職種検索へ戻る

仕事の詳細

職場での仕事内容から生かせる経験・スキル、諸条件など詳細を確認できます

企業名

大和証券株式会社

職種

金融専門職

仕事内容

高度な数理能力やITスキルなど、極めて高い専門性を活かせる特定の部門でキャリアを歩んでいただくコースです。 [デジタルIT] データサイエンティスト、デジタルエンジニアなど、デジタル技術でビジネスを変革する業務 (業務例) ・データ駆動型ビジネスの実現に向けたデータレイクの構築やアナリティクス基盤の構築 ・様々なIT技術を用いたシステム開発・導入・改善 ・ビックデータを利用した投資家動向の分析、自然言語処理・音声解析 [高度金融] クオンツ・デリバティブ業務など、高度な金融知識を必要とする業務 (業務例) ・最先端の金融工学を駆使した、複雑な商品の価格やリスクを、精緻かつ安定的に算出可能な計算モデルの開発 ・ポートフォリオの精緻なリスク分析や様々な市場変動シナリオを基とした損益シミュレーション、相場観に基づいた最適なヘッジの実行

求める人物像

2025年9月までに大学院を修了(見込)の方(原則、博士後期課程修了の方) もしくは、修了後3年以内の方

勤務予定地

東京本社、または海外拠点

博士卒の初任給

総合コース:大学卒 310,000円/月、修士卒 322,000円/月、博士卒 344,000円/月 総合職エキスパート・コース:520,000円~/月(固定残業代30時間分を含む) カスタマーサービス職:265,000円/月

本選考の採用フロー

まずは以下のマイページに登録をお願いいたします。 プロフィール及び応募コースの登録・エントリーシート提出・WEB適性検査3種の受検を行うとエントリーが完了します。 その後、成績登録・自分史の提出・面接を経て内々定となります。 https://www.e2r.jp/ja/daiwa_grp_2025/

類似した職種

株式会社リクルート

職種
データスペシャリスト)

データの可能性を最大化し、ビジネス課題を解決する。 多様なサービスから集まるデータの可能性を最大化し、データドリブンなアプローチで迅速にビジネス課題を解決します。施策立案・推進から新機能開発、中長期戦略策定まで、プロダクトから経営に至る全方位で価値を創造し、社会に大きなインパクトをもたらします。 【配属職種】入社時点でのスキルや志向性を踏まえて以下のようなデータ職種への配属を想定しています。 ・データサイエンティスト:担当事業の戦略に基づいて、意思決定支援、売上・利益最大化となるデータ活用プロダクトの企画・モデル設計・実装および改善。また、プロダクトにおけるWebアクセスログ、アンケート、売上、効果などのデータを用いた戦略の立案・推進までを担っていただきます。(キーワード:データプランニング・数理科学・数理最適化・シミュレーション・データマイニング) ・データエンジニア:リクルートの各種サービスのデータを分析、活用した各種施策を実施するデータ分析基盤運営。Google Cloud、Amazon Web Services等に構築された分析基盤のインフラ運用だけでなく、データETL・データパイプラインの設計・開発やTableau等BIツールの開発、新規インフラ・クラウド機能の検証・構築・移行も担っていただきます。 ・機械学習エンジニア:短期・中期機械学習活用施策の立案・推進から機械学習を用いたアプリケーションの開発・モデル設計・実装。また、担当システムのエンハンス・運用までを担っていただきます。 ・ソフトウェアエンジニア(データアプリケーションエンジニア):ソフトウェア工学、機械学習、数理理論等を活用し、最適化などのデータ関連機能を含むシステム開発を担当。高トラフィックを捌くなどの開発難易度の高いアプリケーション開発・リファクタリングのリーディング、中長期を見据えた言語、開発環境、フレームワーク・ツール等の技術選定等を担っていただきます。 ・アナリティクスエンジニア:データによる意思決定に欠かせないデータ環境(BIダッシュボードやデータマート、アクセスログなど)の設計・開発、運用事業・プロダクトにおける各種KPIの設計支援。さらに、モニタリング環境の整備・改善やクライアント向けレポートや業務支援ソリューションとしてのBIダッシュボードの開発・運用、データの品質基準の策定と、モニタリング・維持も担っていただきます。

2027年卒

株式会社Preferred Networks

職種
Machine Learning・Optimization・Data Science Engineer/機械学習・最適化・データサイエンスエンジニア

機械学習・最適化・データサイエンス分野のエンジニアを通年で採用しています。 多様な産業分野に属する顧客企業と共同して課題解決に取り組み、自社のスーパーコンピューターを用いた研究開発・実装を通じて「現実世界を計算可能にする」というPFNのビジョンを実現します。それぞれの事業ドメインの専門知識を学び、コンピュータサイエンスの幅広い知識や実装力を用いることで、PFNでしかできない高価値なソリューションの提供を目指しています。社内・社外のバックグランドの違う人々とコミュニーションを積極的にとりながら、PFNのvalueにある”Learn or Die”の精神で新たな知識を学び続け、そこから新たな価値を生み出していくことのできる人材を求めています。 以下に業務例を示しますが、実際の業務はこれに限定されるものではありません。入社後に実際にご担当いただく案件・業務内容は、専門的知識・経験を考慮のうえ決定します。 **業務例** 新規案件を含むさまざまな案件について、問題解決のためのプロジェクトをエンジニアとして運営・推進します。 - 新規案件の立ち上げ、顧客ヒアリング、要件定義、エンジニアリング、およびレポーティング - 対象となる実在の設備・プロセス等に関するデータおよびその稼働・運転業務等の観察および分析 - 機械学習手法の応用による解決に適し、かつ顧客を満足させるタスク定義 - 実機・実データまたはシミュレーションに基づく、機械学習モデルの動作やアプリケーション挙動に関する評価方法の確立・実装、およびそれを用いた技術検証 - 機械学習モデルの動作や制御挙動についての顧客・ユーザに対する説明、および説明可能性を高める(可視化等の)技術手法の開発・実装・検証 - 顧客企業のエンジニアに対する技術的なアドバイス 問題領域や顧客の事業領域に応じて、時系列予測・数理最適化・逆問題解析などの問題解決を行います。 - 対象設備・プロセス等に関する時系列データに対する予測、あるいは異常検知のための機械学習モデルの構築・検証 - 実世界の組合せ最適化問題に対する、ヒューリスティクス・数理計画・機械学習などの複合的な視点からの解決アプローチの提案・実装・実験 - リモートセンシング実データを用いた、計測対象の内部状態・構造の逆問題解析・推定 - シミュレーションデータと実データのドメインアダプテーション 稼働中の化学プラント等の大規模生産設備や、産業機械・ロボット装置等を対象に、これらをより安全・最適に運転できるよう制御するための技術開発を行います。 - 安全を保証しつつ最適な制御を可能とする機械学習モデルの構築 - 設備・装置の異常を運転時系列データを用いて検知・予知する機械学習モデルの構築 製造プロセスや製造装置などを対象に、シミュレーションなども活用しながら効率的な製造をするための技術開発を行います。 - 2D/3D での粒子シミュレーションを使った課題の定式化と機械学習への応用 - 最適な製造プロセスを探索するための連続・離散最適化アルゴリズムの開発 - 開発したアルゴリズムや機械学習モデルを用いた最適化処理を自社クラスタと連携して行うシステムの構築・運用 小売業における収益性および顧客満足の向上につながるデータ分析およびそれに基づく問題解決の提案を行います。小売業における業務の再構築・業務品質の向上に資する手法を開発します。 - 店舗オペレーションの観察・ステークホルダーとの議論等を通じた課題設定と仮説構築 - 社内他チームおよび顧客企業と連携した、データ収集・分析基盤構築のリード - 販売促進・機会損失回避・在庫最適化等を目的とする画像・POS データ分析および最適化手法開発 - 顧客企業と連携した、開発手法の効果検証