ＡＬＢＥＲＴの選考フロー・本選考対策・早期選考情報・内定者の傾向と対策

A. まず、機械学習や統計学についての研究を行っていることから、これらの知識やスキルを実践的に生かした職に就きたいという意欲があります。私はこれまで、機械学習アルゴリズムの開発や統計的手法の応用について学び、それらを実際のデータに適用する経験を積んできましたのでこれらの経験が活かしたいと考えています。 　最後に、幅広い領域のデータ分析に取り組みたいという希望があります。データサイエンスは様々な領域で重要な役割を果たしていますので特定の分野ではなく幅広い分野で活かせる能力を身につけ社会で活躍したいと考えています。

A. 自分が今所属している研究室が機械学習系の研究室で、今まで研究活動やゼミ、授業などで機械学習の勉強をしてきました。今まで勉強してきた知識やスキルを活かして仕事がしたいと思ってデータサイエンティストの職に就きたいと思っています。 説明会でのお話やHPを拝見して、御社はいろいろな業界の企業さんと取引をしていて、たくさんのいろいろなデータが扱うことができるのでデータサイエンティストとして成長できる環境だと思いました。特にトヨタからは自動運転、東京海上日動からは事故データの提供を受けていて他ではなかなかない。 また、説明会で週2、3回の社内勉強会や輪読会、案件共有会なども実施されていて社員の育成に力を入れている点も魅力的に感じて志望いたしました。

A. 私がALBERTを志望する理由は，大きく3つあります．1点目は多様なプロジェクトに関われる点です．各業界・クライアントのカルチャーに触れ，視野を広げたいと考えています．2点目は，教育に力を入れている点です．終身雇用の前提がなくなる社会において，ファーストキャリアで学ぶスキルは重要だと考えています．ビジネス・データサイエンス・エンジニアリングの3つの力を体得することで，見通しが付かない社会でのキャリアの幅を広げたいです．3点目は，これらを学ぶ上で最適なヒトを集めている点です．コーポレートサイトの中で，問題解決に対して前向きな人の集まりでありたい，高い専門性を追求する人の集まりでありたいと言及されていて，こういった人々との協業によって若いうちから，ビジネスの平衡感覚とデータサイエンス・エンジニアリングの専門性を高めていけると考えています．

A. 計算知能研究室

A. 株式会社ＧＡＤ、アンドワン株式会社、株式会社Ｄｅｒ　Ｆｌｕｅｇｅｌ、株式会社ルックエージェンシー

A. 論理的に説明できるのかと知識量について問われていたと思います。 まず、階層的という名の通り、階層的クラスタリングは階層的な構造ができており、非階層的クラスタリングはそうでなありません。つまり、階層的クラスタリングは幾つのクラスターに分けるのかをあらかじめきめる必要はなく、非階層的クラスタリングは幾つのクラスターに分けるのかをあらかじめ決める必要があります。また、階層的クラスタリングはクラスター間の距離をどのように取るのかや、そもそもの距離の定義をあらかじめ決める必要があります。

A. 弊社は基本的にはデータサイエンティストが大半を占めている企業ですが、そもそもなぜデータサイエンティストになろうと思ったのでしょうか？ 私は元々統計学を専攻しており、統計学を専攻した理由としてはデータ分析が好きなことや論理的に物事を考えて組み立てることに楽しさを覚えています。実際にデータ分析の現場にアルバイトとして行って体験してみることでデータサイエンティストとして働きたいという思いが強くなりました。

A. 余り具体的には描けていない。漠然と1，2年は手を動かして知識とスキルを身に着けてその先は、わからない。データサイエンティストのキャリアパスとしてはマネージャーになったりすることがあげられると思うが、自分がそういう全体をまとめるような仕事をしたいのかは今現在ではわからない。 これに対して、面接官のプロマネの人がALBERTでのキャリアパスについていろいろ教えてくれた。プロマネやる人もいるし、特定の技術のスペシャリストになる人、いろんなことやるジェネラリスト、ALBERTは外部講師なども請け負っているのでそういう教育担当に行く人、あとは人数は少ないがR&D部門に行ってリサーチャーになる人など。 これに対していろいろなことやりたいからジェネラリストになりたいといった気がする。

A. 自分で考えを言語化する必要がある。ここまでうまく話せてはいないが大体の内容を伝えることができれば大丈夫だと思われる。また、質問内容はおそらくスキルチェックシートに合わせた内容。 過学習とは教師データにモデルが過剰に適合した状態のことで、英語でオーバーフィッティング。教師データに対しては高い精度だが、テストデータに対しては精度は出ない。対策としてはパラメーターの絶対値を小さくするために正則化項を追加してL2正則化などを行う方法がある。他にはベイズモデルを利用する方法もあるが、本質的に両者は変わらない。 ここで、正則化項を用いる手法について具体的な名前を知っているかと聞かれ、 ラッソ回帰やとリッジ回帰は手元で実装したことがあると答えた。

A. 選考中の他社は，事前質問票（ES）に基づいて具体的な企業名で質問される．私は事前質問票に外資系コンサルティングファームのテクノロジー部門を挙げていたため，その会社（以下A社）と比較した．A社とALBERT，どちらもデータ分析からビジネスの改善や新規事業等を提案するという流れは変わらないが，前者はよりビジネス寄り，後者はデータサイエンス寄りだと感じる．具体的には，私がA社のインターンシップに参加した際には，実行したい案ありきで分析結果がその補足に使われている印象を受けた．データは適切な分析手法によって分析されなければ，ミスリードに繋がりかねない諸刃の剣であり，専門知に重きを置くALBERTでデータの扱い方の基本を学びたいと感じた．