面接スタイルの解説
機械学習エンジニアの面接の流れは企業やポジションによって異なることがありますが、一般的には以下のフローで構成されることがよくあります。
基本的には以下のフローとなります。
- 書類選考
- 課題
- 技術面接(2~3回)
- 行動面接(1回)
1. 書類選考
- 目的: スキル、経験（実務経験、サイドプロジェクトなど）、教育専攻の確認
- 内容: 履歴書や職務経歴書、推薦状、カバーレターの提出（企業による）
📝 レジュメの例
機械学習エンジニアの履歴書に含めるべき内容
連絡先情報
- 名前
- 電話番号
- メールアドレス
- LinkedInプロフィール（あれば）
- GitHubプロフィール（プロジェクトやOSSや論文の貢献を示すため、あれば）
これまでのキャリアパースの経験
- 経験職種、主要スキル、受ける企業に提供できる自身の価値を簡潔に述べます。
スキル
技術スキル:
- プログラミング言語: Python、R、Java、SQL、Golangなどの言語の経験。（できれば、Python 3年間の書き方で経験を示します）
- 機械学習フレームワーク: TensorFlow、PyTorch、Keras、Scikit-learnなどの経験。
- データエンジニアリングツール: Pandas、NumPy、SQLなどの経験。
- ビッグデータ技術: Spark、Hadoopなどのビッグデータ技術の知識や経験。(多くの機械学習エンジニアはJupyterノートブックでモデルを作り、本番環境にモデルのデプロイやビッグデータツールでデータパイプラインの構築はないため、この領域の経験が重要です)
- クラウドプラットフォーム: MLモデルをデプロイするためのAWS、Google Cloud Platform、Azureの経験。
- バージョン管理: Git
ソフトスキル:
- 分析スキル: 複雑なデータセットを分析し、解釈する能力。
- 問題解決: アルゴリズムやデータシステムの設計における創造的な問題解決スキル。(過去の問題があれば、それを箇条書きで書きます)
- コミュニケーション: 複雑な概念を非技術者に説明するための強力な書面および口頭でのコミュニケーションスキル。（モデルを作り、ビジネス側の要件定義やビジネス問題の解決にどのように対応できるか）
- チームワーク: 協力的なチーム環境での作業経験。（チーム内の役割、テックリードかどうかなど）
教育
- 学位: コンピュータサイエンス、数学、統計学、または関連分野の学士/修士/博士。
- 関連コース: Coursera、edX、Udacityなどの機械学習、ディープラーニング、統計学、データ構造とアルゴリズムなどの認定（あれば）。
- 資格: AWS、Azure、GCP、Tensorflowなどの関連分野での資格（あれば）。
(注意): 資格に運転免許を含めないこと。運転免許があることで、IT企業の採用基準になりません。
専門経験
- 職種、企業名、雇用期間。
- 責任と成果: 役割での責任と達成したことを強調し、定量的な結果に焦点を当てる（例: 「モデルの精度を20%向上させた」や「データ処理時間を30%短縮した」、できれば、「会社のKPIに繋がるモデルを作り、閲覧数やDAUが20%上がった」など）。
仕事のプロジェクト
- プロジェクトタイトル: プロジェクトの簡単な説明、使用した技術、プロジェクトでの候補者の役割。
- 機械学習に対するスキルと関心を示す学術的および個人的なプロジェクトを含む。
サイドプロジェクト
同上
出版物（該当する場合）
- 機械学習や関連分野で公開された研究論文や記事。
発表（該当する場合）
- 関連する業界のカンファレンス、ワークショップ、セミナーの発表。
言語
- 英語或いは英語以外の言語の習熟度（該当する場合）。
- 自然言語処理のポジションは多くの場合、言語が重要です。日本語の検索エンジンやキーワード抽出のプロジェクトに日本語がわからない方は採用できません。
履歴書は応募する職務に合わせてカスタマイズし、関連するスキルと経験を強調することが重要です。可能な限り明確で簡潔にし、5年間の勤務経験未満であれば、2ページ以内に収めるようにしてください。
2. 課題
- 題目: Kaggleのコンペ或いは会社のデータを用いる擬似コンペ → Kaggleの過去コンペで練習
- 内容: Python、Scikit LearnやPySparkなどを使ってデータの可視化と最も精度の高いモデルの構築
機会学習エンジニアのポジションを受ける際に、Kaggleコンペに似たような課題が出されます。
今回は「Mercari Price Suggestion Challenge」を例として擬似的に解いて見ていきましょう！「Mercari Price Suggestion Challenge」のような仕事の応募用の機械学習の課題に取り組む際は、候補者のスキルセットと問題解決能力を示すために、系統的かつ徹底的な方法が求められます。以下は「面接官による確認ポイント」と「実際に解く」を解説します。
