データサイエンティスト・機械学習の求人の必須要件・歓迎要件|満たしていないときの考え方
データサイエンティスト・機械学習エンジニアの求人の必須要件は、PythonやSQL、統計や機械学習の知識に加えて、「それを実務で使い、結果を事業やプロダクトにつなげた経験」で書かれることが多いです。使ってきたツールやライブラリの違いは補いやすい一方、本番で動くモデルを担当した経験や、分析の結果を周りに説明して施策につなげた経験の差は、伝え方によって評価が変わります。研究での経験を実務と同じように数える求人もあるので、条件の書き方を細かく読むことが大切です。
データ職の必須要件によく出る項目
データ職の求人の必須要件は、おおむね次の項目の組み合わせです。
| 項目 | 書き方の例 | 見られていること |
|---|---|---|
| 言語 | 「PythonまたはRを用いたデータ分析の実務経験」 | 自分の手でデータを扱い、分析を回せるか |
| SQL | 「SQLを用いたデータ抽出・加工の実務経験」 | 必要なデータを自分で取り出せるか |
| 統計 | 「記述統計、仮説検定、回帰などの統計解析の実務経験」 | 結果の確からしさを判断できるか |
| 機械学習 | 「機械学習モデルの学習・評価・改善を自ら回した経験」 | 手法を選び、精度の問題を調べて直せるか |
| 本番の経験 | 「本番のプロダクトでモデルを運用した経験」 | 作ったモデルを動かし続けてきたか |
| 説明・協働 | 「専門の異なる人に分析の知見を説明した経験」 | 結果を人の判断や施策につなげられるか |
| 対顧客 | 「顧客との折衝・提案の経験」 | 顧客向けの求人で、課題を聞き出し提案できるか |
アナリストに近い求人では言語・SQL・統計と説明の項目が中心になり、機械学習エンジニアの求人では機械学習と本番の経験が中心になります。どの項目が並んでいるかで、求人が求める役割も読み取れます。役割の見分け方はデータサイエンティスト・機械学習の求人票の読み方で扱っています。
「実務または研究」と書かれた条件
データ職の求人には、「実務または研究で」「業務や学業での経験」のように、研究での経験も数えると書くものがあります。大学や研究機関でモデルを作り、評価してきた経験を、実務の経験と同じ土俵で見るという意味です。
この書き方の求人では、研究のテーマそのものより、「データを集めて前処理し、モデルを作り、精度が出ないときに原因を調べて直した」という一連の流れを自分で回したかどうかが見られます。研究寄りの求人の読み方は研究寄りの機械学習の求人の読み方をご覧ください。
本番の経験の線の引き方
機械学習の求人で、もっとも厳しさが分かれるのが本番の経験の条件です。
- 厳しい書き方:「本番運用に関わった経験◯年以上(PoCや社内向けの試作は含まない)」……利用者に届くプロダクトでモデルを動かしてきた経験に限っている
- 中くらいの書き方:「機械学習モデルの開発・運用経験」……開発と運用を並べているが、規模や期間は問わない
- ゆるやかな書き方:「生成AIを使って試作した経験があれば、実務での経験は問わない」……手を動かして試したことがあるかを見ている
PoCや分析が中心だった場合でも、ゆるやかな書き方の求人なら応募できます。厳しい書き方の求人では、本番のデータを使った検証や、システムへの組み込みにどこまで関わったかを具体的に書いて判断してもらう形になります。モデルの精度が時間とともに落ちていないかを見直した、再学習の手順を整えた、といった経験があれば、運用に近い経験として書き添えられます。
歓迎要件から分かる、そのチームの課題
歓迎要件には、そのチームがこれから取り組むことが表れます。
- MLOps・モデル運用の経験……モデルを継続して動かす仕組みを整えている途中
- データエンジニアリング・クラウドのデータ基盤の経験……分析の前にデータを整える仕事も担ってほしい
- 特定の課題の経験(推薦・ランキング、与信、時系列予測、異常検知など)……今まさに改善したい機能がある
- 特定のデータの経験(画像、衛星データ、音声、位置情報など)……扱うデータに固有の知識が要る
- 生成AI・LLMの実装経験……既存の分析や機能に、LLMを組み込もうとしている
- 英語の論文や技術文書を読む力……新しい手法を自分で調べて取り入れることを期待している
- 事業側との協働、プロジェクトの推進経験……分析を施策につなげる役割を担ってほしい
歓迎要件に、自分が経験してきた課題やデータと重なる項目があれば、面接で一番話しやすい材料になります。モデル運用の求人の読み方はMLOpsの求人の読み方で扱っています。
数学・統計の素養の書かれ方
データ職の求人には、経験ではなく素養を必須に置くものもあります。
- 「線形代数・確率統計・最適化の理解」……手法の中身を理解して選べるか
- 「数学、アルゴリズム、競技プログラミングのいずれかの経験」……問題を数理的に整理して解けるか
- 「数理最適化に関する業務や学業の経験」……機械学習と別の手法で課題を解く力
こうした条件は、資格の名前ではなく、具体的に何を学び、何に使ったかで説明します。統計の素養の書かれ方はデータ職の求人に書かれる統計の素養の読み方をご覧ください。
抽象的な条件の読み方
データ職の求人には、仕事の進め方を必須に置くものも多くあります。
- 「正解のない課題に対して、自ら問いを立て、仮説検証を繰り返した」……分析の依頼を待たず、何を調べるべきかを自分で決めた経験
- 「技術的な課題を分析し、実装可能な形に整理できる」……やりたいことを、作れる単位に分けた経験
- 「異なる専門性の人に知見を説明した」……事業側や顧客が判断に使える形で結果を伝えた経験
こうした条件は、精度の数字より、「分析の結果、何が決まり、何が変わったか」を話せるかで見られます。
必須要件を満たしていないときの考え方
届かない条件があるとき、データ職の求人では次の4つの差に分けて考えると判断しやすくなります。
- ツールの差(RでPythonの求人、別のライブラリやクラウドなど):分析やモデルの考え方が同じなら、差は埋めやすいと見られることが多いです。特定のツールの年数が必須に書かれている場合は、通りにくくなります
- 本番の差(分析やPoCまでで、本番の運用経験がない):「PoCを除く」と明記した求人は通りにくくなります。結果がシステムや業務にどう使われたかまで関わった経験があれば、その範囲で伝えられます
- データの差(表形式の経験で、画像や音声の求人を見ている、など):前処理や評価の考え方は共通する部分があります。ただし、データ固有の手法が必須に入っていれば、差は大きくなります
- 事業への接続の差(分析はできるが、施策や提案につなげた経験が少ない):分析の結果を誰に説明し、何が決まったかを振り返ります。顧客向けの求人で「顧客折衝の経験」が必須なら、社内での調整の経験を近いものとして書けます
1と3は、考え方の共通点を示すことで補える余地があります。2と4は、経験の範囲を正直に書いたうえで、どう広げたいかを話せるかが鍵になります。
分析やエンジニアの仕事から移るとき
データアナリストとして集計や可視化を担ってきた場合は、統計解析やモデルを使った経験がどのくらいあるかが、データサイエンティストの求人との距離になります。Webアプリケーションのエンジニアから機械学習エンジニアを目指す場合は、本番で動くソフトウェアを作ってきた経験が強みになり、機械学習の基礎をどこまで身につけているかが距離になります。どちらの場合も、近い経験と足りない経験を分けて書くと、判断してもらいやすくなります。アナリストの求人の読み方はデータアナリストの求人の読み方で扱っています。
経験を伝えるときに書いておきたいこと
データ職の経験は、手法の名前だけでは伝わりません。求人の条件と照らし合わせてもらうために、取り組みごとに次の項目を書いておくと、読み手が判断しやすくなります。
| 項目 | 書いておきたいこと |
|---|---|
| 課題 | 何を解くための分析・モデルだったか |
| データ | データの種類、どこから取り出し、どう整えたか |
| 手法 | 使った統計手法やモデル、選んだ理由 |
| 評価 | 何を基準に良し悪しを判断したか |
| 使われ方 | 報告で終わったか、施策や機能として使われたか |
| 担当範囲 | 一人で回したか、チームの中で何を担ったか |
データサイエンティスト・機械学習エンジニアの求人はエンジニアの求人一覧から探せます。求人の動向はエンジニアの求人・年収動向やページ下の掲載データもご覧ください。
よくある質問
研究での経験しかありませんが、データサイエンティストの求人に応募できますか?
「実務または研究」と書かれた求人なら応募できます。データの前処理からモデルの評価、改善までを自分で回した経験を具体的に書いてください。実務の年数が必須の求人では通りにくくなります。
PoCの経験は、本番の経験として見てもらえますか?
求人によります。「PoCを除く」と明記した求人では、本番の経験とは見なされません。それ以外の求人では、本番のデータを使った検証や、システムへの組み込みに関わった範囲を書けば、近い経験として見てもらえることがあります。
PythonではなくRで分析してきましたが、応募してもよいですか?
必須要件が「PythonまたはR」なら、そのまま応募できます。Pythonが指定されている場合も、分析の考え方が同じであれば、差は埋めやすいと見られることが多いです。Pythonに触れた範囲があれば、あわせて書いておくと安心です。
