■背景■ 食品通信販売における需要予測のリリースを行う上で、現在机上でのシミュレーションではなく、実際の状況下で未来のデータを予測する実地検証フェーズにある。その中で事業部からの改善要望が多数挙げられており、現在のデータサイエンティストのリソースでは十分に対応しきれず、リリースに至るクオリティのモデル構築が難航すると想定されるため、新たにリソースが必要となった。■課題一例■ ・商品IDが分析観点で作られていない ・年末やGW等に特殊な動きがある ⇒変動が多い時期に予測しきれていない 等■やること■前需要予測における改善要望（商品IDの名寄せや長期間でのモデル机上検証などのモデルの課題を解決してほしい。ものによっては具体的な要件を元に特徴量エンジニアリングに落としてほしいというものもあるが、課題のリストアップに終わっているため自ら具体的な特徴量エンジニアリング/モデリング改善方法を考えていただくものもある）をもとに、SQLを用いたデータ抽出、Pythonを用いたデータの加工・結合、特徴量エンジニアリング、およびその検証結果の報告

・SQL ※SELECT、WHERE、JOIN、GROUPBYが可能なレベル(window関数までは不要) ※分析に必要なデータ抽出SQLの元はクライアントメンバーが作成するため、深いDWHの理解や高度なSQLは必要とされない。 ※必要に応じて自分でデータ集約を行うぐらいは必要 ・Python ※3年以上のコーディング経験 ※基本的にはJupyterNotebook上でのモデル開発になります ・特徴量エンジニアリング ※ValidationなどのMLモデル生成プロセス全体についての理解と経験、ラグ特徴量、集約特徴量、エンコーディング等を行いながらモデルを構築した経験。こちらが一番必要なナレッジです。特に時系列モデリングにおける特徴量エンジニアリングの経験があればベストです

・Kaggle等のデータコンペに出場し、入賞した経験

1回