）
scikit-learn, LightGBM, XGBoostなどを用いた機械学習予測モデルの構築およびハイパーパラメータ調整
時系列データ（売上の季節変動やトレンド）を考慮した、需要予測モデルの検証とモデル評価（RMSE等の算出）
分析結果やモデルの予測精度を、ビジネスサイドのステークホルダー向けに分かりやすくまとめたレポートの作成
モデルのプロダクション化（推論API化）を見据えた、データパイプライン（Airflow等）の要件定義支援

必須スキル・経験
Pythonを用いたデータ分析、または機械学習モデルの構築実務経験3年以上
SQL（BigQuery、Snowflake、PostgreSQL等）を用いた大規模データの抽出・集計・加工スキル
機械学習の主要なアルゴリズム（回帰、分類、クラスタリング、時系列解析等）に関する数学的・統計的知識
pandas、NumPy、scikit-learnなどの主要データサイエンス用ライブラリの高度な操作スキル
GitHubを用いたソースコード管理、および分析プロセスの共有・レビュー経験

歓迎スキル・経験
LightGBMやXGBoostなどの勾配ブースティングツールの実務における深いチューニング経験
小売・EC業界におけるIDPOSデータ、購買データ、プロモーション効果測定の分析経験
BIツール（Tableau、Looker等）を用いた、分析結果のダッシュボード化・可視化経験
Apache Airflowやdbtなどを用いたデータパイプライン（ETL/ELT）の開発・運用経験
AIモデルをWeb API（FastAPI等）やクラウド（AWS/GCP）の商用環境へ組み込んだ経験

開発環境
言語・環境：Python, Jupyter Notebook
データ基盤：GCP (BigQuery), Snowflake
ライブラリ：pandas, NumPy, scikit-learn, LightGBM, Optuna
管理ツール：GitHub, Slack, Jira

開発チームについて
データサイエンティスト3名、データエンジニア2名、ビジネスアナリスト1名の構成です。
データの民主化と実ビジネスへの貢献を重視しており、研究室のような閉じた空間ではなく、事業部と密に会話しながら進める非常にエネルギッシュな環境です。

求める人物像
データの中に隠れた規則性や因果関係を、仮説検証を通じて執拗に突き詰めるのが好きな方
専門的な統計用語をビジネス用語に翻訳し、非エンジニアに対しても納得感のある説明ができる方

仕事の魅力
国内トップクラスの膨大なデータセット（ファーストパーティデータ）を扱い、データサイエンスの腕を存分に振るうことができます。
自分の構築したモデルが、実際の仕入れ最適化や売上増といったビジネスインパクトに直職するダイナミズムを実感できます。

働き方
リモート環境
[フルリモート] フルリモートで働いていただけます。