教育がデジタルで大きく変わろうとする中、ベンチャーマインドを発揮し、これまでに作り上げた学習コンテンツや仕組みのデジタルシフトを促進すべく、統合された学習環境＝「GLOPLA LMS」（https://glopla.globis.co.jp/）の構築や、「GLOBIS 学び放題」（https://hodai.globis.co.jp/）というビジネスナレッジの動画学び放題サービスを世の中に広く届けています。 プロダクト開発を通じ、テクノロジーを活用した「新しい教育のあり方」を形作っています。

グロービスは、経営に関する「ヒト」・「カネ」・「チエ」の生態系を創り、社会の創造と変革を行うことをミッションに1992年に設立されました。以来20数年にわたり、独自のケースメソッドや大学院設立、法人向け研修事業の立上げ、 更にはオンラインを活用した新プロダクト等を生み出しながら社会人教育の質向上に努めてきました。 現在のテクノロジーの進化・発展に伴い、私たちがいる教育産業にも大きな変革が求められています。すでに数年前から各部門でテクノロジーを通じた挑戦を行っていましたが、2016年4月よりEd-Techを推進する専門チーム「Globis Digital Platform」を設立しました。

■多様なメンバーが参画しています 元ベンチャーの経営者、スタートアップの創業者（CTO）、大企業の新規事業メンバー、データサイエンティストなど、多様なメンバーがこの事業に参画しており、刺激的なチームで働くことができます。 ■働きやすい環境 ・リモートワーク可能 ・フルフレックス制度 ・実働 7.5 時間/日 ・平均残業時間実績値：20 時間/月 ・フリーアドレス ・カフェスペースでのドリンク無料 ・休日の社外セミナー参加時の振休取得可 ・経費での書籍購入 ・副業可 ・時短勤務制度あり ・MacBook Pro 15inch、27inchディスプレイ 自由と自己責任を HR ポリシーとして掲げ、 会社は自己実現の場と考えています。 従って実績のみで役割を定義せず、対話しながら目標設定します。その実現のために外部の研修やカンファレンスに行きたい場合は自己啓発支援制度（半額）や業務研修制度（全額）を使えます。 その他、経営大学院への通学支援制度（返金制度あり）、海外留学制度等、挑戦をしたい方が働きやすい職場です。

■チームの紹介 https://www.wantedly.com/companies/globis/post_articles/186152 ■業務概要 ・個別学習実現に向けた機械学習モデルの開発。 ・部門内のサービス改善を目的とした機械学習モデルの開発。 ■業務詳細(モデル構築フェーズ) ・タスク開始前の基礎分析 ・モデルの実装 (ライブラリ利用) ・モデルの定量評価 ・モデルの定性評価 ・モデル開発結果のレポーティング ■業務詳細(モデルのテスト導入フェーズ) ・効果検証のために追加取得すべきデータ要件の設計 (主にログ設計) ・効果検証のためのデータ分析 ■業務詳細 (モデルのシステム導入フェーズ) ・バッチ処理実装 ■必須条件 下記に列挙するデータ専門性とエンジニアリング力を全て保持している事。 [データ専門性] 　・SQL：SQLの構文を一通り知っていて、記述、実行できる(DML、DOLの理解。各種JOINの使い分け。集計関数とGROUP BY。CASE文。副問合せなど)。加えて数百行のSQLを解読する事が出来る。 　・プログラミング能力：ライブラリ(例：scikit-learn)を利用した機械学習や統計モデル構築を行う事が出来る。 　・機械学習：はじめてのパターン認識に相当する機械学習の知識。 　・Deep Learning：GoodfellowのDeepLearning本レベルの知識を持つ。 　・モデル開発の実務経験：特徴量エンジニアリング、モデルの性能チューニング、モデルのオフライン性能評価のノウハウを持つ。 [エンジニアリング力] 　・アプリケーション開発：機械学習モデルのデモを目的とした簡易アプリケーションの開発(Flaskなどを利用)が出来る。サービス開発担当のアプリケーション開発エンジニアとシステム導入にあたっての技術面の相談が出来る。 　・コンピューターサイエンス：応用技術情報試験レベルのコンピューターサイエンスの知識を保有し、実務で利用する事が出来る。 　・データ設計能力：ビジネスプロセスを理解して、データフロー図、論理データモデル、ER図、テーブル定義書を作成出来る。モデル開発やオンライン性能検証の際に必要となるログ要件を作成出来る。 　・バッチ処理実装：機械学習モデルの学習や推論処理実行のためのバッチ処理実装が出来る。後続のサービス開発側のジョブ実行を考慮したジョブ設計が出来る。ジョブのエラーハンドリング設計が出来る。 ■歓迎条件 下記に列挙する項目のいずれかを満たしている事。 [データ専門性] 　・プログラミング能力：ライブラリを利用しない形で機械学習や統計モデル構築が出来る (論文内の機械学習手法など) 　・統計：統計検定2級レベルの知識を有しており、実務で正しく利用する事が出来る。 　・自然言語処理：TF-IDFやcos類似度などの基本アルゴリズムを使い、単語ベクトルの作成や文書群の類似度計算を行う事が出来る。 [エンジニアリング力] 　・システム設計能力：機械学習をシステム導入する際のアーキテクチャ検討が出来る。機械学習をシステム稼働後に発生するシステム運用課題を洗い出す事が出来る。 　・計算量への理解：計算量オーダーの概念を理解し、自身が開発した機械学習モデルの実行時間を見積もる事が出来る。見積もった実行時間や将来の予測対象数の拡大も考慮して、適切な手法選定に活かす事が出来る。 [ビジネス力] 　・プレゼンテーション力：分析結果やモデル開発結果をわかりやすくまとめ、適切に伝える能力。 ■ポジションの魅力 ・動画サービスのようなオンラインデータだけでなく、集合研修などのオフラインデータを扱うチャンスがある。 ・データ基盤やML開発環境やデータ整備が進んでいるので、参画後すぐに機械学習モデル開発に取り組める土台がある。 ・教育領域の課題解決がメインとなるので、社会的意義の大きいテーマに取り組める。 ■開発環境 ・インフラ：GCP（データ解析基盤）/ AWS（ユーザー向けサービス） ・分析基盤：BigQuery / Data Portal / Tableau ・監視：Stackdriver Logging / Stackdriver Monitoring / Stackdriver Trace ・データ基盤：GAE / GCS / Datastore / Pub Sub / Dataflow ・その他：GitHub / Slack / Qiita:Team