その他ITエンジニア関連職/1460558

仕事内容 【仕事内容】 ■ミッション 建設・積書・内訳書から作成される教師データと評価データを、学習・評価に継続利・できるデータ資産として管理し、Biz・CS・MLの判断を、作業者が再現可能なルールと改善サイクルへ変換することです。 ・お任せすること (1)データ資産と品質状態の可視化 ・教師データ・評価データの・覧、・途、バージョン、責任者、利・可否、残存リスクを整理する ・サンプル監査を設計・実施し、現在の品質・準と指標の限界を説明する ・個別の誤りを類型化し、ラベル、階層、作業者、時期、データソースなどの切り・で原因と偏りを分析する ・重複、・盾、・損、階層制約違反、学習■評価・データ間のリーケージを確認する (2)ルールと品質運・の設計 ・アノテーションルールを、定義、正例、負例、境界例、判断停・条件、エスカレーション先まで含む形に整備する ・ルールの版判断履歴、未解決ケースを・元管理する ・サンプリング、監査、・重アノテーション、作業者校正、差し戻し、再レビューの仕組みを設計する ・作業者や外部ベンダーへの説明・教育・評価を・い、理解度と再発状況を確認する (3)データ改善とML開発の接続 ・新規データ作成と既存データ修正のバックログを管理し、事業上の優先度とMLの学習計画に接続する ・学習投・前に、データ運・上のReady・Not Readyと残存リスクを提・する ・MLメンバーとともに、データ変更前後のモデルの失敗パターンを・較し、次に改善すべき対象を提案する ・週次のデータ準備状況と、・次の品質傾向を関係者へ共有する (4)部・横断の意思決定・援 ・業務上の正解はBiz、顧客・現場事例はCS、モデル要件と投・判断はML、ツール実装はSoftwareEngineerへ、論点と判断先を切り分ける ・データ量、品質、費・、納期、想定されるモデル影響、未確定事項を整理し、関係者が判断できる状態を作る ・アノテーションツール上の課題を運・要件・受・条件へ変換し、Software Engineerと改善を進める ・このポジションが持つ責任と、持たない責任 本ポジションが責任を持つ領域 他の役割が最終責任を持つ領域 ・品質基準、サンプリング、監査・法 ・アノテーションルール、例・、判断履歴 ・作業者校正、差し戻し、外部ベンダーの品質 ・作成・修正バックログの運・上の優先順位 ・データの運・上のReady・Not Ready判定 他の役割が最終責任を持つ領域 ・業務上の正解：・語・顧客要件：Biz ・顧客・現場事例の収集：CS ・学習・評価要件、データ分割、モデル投・判断：ML ・ツールの設計、実装、テスト、リリース：SoftwareEngineer ・最上位の事業優先順位：事業■AI責任者 本ポジションが、すべての業務上の正解を決めること、モデルを実装すること、アノテーションツールを開 発すること、全件を・ら確認・修正することは想定していません。 ■社後に期待すること ・社後90・を・安に ・既存の教師データ・評価データの・覧、・途、バージョン、責任者を整理する ・サンプル監査を・い、現在の品質・準と主な13109類型を提・する ・ラベル・階層ルール、未解決ケース、判断履歴を・元化する ・次回学習に向けた修正バックログと優先順位をBiz・MLと合意する ・作業者向けの校正・データを作り、・規模な運・を開始する ■社後180・を・安に ・データセット、ラベル、階層、作業者別の品質傾向を継続的に説明できる状態を作る ・データ作成から学習・評価までのリードタイムとボトルネックを可視化する ・ルール変更、作業者教育、差し戻し後の再発状況を測定する ・データ修正前後でモデルの失敗パターンを・較し、改善効果を確認する ・外部作業者を活・しても、品質状態と残存リスクを説明できる運・を確・する ・このポジションの魅・ ・AIの性能を左右する教師・評価データを、単発の作業物ではなく継続利・できる会社の資産へ変えられます ・品質指標、ルール、判断履歴、作業者運・をゼロから設計できる、・ち上げ期のポジションです ・データ改善がモデルのどの失敗を改善したかまで追い、データ運・とML開発を直接つなげられます ・将来的には、業務量と組織規模に応じて、Data Quality・CurationとAnnotation Operationsの機能分化・チーム設計にも関われます 求める人材 すべてを同じ職種で経験している必要はありません。Training Data・Data Operations、Data Analyst、DataScientist、AI Program Manager、QA・品質管理、BPO運・、Technical CSなど、隣接領域での経験も対象とします。 ・歓迎スキル ・教師データ、アノテーション、データキュレーション、AI評価の運・経験 ・OCR、Document AI、表・帳票、階層データを扱った経験 ・モデルの13109分析やData-centric AIに取り組んだ経験 ・作業者教育、QA、BPO・外部ベンダー管理、業務設計の経験 ・アノテーションツールの導・や要件整理の経験 ・建設・積、積算、調達、施・、修繕など、建設・不動産領域の知識 ・機密性の・いデータに関するセキュリティ・プライバシー運・の経験 ・求める人物像 ・データの個別修正だけでなく、誤りのパターンと発・源を考えられる・ ・分からない状態を隠さず、未確定事項と判断先を構造化できる・ ・分析やダッシュボード作成で終わらず、ルール、担当、期限、完了条件まで運・に落とせる・ ・地道な監査、例外整理、作業者教育、再発防・を重要な仕事として扱える・ ・・分が決める範囲と、Biz・CS・ML・Software Engineerへ返す範囲を明確にできる・ ・モデル開発そのものよりも、良いデータが継続的に作られる仕組みづくりに関・がある・ ＜最終学歴＞ 大卒以上

資格 ＜必須条件＞ ・必須スキル ・SQL、Python、pandasなどのいずれかを・いて、・らデータを確認・集計し、品質問題の傾向や原因を説明した経験 ・13109率、・数、サンプリング、分布、偏りなどを踏まえ、品質指標を設計または運・した経験 ・個別のミスを13109類型や根本原因にまとめ、再発防・につなげた経験 ・曖昧な要求や判断を、SOP、ルール、正例・負例・境界例、例外処理へ落とし込んだ経験 ・複数部・や外部パートナーが関わる業務で、期限、依存関係、リスク、未決事項を管理した経験 ・教師あり学習、学習■検証■評価・データの違い、データリーケージ、過学習、分布変化についての基礎理解 ・Precision、Recall、F1などのモデル評価指標を読み、データ品質とモデルの失敗をML担当者と議論できること ・事実、解釈、提案、不明点を分け、関係者に分かる形で・章化できること

年俸500万円～700万円 給与 年俸制 500万円～700万円 （一律手当を含む） 【年収】500万円～700万円 ※上記の年収は、想定年収を表しています。 【給与条件について】 【賞与回数】 【年収例】

固定時間制 勤務時間 実働時間：8時間/日 平均勤務日数：1ヶ月あたり20日 9:00:00～18:00:00 【勤務地・勤務時間について】 ・フルフレックス・コアタイムなし

休日 土日祝休み 【年間休日】 【その他の休日休暇】・完全週休2日制（土・日） ・祝日 ・夏季休暇 ・年末年始休暇 ・有給休暇 ・慶弔休暇 ・産前産後休暇 ・育児休暇 ・子どもの看護休暇 【休日休暇に関する補足】 【休暇制度】 [年末年始休暇, 夏季休暇, 有給休暇, 介護休暇, 慶弔休暇, 産休・育休] ZZZZ

【保険制度】 ・雇用保険 ・労災保険 ・健康保険 ・厚生年金 待遇・福利厚生 【福利厚生】 社会保険完備 ・フルリモート ・昇給（年1回） ・社会保険完備 ・入社準備手当（10万円支給） ・最新PC貸与 ・通勤手当（月5万円まで）

試用期間なし

その他 【ブランド名】 Tキャリ 【事業内容】 有料職業紹介 この求人は職業紹介事業者による紹介求人です。 【職業紹介事業者】 会社名：日本トーター株式会社 所在地：東京都港区港南二丁目16番1号品川イーストワンタワー6階 【紹介先企業】 会社名：株式会社ゴーレム 所在地：東京都千代田区平河町１丁目3-13平河町フロントビル 4階