田中 健太
AI研究スペシャリスト
- kenta.tanaka@example.com
- +81 3 1234 5678
- 東京都
職務要約
職歴
学歴
スキル
- ディープラーニング
- Transformerモデル
- 強化学習
- 自然言語処理
- PyTorch
- JAX
- LLM評価
- 実験設計
- 分散学習
- 統計分析
データサイエンスとAI · シニア(6年以上)
このサンプルでは、AI研究者が実験手法、モデル評価、発表済みの研究を測定可能な研究成果に結び付ける例を紹介します。この職種の履歴書では、本人の貢献を明確にし、チームが業務を評価できるだけの技術的な詳細を示すことが大切です。
田中 健太
AI研究スペシャリスト
このAI研究スペシャリストの履歴書でビルダーを開き、例文をご自身の詳細に置き換えます。
この職種でよく挙げられるスキルやツールです。自分が持っているものだけを、求人広告の表記に合わせて使いましょう。クリックするとコピーできます。
研究テーマ、得意な手法、特に関連性の高い論文やプロジェクトを上部に記載します。採用担当者が、言語モデル、強化学習、解釈可能性などの分野で、あなたの研究がチームの領域に合うかをすぐに判断できるようにします。共同研究では自分の貢献を明記し、公開されていて共有しても問題がない場合は、論文やコードリポジトリへのリンクを添えます。
プロジェクトごとに、研究課題、アプローチ、成果を裏付ける根拠を示します。共有できる場合は、ベースライン、評価セット、アブレーション、リソース使用量なども記載します。テストしたバリエーションの数や、定義した指標の変化など、実験の実際の規模を表す数値を使います。幅広いモデル能力について、根拠のない主張は避けます。
選んだ論文は独立したセクションにまとめ、タイトル、掲載先、発表年を記載します。貢献内容が伝わりやすくなる場合は、著者順も示します。公開されている論文やプレプリントにはリンクを添えます。査読済みの研究、プレプリント、進行中の研究を区別し、審査中の投稿が採択済みであるかのように書かないようにします。応募先の職種に役立つ場合に限り、学位論文を記載します。
PyTorch、JAX、分散学習ツールなど、実際に使ったフレームワークやインフラを記載し、職務経験の中でどの実験に使ったかを示します。試しただけのライブラリを長々と並べるのは避けます。機密性の高いプロジェクトの詳細、開示できない未発表の結果、「革新的」「知的好奇心が旺盛」といった一般的な自己評価は省きます。
決まったページ数はありません。経験豊富な研究者の場合、2ページあれば、代表的な研究実績、論文、技術経験を記載しやすくなります。関連性の高い経験を上部にまとめ、応募先の職種に結び付かない古い情報は削ります。応募時にCVや論文リストが求められる場合は、その指示に従って指定された書類を提出します。
通常は、履歴書には特に関連性の高いものを少数選んで載せ、全論文リストがある場合はそのリンクを添えます。掲載先と発表年を示し、プレプリントや進行中の研究は正確に明記します。共同研究では、役割が伝わりやすくなる場合に著者順も記載します。論文リストについて応募時の指示があれば、それに従います。
要件は雇用主、チーム、研究分野によって異なります。研究職の募集ではPhDや同等の研究経験が求められることが多い一方、特定の学位の代わりに、質の高い独立した研究実績、論文、または豊富な応用研究の経験が評価される場合もあります。募集要項をよく確認し、研究への貢献、手法、技術的な専門性を示す実績を記載します。
可能ですが、エンジニアリングスキルに加えて、研究の実績も示します。自分で設計した実験、論文や技術レポート、オープンソースでの活動、研究課題と慎重な評価への取り組みが分かる共同研究を強調します。本番環境向けのエンジニアリングと研究への貢献は明確に区別します。応募先の研究分野に合う事例を選び、裏付けられない著者資格や結果は主張しません。