証券業界のデータサイエンティスト（1件）

この検索条件を保存

大手クレジットカード会社（金融機関）にて、会員の膨大なトランザクションデータ（決済履歴、属性情報、信用情報、Web・アプリ上の行動ログなど）をフルに活用した、「自動与信審査モデルの高度化」および「優良顧客の解約・離脱予測モデル」の開発・改善プロジェクトをご担当いただきます。ミッションクリティカルな金融データと最新の機械学習アルゴリズムを掛け合わせ、リスク管理とビジネス成長の双方をデータサイエンスの力で牽引するポジションです。 ■ 高度な機械学習モデルの設計・チューニング - クレジットカードの不正利用や債務不履行、解約などの「不均衡データ（Imbalanced Data）」の特性を考慮した、分類アルゴリズムやアンサンブル学習、生存時間分析等によるモデリングとハイパーパラメータの最適化 - 既存の統計モデル（ロジスティック回帰等）から高度な機械学習モデルへの移行に伴う、過去データを用いた厳格なバックテストおよび新旧モデルの精度・リスク比較検証 ■ テラバイト規模のデータ前処理・マート構築 - テラバイト規模にのぼる大規模な決済・信用データからの、SQLやPythonを用いた高度なデータ前処理、データクレンジング、および複数データソースの紐付け（データブレンディング） ■ XAI（説明可能なAI）を用いたモデル妥当性の検証 - SHAPなどのXAI技術を導入し、機械学習モデルのブラックボックス化を回避。予測根拠を論理的に可視化し、金融庁の各種ガイドラインやコンプライアンスを意識したモデルの妥当性の検証・ドキュメント化の実施 ■ リスク管理部門等のステークホルダー調整 - 金融ドメインの有識者（リスク管理部門、審査部門、法務など）と密に連携した、モデルのシステム要件定義、およびビジネス実務に即したモデルの仕様策定・報告

- Pythonを用いた機械学習モデル（特に分類問題、アンサンブル学習、ディープラーニングなど）の実務における設計・構築・評価経験 - SQLを用いた、テラバイト規模の大規模データに対するクレンジング、データマート構築、およびインデックス等を考慮したパフォーマンスチューニングの実務経験 - **金融機関（銀行、クレジットカード、証券、保険など）**でのデータ分析、リスク管理、または与信・スコアリングモデル開発の実務経験 - 金融業特有の高いセキュリティ制約（各種持ち込み制限や厳格なルール）を理解し、提示されたオンサイト環境（六本木一丁目）での常駐勤務に柔軟に対応できる方

- XAI（説明可能なAI）を用いて、機械学習モデルの予測根拠や特徴量の影響度を可視化・言語化し、ビジネス層へ説明した実務経験 - レガシーな統計環境（SAS）で構築された既存モデルから、Pythonを用いた機械学習環境へのリプレース・モデル移行プロジェクトの経験 - 高度な統計学の知識（仮説検定、多変量解析、生存時間分析など）を有し、モデルの数理的背景まで深く理解されている方