架空の職務経歴書例です。氏名・職歴・成果は書き方を説明するために作成したもので、実在する社員の経歴ではありません。
前田 美紀
ランキングモデル蒸留とオンライン特徴量のバッチ取得とモデルサービスのシャドートラフィックと自動ロールバックを指導の下で経験した機械学習エンジニアインターン。主な実務分野:Python · PyTorch · 特徴量パイプライン · モデルサービング。
職務経歴
メルカリ
東京都港区 · 日本
機械学習エンジニアインターン
2026年6月 - 2026年8月
- 指導の下で、学習データとモデル成果物を一緒に版管理し、オフライン評価と配信遅延を比較。誤分類例を確認して配備候補を選定。
- メンターの指導の下でランキングモデル蒸留とオンライン特徴量のバッチ取得。調査準備と検証・文書化を支援。チーム全体では業務全体で最も長かった待機区間を取り除いた。自分の貢献は担当した支援業務と検証記録に限り、メンターと確認した。
- メンターの指導の下で本番特徴量の鮮度・欠損・分布チェック。調査準備と検証・文書化を支援。チーム全体では同じ障害要因による再発インシデントを減らした。自分の貢献は担当した支援業務と検証記録に限り、メンターと確認した。
- 指導の下で、固定データと乱数シードを活用したPyTorch評価を主導し、学習・試験間の重複が生んだ見かけ上の性能向上を解消。
- 指導の下で、Kubernetesリソース制限を活用したPython配備検査を構築し、同一負荷の再実行1,000要求当たり推論失敗を14件から3件へ削減。
主要プロジェクト
機械学習エンジニアの自主ケーススタディ
インターンのプロジェクトメンバー
2025年9月 - 2026年5月
- メンターのレビューを受ける模擬実習で、SQLで抽出した視聴特徴を使うPython機械学習パイプラインを構築し、学習・評価(evaluation)期間を分離。配備(deployment)の提案前に単純な基準モデルと比較した。
- 続く指導付き実習で、予測の鮮度・特徴量ドリフト・配信エラーの監視(monitoring)を追加。特徴量が遅れても推薦欄が空にならない代替順位経路を検証した。
- 指導の下で、メンターの指導の下でコホート別指標を含むオフライン・オンライン評価。調査準備と検証・文書化を支援
- 重複・遅着・訂正値を含む合成原記録を作り、行数・キー一意性の検査と指標への期待影響を記録。
- 分析結果と手計算基準表を照合して差異を変換工程まで追跡。修正クエリにデータ辞書・再実行手順を添付。
- 手計算基準を活用した合成データ検証の責任を担い、重複集計を解消して訂正合計再現ノートを完成。
学歴
電気通信大学
東京都調布市 · 日本
学士(工学)・在学中
2023年4月 - 2027年3月
関連科目:アルゴリズム、OS、データベース、ネットワーク
スキル
職種別スキル
Python · PyTorch · 特徴量パイプライン · モデルサービング · 評価設計 · Kubernetes

