- PdM(マネージャー候補)
- データエンジニア
- カスタマーサクセス・サポート
- 他47件の職種
- 開発
-
ビジネス
- PdM(マネージャー候補)
- PdM/プロダクトマネージャー
- テクニカルPdM
- コーポレートIT
- 【経営管理部】経営企画
- セキュリティエンジニア
- 情報セキュリティマネージャー
- 【経営管理部】経理マネージャー
- 労務・総務
- 総務
- 中途採用メンバー
- 新卒採用担当
- 採用・組織人事
- Findy Team+事業FS
- グロース戦略推進
- 事業企画・推進担当
- ビジネス総合職
- 事業推進/ビジネスグロース
- FindyCareer:USL
- FindyCareer:CSL
- FL:ユーザーサクセスリーダー
- フィールドセールス
- FL:ユーザーサクセス
- 転職:USキャリアアドバイザー
- toC/toBマーケティング
- toCマーケティング担当
- BtoBマーケティング
- DevRel
- マーケマネージャー候補
- その他
登場人物
志賀さん
ユーザーインタビューで足りない点を指摘して自分で直していい点に良さを感じジョイン。
大学院修了後、大手Web系企業にエンジニアとして就職。オープンソースのミドルウェア開発や機械学習関連のR&Dに従事。本業の傍ら、副業としてファインディ株式会社へジョイン。アルゴリズムの開発に従事。
実務未経験で副業ジョイン。本業での実務を経て正社員に
──志賀さん、よろしくお願いします!改めてファインディに入社されたきっかけをお話いただけますか。
最初は副業からのスタートでした。スキル偏差値を使用したくてFindyに登録したら、代表の山田さんから「ユーザーインタビューをしたい」とメールをいただいたんです。当時は自分のスキル偏差値のスコアがあまり高くなかったので、文句とフィードバックを兼ねて山田さんとお話をしました(笑)。その中で「一緒にアルゴリズムを作っていきませんか?」とお誘いいただき、CTOの佐藤さんと面接した後に副業でジョインしたという流れですね。
──本業ではどのような業務を担当されていたんですか?
オープンソースのミドルウェアやそれに関連するWebUIの開発などを行っていました。
しかし、大学院で画像認識や時系列データなどを用いた機械学習の研究をしていたため、本業でも機械学習エンジニアを希望してはいたんですよ。ただ、配属されたのは別部署でした。そのため機械学習に触れられる機会をずっと探していて、山田さんからお話をいただいた時は「チャンスだ」と思いましたね。
──なるほど。ファインディに関わるまでは、実務で機械学習を扱ったことがなかったんですね。
はい。どのように進めたら良いのかわからず、最初は苦労したこともありました。大学院での経験や他社の事例などを参考にしながら業務を進めていましたね。
その後、入社して3年目の時に希望が叶い、CTO直下のR&D部門の立ち上げメンバーとして異動しました。そこでは画像や動画を扱うプロジェクトを担当し、モデルはPython、バックエンドはGo、インフラはKubernetesなど、モダンな環境で開発していました。最終的には、スクラムマスターやプロジェクトマネジメントも経験させていただきましたね。
その後、前職ではやり切ったと思い、転職活動をスタートしたタイミングで再び山田さんからお声がけいただいたんですよ。会社が急速に成長していて、機械学習の需要が高まっていると聞いて面白そうだと思い、正社員としてファインディに入社することにしました。
新サービスも成長中。機械学習を活用できるところが、まだまだたくさんある
──現在の業務内容を教えてください。
データサイエンス系人材はまだ私1人だけですので、タスクが見えていない部分もあるのが事実です。その上で、私のミッションは、課題を発見してタスクを発掘していくことだと考えています。
現状では、想定年収やスキル偏差値など、Findyが持っている機械学習的な要素を含む機能の継続した改善を行っています。またいわゆるMLOpsが上手く回るよう、改善に関するPDCAの回し方を決めるのも私の役割ですね。Bizサイドから「こういったデータが見たい」「仮説検証をしてほしい」などの要望があった場合も私が対応しています。内容によってはCTOの佐藤さんに相談して、GOサインが出たら関係各所と調整し、実行まで担当します。
──幅広く対応されているんですね。現状で把握されているものとしては、どのような課題があるのでしょう?
想定年収やスキル偏差値などにおいて、モデルが作ったままの状態になっている部分もあり、継続的に改善していく必要がありますね。データ基盤も発展途上なところがあります。データ基盤ができていないと、見たいデータがすぐに出ないんですよ。理由は主に二つで、そもそもデータが記録されていない。もう一つは、データがどこにあるのかわからない。
基盤を整理し、データを一元化できたら、そういった課題も解決するのではないかと考えています。データ基盤については機械学習エンジニアが担当するかどうかは未定ですが、今後の課題の一つですね。
──ファインディには機械学習を活用している機能も多く、機械学習エンジニアが活躍できる場面は多そうですね。
はい。会社自体が急成長していて、サービスも伸びているため、モデルの作り直しを適宜行う必要もあります。サービスの特性上、自動的なモデルの再学習が効いてくるため、面白い領域です。またFindy Teamsのような新サービスもあり、技術的な挑戦ができるのもファインディで働く魅力の一つですね。
加えてエンジニアのための会社であり、自分を含めて身近な人に関係のあるサービスに触れられるため、やりがいもあります。プライバシー等に配慮しつつ慎重に扱う必要がありますが、人材系企業ならではの貴重なデータを扱えるのもポイントですね。
日々新しい技術を追い求める、前向きな機械学習エンジニアを求む
──仕事をする中で心がけていらっしゃることはありますか?
バリューの中にある「チームワーク」を一番意識していますね。機械学習エンジニアは、各ステークホルダーと密にコミュニケーションを取ることが大切です。Bizサイドはもちろん、運用をしてくださるバックエンドエンジニアメンバーとの連携も重要ですね。そのため、各メンバーにも積極的に話しかけるように心がけています。
──バリューを体現されているんですね。
メンバーはみんなバリューを体現しているように思います。中でも、ファインディが一番に掲げている「前向き」は、本当に徹底されていますよね。Slackでも前向きな発言が多く、最初は驚きました。そういったメンバーに囲まれていると、自分自身も自然とポジティブなマインドセットになります。馴れ合いではなく、指摘するべきところは丁寧に伝えてくれますし、いい環境です。
──働く環境がいいとモチベーションにも繋がりますよね。最後に今後一緒に働きたい理想のエンジニア像についてお話ください。
機械学習エンジニアは、日々新しい手法を学んでいかなくてはいけない職種です。新しいことを学ぶのが好きな方は、きっと楽しく働けるのではないでしょうか。
個人の思いとしては、ファインディのバリューである「チームワーク」と「前向き」を大切にできる方と働きたいです。
スキル面でいうと、実務経験がない方、経験者のどちらも受け入れていて、前者に関しては私がサポートします。実務経験のある方についても、分野は限定していません。ファインディで扱う分野は自然言語、テーブルデータ、時系列データなどがメインですが、キャッチアップするマインドがあれば、画像処理や音声認識の経験者でも歓迎しています。
またファインディはプロダクトの性質上、Bizサイドの理解度が高く、働きやすい環境です。Bizサイドメンバーが仮説を立てるのに付き合ってくれたり、逆に私が壁打ちに付き合ったりすることもあり、部署間の壁もありません。メンバーが増えていくと、より多様性が広がりますし、化学反応が起きていく。そうなれば、より面白くなると思います。
職種によって領域が固定されているといったこともなく、希望があればさまざまなことに挑戦できます。
成長中の組織でスキルを磨いていきたい方は、ぜひ応募してみていただけると嬉しいです。