データサイエンティスト

■仕事概要
■募集背景
Vestoryは、大手企業の導入が加速し、数億レコード規模のデータをもとに在庫・発注を最適化するフェーズへ突入しています。
現在、独自モデルを運用中ですが、目指すのは「精度の追求」の先にある「ビジネス判断の自動化」です。季節性やトレンドが激しく、変数の多いアパレル領域において、モデル開発からMLOps、本番運用までを一気通貫で設計・運用できるデータサイエンティストが不可欠です。
大企業での分業体制を離れ、少人数チームでMLの方向性を自ら決定し、技術の力でアパレル業界の構造を変革したい方を募集します。
■業務内容
モデルの開発に留まらず、本番運用までの全工程をリードいただきます。
課題定義： クライアントおよびビジネスサイドと直接折衝し、MD（発注判断）の意思決定を支えるアルゴリズムの定義・優先順位付け
モデル開発・改善： 時系列・需要予測モデルの設計、アパレル独自のロジックを用いたチューニング
稼働中モデルの評価： 本番で動いているモデルの弱点を特定し、改善して効果を測定するループを回す
MLOps・基盤構築： 共通データパイプラインの設計、MLflowを用いたモデル管理、バッチパイプラインの構築
プロダクト実装： pandas等を用いたバッチパイプライン化、AWS（ECS
Lambda）での本番運用
領域拡張： 倉庫別の按分ロジック、AIアドバイス判定など、新規機能に向けた技術検証
【技術スタック】
言語・フレームワーク： Python (pandas, NumPy, PyTorch)
MLモデル： 時系列予測（需要予測）、在庫最適化
インフラ・MLOps： AWS (ECS, Lambda), MLflow, Docker
データ基盤： AWS(RDS, Redshift), SQL, MongoDB, Databricks
パイプライン： pandas, AWS Batch等を用いたMLモデルのバッチパイプライン化
CI/CD・ツール： GitHub, GH Actions, Slack, Notion
■ポジションの魅力
「モデル開発」で終わらない一気通貫の裁量：
分業体制の進んだ大手企業とは異なり、モデルの設計・実装から、MLOps（パイプライン構築）、本番運用まで、ML領域の全工程をリードいただけます。
ビジネス課題（MD業務）への圧倒的な近さ：
「作って終わり」ではなく、アパレル企業のMD（発注判断）という明確な意思決定に直結するモデルを扱います。現場のドメイン知識をモデルに反映させる手応えがあります。
拡張性の高いプロダクトフェーズ：
今後は需要予測だけでなく、倉庫別の在庫按分やAIアドバイス機能など、アルゴリズムの拡張余地が非常に大きいフェーズです。MLの方向性を自分たちで決めていける醍醐味があります。

クライアントとの折衝経験（要件整理やヒアリングを自ら行い、必要な情報を取りに行った経験）
機械学習・データ分析の実務経験5年以上
Python（pandas・NumPy・PyTorch）
時系列予測・需要予測モデルの設計・実装経験

SQL・MongoDB等でのデータ前処理・集計経験
AWS（ECS
Lambda
RDS）での本番運用経験
アパレル・小売・EC領域のドメイン知識
季節性・トレンドを考慮した在庫最適化モデルの経験
MLOps経験（モデル管理・バッチパイプライン構築・MLflow）
A/Bテスト・モデル評価設計の経験
Dockerを使ったコンテナ運用経験

依頼を受けてから、仮説の設定、検証計画、結果の解釈、次の一手までを自分で出せる方
クライアントの業務フローを自分で理解しに行ける方。データがどう生まれているかを現場に確認する姿勢を重視
自分のアウトプットを自分で検算できる方
精度指標の改善ではなく、発注判断が何件変わったかで価値を測れる方