データサイエンスとAI · シニア（6年以上）

AI研究スペシャリストの履歴書

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。

履歴書チェック

採用担当者や応募者追跡システムが確認する項目をチェックできます。目安であり、結果を予測するものではありません。

95 / 100十分です

95%
  • 連絡先15 / 20 点
  • 職務要約20 / 20 点
  • 職歴30 / 30 点
  • スキル20 / 20 点
  • 学歴10 / 10 点

改善できる項目が1件あります

連絡先

採用担当者や応募者追跡システムが最初に確認するため、これらの情報を上部に記載してください。

任意です。米国、英国、カナダでは通常、履歴書に写真を載せません。

57語

職歴は1段落に1件ずつ記載し、実績ごとに新しい行を使って「-」で始めてください。

10件のスキル

スキルをカンマで区切って入力してください（例：Excel、SQL、プロジェクト計画）。

その他のセクション

応募に役立つプロジェクト、資格、語学、その他の情報を追加できます。

主な論文
研究ツール

アレックス・モーガン

AI研究スペシャリスト

  • アレックス・モーガン＠イグザンプル・ドットコム
  • +1 555 0100
  • Denver, CO

職務要約

応用機械学習の研究所で8年の経験を持つAI研究者です。Transformerモデルや強化学習手法を開発してきました。実験設計、モデル評価、再現可能な学習ワークフローに精通しており、コンピューターサイエンスの博士号と査読付き研究論文の発表実績があります。

職歴

Cedar Peak Intelligence、主任研究員、Boulder, CO（2021 – 現在） - 複数段階の言語タスク向けの強化学習手法を設計し、社内評価スイートで完了率を4パーセントポイント向上させました。 - 12種類のモデルを評価するPyTorchパイプラインを構築し、実験のレビュー期間を5日から3日に短縮しました。 - 研究アソシエイト2名に実験設計と再現可能なワークフローを指導し、共同研究論文3本に実験面で貢献しました。 Alpine Signal Labs、研究員、Denver, CO（2018 – 2021） - 分散PyTorchジョブで文書理解向けのTransformerモデルを学習させ、ホールドアウトデータセットで検証誤差を9%削減しました。 - 6種類のモデル構成でアブレーション研究を実施し、学習計算量を15%削減できる、よりシンプルなアーキテクチャを特定しました。

学歴

コンピューターサイエンス博士 — Summit Plains University、Fort Collins, CO（2018）

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

主な論文

• 「長文文書タスクのための効率的な適応」、NeurIPS（2024） • 「限られたフィードバック下での選好最適化」、ICML（2022）

研究ツール

• PyTorch、JAX、Weights & Biases • Slurm、Git、LaTeX

AI研究スペシャリストの履歴書の書き方

研究分野を最初に示します

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。

実験の内容と結果を説明します

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。

論文を見やすくまとめます

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。

研究の内容とツールを結び付けます

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。

よく使われるキーワード

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。

アクション動詞

開発しました評価しました設計しました改善しました発表しました分析しました指導しました

この職種についての質問

AI研究職の履歴書は何ページにまとめるとよいですか？

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。

すべての論文やプレプリントを記載すべきですか？

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。

AI研究職にPhDは必要ですか？

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。

ソフトウェアエンジニアからAI研究職に移れますか？

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。