リードデータサイエンティスト

必須

• Pythonを用いたデータ分析・モデリング、または機械学習の実務または研究開発の経験（5年あるいはそれに相当するレベル）
• LLMをはじめとする生成AI技術への興味関心
• LLMなどの大規模モデルの評価手法や指標に関する理解
• 事業・ビジネス要件に即してモデルの有用性や改良余地を検討できるコミュニケーション力
• 実務・研究問わずチームやプロジェクトをリードした経験

歓迎

• プロンプトエンジニアリングの理解・実践経験
• ファインチューニング (どのLLMでも可) やRAG構成などの経験
• Webアプリケーションの基本的な仕組みの知識
• デジタルマーケティング領域におけるAI活用経験や、ユーザエクスペリエンス改善の実務経験
• プロジェクトマネジメント経験
• 学会やカンファレンスでの登壇経験

求める人物像

• CARTA Tech Vision の未来像に共感し、価値観や習慣を実践していける方
• 論理的思考力と実践力
• 新しいことに粘り強くチャレンジし続ける力
• 曖昧な状況を事実に基づいて整理し、推進する力
• 他者を理解し、共感し、サポートする姿勢
• 現状の構成・設計に捉われず、あるべき姿を考え、実現する力

使用ツール

募集背景

• CARTA HOLDINGSでは、20を超える事業があります。それぞれ事業を支えるエンジニアリングチームがあり、プロダクト開発や業務に関わるシステムを作っています。
• 生成AIの進化と可能性が広がるにつれ、各事業でのチームで個別での探索・試行をするだけではなく、CARTA全体で経験を蓄積し、実行できる体制を構築しています。

1: 継続したモデル構築・評価

• 生成AIのプロジェクトでは、単なるアプリケーション開発だけでなく、モデルの選定・学習・評価指標の設計といった高度なデータ解析・モデリングスキルが必要です。データサイエンティストはまさにそこが専門領域であり、モデルの精度向上や効果検証をリードします。

2: モデル観点のコミュニケーションが必要

• ビジネス活用ではアプリケーションやエージェントを通じて「このモデルがどの程度課題解決につながるか」という価値検証を行う場面が多くあります。データサイエンティストは、エンドツーエンドでの精度評価や潜在的なリスク洗い出しを定量的に行うことを通じて、事業価値向上をリードします。

業務内容

• CTO直下のAI Labチームに所属し、各事業及び経営基盤の業務における基盤モデルやデータ整備を中心とした生成AI評価・活用のイネーブリングを牽引します。

仕事の進め方

• プロジェクト化以前の段階で、CARTAの事業・組織を横断し、生成AIでのレバレッジポイントを見出し、アプローチを施します。

基盤整備

• 全社の土台を整え、各事業で自走して生成AIのビジネス成果を開発できるよう、再利用できるデータ基盤、評価システム、ツール、ライブラリ、ガードレール、データフロー類を整備し、横断的に提供する
• 新モデル、事後学習、データマネジメント技術の探索と研究を通じて、この先使うべき手段を見定める
• 社内外に知見を発信し、CARTAとしての開発生産性とプレゼンスを高める
• AI Lab自身の業務エージェント適応度を向上し、モデルケースとして展開する

事業適用

• CARTAの生成AI推進ステアリングコミッティと連携し、全社として取り組むべき課題を探索し、真に取り組むべきものを自ら選定します。
• 以下のようなプロセスで取り組みを進めます。
• ヒアリング・要求分析
• 優先度の高まった事業のチームへのヒアリングや観察を通じて問題の解像度を高め、真に事業価値として必要なものを見出す
• 何をどのように進めるのかを決める
• どのような評価手法・学習戦略で課題を解くのが効果的かつ効率的なのかを考え、事業メンバーと共に決定する
• 検証する
• 高速なフィードバックサイクルを回し、"やらない"手段も含めて評価・学習戦略を検証する
• 継続して改善する
• モデル評価技術・LLM-as-a-judge・ファインチューニング・RAG等の最新手法について継続して投資し、良いプラクティスを探索する。精度モニタリング、評価指標の見直し、ガイドラインの更新など、システムを継続して活用する上でのデータサイエンス観点の改善に取り組む
• 成果を横展開する
• 成功事例も学びも含めて、得られた知見をもとに伝播・展開・研鑽することまで全て業務範囲です

得られるスキルや経験

• CTOと共にホールディングス経営及び事業開発を経験できます
• CARTAの複数の事業にデータサイエンティストとして携わる機会があり、生成AIの評価・活用に関する実践の場があります
• アンラーンの機会が数多くあります。自らのバイアスを見直し、組織や事業に向き合うスキルを経験あるメンバーからフィードバックをもらいつつ高めることができます
• モデル評価だけでなく、ファインチューニング、RAG構成、評価基盤設計、ガイドライン整備、PoC支援など、価値提供に必要な取り組みをチームでフルサイクルに推進することができます

やりがい

• 最新の生成AIを活用した評価・検証の機会が多くあり、実践経験を積むことができます
• データサイエンスやエンジニアリングに長けた同僚と共に、科学的・定量的な判断を重視する文化のなかで経験を最大化することができます
• エンジニアだけではなく、クリエイティブ職やビジネス職等多くの専門性をもった同僚と、生成AIを活用した事業開発の経験を積むことができます
• 最新研究・発信を通じて技術プレゼンス向上に取り組むことができます

開発環境・利用しているツール

• LLM基盤・ツール
• OpenAI, Anthropic Claude, Google Gemini (Vertex AI) など
• LangChain, Langfuse
• プログラミング言語・フレームワーク
• Python (pandas, scikit-learn など)
• 必要に応じて PyTorch, TensorFlow (主に評価・事後学習の検証用)
• インフラ・MLOps
• AWS, GCP
• Terraform, CDK などを用いた環境構築・運用
• コミュニケーション
• GitHub, Slack, Google Meet