職種・勤務地・キーワードで探す
条件を変える
東京都のデータサイエンティストの求人240件応募資格・募集要項・仕事内容を見る
データサイエンティスト(エキスパート)
83.3〜125万円/月
※ 月給提示。年額は賞与を含まないため算出していません
- 勤務地
- 東京都港区
- 休日
- 有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。
- 雇用形態
- 記載なし
- ※【ワークスタイルB:リモート勤務メイン(月平均月4日以上~週3日未満出社)勤務回数に応じて実費支給※翌月支給(定期代支給無)+リモートワーク手当(3,000円/月)】
- ※【ワークスタイルC:フルリモート勤務、原則出社なし+リモートワーク手当(3,000円/月)※やむを得ず出社する場合は月1回まで実費支給(交通手段問わず)】
どんな仕事かAIによる生成
パーソルキャリア全社のAIモデル・機械学習モデル開発を技術面からリードするデータサイエンティスト(エキスパート)ポジションです。会員・行動・求人・選考データなどを活用し、人材マッチングの高度化に向けたモデルやロジックの企画・開発から本番導入・運用まで推進します。事業課題やKPIの改善、新技術の全社展開にも取り組みます。
この求人に応募
応募資格
必須
- Python/PySpark等を用いたデータ分析・機械学習モデリング・実効性の高いシステム実装の実務経験(目安: 5年以上)
- 全社または複数プロダクトに影響を与えるAI/MLモデルのアーキテクチャ設計・技術選定・本番導入・運用を一貫してリードした経験
- 事業課題・KPI(応募率、成約率、CVR等)の構造化から、仮説検証(PoC)〜本番適用による明確なビジネスインパクト(成果)創出の実績
- 大規模言語モデル(LLM)のファインチューニング、RAG、あるいは高度な推薦システム(RecSys)に関する深い技術的知識と実装力
- プロジェクトリード/テックリードとして、エンジニア・PdM・事業部門との調整およびチームを牽引した経験
歓迎
- エージェンティックAIに関する深い技術的知識と実装力
- 最新のAI/ML研究動向のキャッチアップおよび論文実装、学会発表・登壇等の実績
- MLOps、特徴量ストア、全社共通のモデル評価・実験基盤の構築・運用経験
- メンバー(ジュニア〜ミドルDS)の育成・メンタリング経験
求める人物像
- 急速に進化する生成AI技術への高い興味関心を持ち、自ら継続的に学習できる方
- 不確実な課題に対して主体的に仮説検証を行い、粘り強く解決策を追求できる方
- 他部署との協調や技術知見の共有を厭わず、チームとして成果を最大化できる方
- 技術的探究心を持ちつつ、社会貢献意識をもってビジネス課題に取り組める方
応募について
- 不問
- 不問
使用ツール
募集要項最終確認 11/16
- 職種
- データサイエンティスト
- 雇用形態
- 記載なし
- 給与
- 83.3〜125万円/月
- 給与の詳細
- 給与: 833400〜1250000
- 手当
- 定期代支給実費支給リモートワーク手当3,000円/月リモートワーク手当3,000円/月通勤手当
- 勤務地
- 〒106-0041 東京都港区麻布台一丁目3番1号麻布台ヒルズ 森JPタワー21階 麻布台本社
- 働き方
- 日本全国どこでも勤務可能在宅勤務/リモートワーク可(出社頻度は通勤スタイルにより異なります)【ワークスタイルA:オフィス出社メイン(月平均週3以上出社)、定期代支給】【ワークスタイルB:リモート勤務メイン(月平均月4日以上~週3日未満出社)勤務回数に応じて実費支給※翌月支給(定期代支給無)+リモートワーク手当(3,000円/月)】【ワークスタイルC:フルリモート勤務、原則出社なし+リモートワーク手当(3,000円/月)※やむを得ず出社する場合は月1回まで実費支給(交通手段問わず)】
- 勤務時間
- ■裁量労働制:労働時間等に関する規定の適用を受けない勤務形態 1日の標準的な勤務時間例/10:00‐19:00 (コアタイム:11:00‐16:00) 休憩/60分 ■フレックスタイム制:週5日、1日標準労働時間8時間のマンスリーフレックスの勤務形態(コアタイムは部署によって異なります) 1日の標準的な勤務時間例/10:00‐19:00 (コアタイム:11:00‐16:00)(休憩/60分)残業(時間外勤務):有
- 休日・休暇
- 有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。
- 福利厚生
- 財形貯蓄制度企業型確定拠出年金長期所得補償保険従業員持株制度団体保険・団体扱い保険福利厚生倶楽部(リロクラブとの提携)宿泊施設・レジャー施設・ショッピング・グルメ・エステ等各施設・サービスを特別優待価格にて利用可能育児代行法人価格提供、家事育児代サービス補助TOEIC®優待試験インフルエンザ予防接種補助書籍購入、学会やイベントの出張参加、クラウドを使った技術検証、AI関連サービスを実際に利用しての検証等の業務活動に対し、会社が費用を負担しています。
- 社会保険
- 独自健保:パーソルキャリア健康保険組合
- 就業場所の変更の範囲
- 会社の定める就業場所(リモートワークを行う場所を含む。出向規程に従って出向を命じることがあり、その場合は出向先の定める就業場所)
- 経験年数
- 5年以上
- 学歴
- 学歴不問
- 選考の流れ
- 書類選考→1次面接→2次面接・適性検査(学力試験なし)→最終面接→会社より条件提示→内定 ※適性検査:ストレス耐性やポジション適性を確認する30分程のWeb検査です。 (ポジションにより、30分程度の学力検査が追加となる可能性があります) ※面接回数は変動する可能性があります。 ※管理職グレード想定の場合は任意でリファレンスチェックがあります。
- 掲載日
- 2026/10/12 09:43(37日前)
- 最終確認
- 2026/11/16 19:49(2日前)
仕事内容
ポジション概要
- 本ポジションは、パーソルキャリア全社のAIモデル開発・機械学習モデル開発をリードするデータサイエンティスト(エキスパート)ポジションです。
- 約1,000万人規模の会員データ、行動データ、企業の求人データ、選考データなどを活用しながら、人材マッチングの高度化をコアテーマに、新規データや最新技術(大規模言語モデル、生成AI、各種ML手法等)を積極的に取り込み、全社で再利用可能なAIモデル・マッチングロジックの開発から本番導入・運用まで一貫して推進していただきます。
- 私たちが向き合うのは単純なレコメンド問題ではありません。 「どの求人を提示すれば応募率が上がるか」という短期的な最適化だけではなく、「転職希望者と企業がより良い選択肢に出会えるか」という、人材マッチングの本質的な課題に取り組んでいます。
- 最先端のAI技術を活用しながら、人材マッチングの高度化に挑戦し、個人のキャリア形成や企業の採用成功に貢献する。その取り組みを技術面から牽引していただくポジションです。
募集背景/期待役割
- AIプロダクトソリューション部は、会社全体の成長を支えるAIソリューション開発を担う部門です。 転職希望者と求人企業のマッチング精度向上や応募率・成約率の改善など、事業の根幹に関わるテーマを扱っており、その実現に向けて研究開発から事業実装までを一貫して推進しています。
- 現在、生成AIやLLMの進化によって、人材サービスの在り方は大きな変化の可能性を迎えています。 一方で、人材マッチングの領域には依然として多くの未解決課題が存在しています。 たとえば、
- 転職希望者の経験・スキル・志向性の理解
- 求人企業の期待や組織特性の構造化
- 複雑なキャリアパスの予測
- 膨大な非構造化データの活用
- マッチング精度と説明可能性の両立
- 継続的なモデル改善と運用高度化
- などは、依然として高い技術的難易度を持つテーマです。
- 今回のポジションでは、データサイエンスのエキスパートとして、全社のAIモデルおよび機械学習モデルの設計・開発・チューニングを技術的にリードし、人材マッチングの高度化に向けた新規マッチングロジックを自ら企画・設計・実装したうえで、応募率や成約率などの重要KPI改善まで推進いただきます。
- また、ビジネス課題を自ら構造化し、事業責任者やPdM、エンジニアと密に連携しながら仮説検証を進めるだけでなく、新技術や新たなデータ活用を全社へ展開し、標準モデルや共通コンポーネントとして浸透させていくことも期待しています。
担当業務例
- 具体的には下記の様な業務・プロジェクトを牽引いただくことを想定しております。
- 全社共通AIモデル・マッチングロジックの企画・アーキテクチャ設計
- 「doda」をはじめとする複数プロダクトで横断利用される標準AIモデル・アルゴリズムの全体設計および技術選定
- 単一のレコメンドにとどまらない、全社的なマッチング精度向上に向けた基盤・コンポーネント化の推進
- 事業課題の構造化とAIソリューションロードマップの策定
- 事業責任者・PdMと対等に議論し、抽象度の高いビジネス課題やユーザー体験上の課題を「解くべきAI技術課題」へ構造化
- KPI(応募率・成約率・CVR・マッチング品質等)向上に直結する仮説検証(PoC)の設計と、本番適用までのプロジェクトリード
- 最先端技術(生成AI・LLM等)の調査・検証および事業実装の主導
- 生成AI、大規模言語モデル(LLM)、マルチモーダルAI等の最新論文・技術動向のキャッチアップ
- 実務適用に向けたプロトタイプ(PoC)開発、費用対効果・技術的実現性の評価、および本番システムへの実装推進
- データサイエンスチーム全体の技術向上・標準化推進
- チーム内メンバー(ミドル〜ジュニアDS)への技術指導、コードレビュー、モデリング手法のナレッジ共有
- データ基盤・MLOps部門と連携した、実験・開発・運用プロセスの効率化および標準化の牽引
- 社内外への技術発信・ブランディング活動
- 社内外でのセミナー講演、技術ブログの執筆、学会発表・論文制作等を通じた技術的プレゼンスの向上
- 【主な技術テーマ例】
- 大規模言語モデル(LLM)&エージェンティックAI活用
- LLM(API利用 / ファインチューニング / MCP / Agentic AI 等)を活用した、求職者の経験・志向性分析および求人情報の構造化・高度解析
- 高度な推薦システム(RecSys)&マッチングアルゴリズム開発
- 双方向マッチング(求職者×求人企業双方の意向・相性を考慮した推薦)の最適化
- テキスト埋め込み(Embedding)やグラフニューラルネットワーク(GNN)等を活用した高精度類似度算出・レコメンドエンジンの開発
- マルチモーダルデータ&非構造化データの活用
- 職務経歴書・求人票などのテキストデータに加え、行動ログ・スカウト文面・選考結果などの定性・定量的データの統合モデリング
- AIアプリケーション・プロトタイプの高速検証・社会実装
- LLM/SLMを用いたAIエージェントやインタラクティブなマッチングアシスタント機能のPoCシステム構築
- MLOps&全社AIプロダクト基盤の最適化
- Databricks、BigQuery、AWS/Google Cloud環境におけるモデルの継続的学習・評価・デプロイパイプライン(MLOps)の構築・運用推進
技術環境
- 【プログラミング言語】Python、SQL、Java、Scala、C
- 【データベース/データ基盤】Oracle Database、PostgreSQL、MySQL、Amazon Redshift、Google BigQuery、Databricks
- 【クラウドプラットフォーム】Amazon Web Services(AWS)、Google Cloud、Microsoft Azure
- 【ソースコード管理】GitHub、GitLab
- 【プロジェクト・タスク管理】Backlog、Microsoft Loop、Microsoft Planner、Jira、Confluence
- 【コミュニケーションツール】Slack、Microsoft Teams
所属組織について
- AIプロダクトソリューション部には、マネージャー2名、エキスパート3名、メンバー16名のデータサイエンティストが在籍しています。
- データをもとにマーケット状況、カスタマーニーズ、テクノロジーの変化などを総合的に判断し、事業を成長させていきます。
- 私たちは単に精度の高いモデルを開発する組織ではありません。 「人と仕事のより良い出会いをテクノロジーで支援する」という共通の目的を持ち、事業とテクノロジーの両面から課題解決に取り組んでいます。
- 技術議論やナレッジ共有も活発で、学び続けながら挑戦できる環境です。
AIを活用して人材マッチングの高度化に取り組める
- 私たちが向き合うのは、人のキャリアや企業の採用活動に関わる課題です。 開発したモデルは、求職者の転職活動、キャリア形成、企業の採用活動に活用されます。
- AI技術を活用し、求職者と企業双方のより良い意思決定を支援できることが、この仕事の大きなやりがいです。
全社レベルのAIモデル開発をリード
- 単一サービスに閉じず、「doda」を中心とした複数プロダクトに共通で使われるAIモデル・マッチングロジックのアーキテクチャ設計や技術選定をリードいただきます。
- 全社横断で再利用される標準モデル群の設計者として、長期目線でプロダクト群の土台づくりに関わることができます。
- 自ら設計したアルゴリズムやモデルが、多くのユーザーに利用されるサービスへ反映される環境です。
事業会社のインハウスDSとして、課題設定から意思決定まで関与
- 自社プロダクトとKPIを持つ立場で、「どの指標をどう改善するか」「どの体験を変えるか」といった上流の意思決定から関与できます。
- 分析やモデル開発だけでなく、事業成果の創出まで一貫して取り組むことができます。
約1,000万規模の会員データ×企業データを活用
- 求職者の職務経歴・スキル・志向性と、求人・行動ログ・選考結果など、人と仕事のマッチングに関わる多様なデータを統合的に扱います。
- 単一データでは解けない複雑な課題に対し、実務に根ざしたモデリングに取り組めます。
最新技術を社会実装まで推進できる
- 特定のツールや手法に縛られることなく、新しいLLM手法やアーキテクチャを自ら検証し、導入可否の判断から本番適用まで主導できます。
- 研究やPoCで終わるのではなく、実際のサービス価値向上につなげられる環境です。
仮説検証〜本番適用までのサイクルが早い
- 3〜6か月程度のサイクルでPoCから本番リリースまで推進するため、自ら設計したモデルがユーザー体験やKPIにどのような影響を与えたかを継続的に検証・改善できます。
この求人は、パーソルキャリア株式会社の採用ページの内容をAIが読み取って整理したものです。応募の前に採用ページの原文を確かめてください。データの集め方企業サイト
同じ会社の求人58件
- 営業アシスタント/両手型エージェントのサポート
- キャリアアドバイザー(CA)
- データエンジニア/エキスパート/レコメンド・マッチング領域のデータ基盤刷新
- ITリスクマネジメント(エキスパート)
- 営業アシスタント/面接の日程調整担当/リクルーティングアドバイザーのサポート
- 営業アシスタント(APOP) /新規サービスの営業サポート
職種と勤務地が似ている求人東京都のデータサイエンティスト 240件
- Associate Data Scientist, Causal Machine Learning, Decision Science Systems, gReach Program
- FDDS(Forward Deployed Data Scientist)
- データサイエンティスト(シニアデータサイエンティスト)
- グループ全体のDX推進(データサイエンティスト)
- バイオインフォマティシャン
- シニアデータサイエンティスト
募集元の採用ページから応募できます
応募はパーソルキャリア株式会社の採用ページで受け付けています。このページは採用ページの掲載内容をもとに構成しているため、最新の応募条件は募集元でご確認ください。
この求人と近い条件で探す数字はリンク先ページの掲載件数
応募資格の語から探す
この職種で探す
- データサイエンティスト333
- 東京都のデータサイエンティスト240
- テック17,285
- AIエンジニア521
- データエンジニア504