編
給与を企業規模別に分けたことで比較しやすくなりました。地域ごとの実例も募集しています。
POSITION 06 · データ・AI · Algorithm Engineer
アルゴリズムエンジニア
規律をモデルにし、本番で安定させる
予測・推薦・生成を大規模に解きます。モデル構造よりサンプル設計と評価が効くことが多い職種です。
主な業務 01 / DUTY
- 事業目標を最適化可能な指標に翻訳
- リークのないサンプルと特徴を作る
- 本番の性能劣化を監視
必要なスキル 02 / SKILL
機械学習・深層学習線形代数と確率Python / PyTorch特徴量エンジニアリング評価設計
向いている人 06 / FIT
- 数学基盤が扎实
- SOTA より本番運用を重視
よくある疑問 07 / FAQ
修士号は必須？
研究職は必須が多いですが、推薦・リスクなどの応用職はプロジェクト完遂力で採用されます。
関連業界・関連職種 08 / LINK
この職種が多く登場する業界と、一緒に働く職種：
入門前に知っておきたいこと
データリークは最も静かなバグ
予測時点で取れない特徴を使うと、オフライン指標は嘘になります。
まずベースライン
単純なルールを先に動かせば、複雑なモデルの価値を測れます。
E
企業規模 × 参考給与
参考レンジ · 公式統計ではありません · コミュニティ編集可同じ職種でも、企業規模によって仕事も給与も変わります。編集部が整理した参考レンジです。修正を歓迎します。
| 企業規模 | 参考月給 | 重視されること |
|---|---|---|
| スタートアップ / 50人未満 | 20–35K | ユースケースとベースライン検証 |
| 成長企業 / 50–500人 | 28–48K | サンプル・特徴・本番展開 |
| 大企業 / 500–5000人 | 35–60K | 評価体系と推論コスト |
| プラットフォーム / 5000人以上 | 45–80K | 基盤化と先進研究 |
求められる能力
5軸・レベル1〜5
数学基礎
5/5
実装力
4/5
実験設計
5/5
業務理解
4/5
評価の厳密さ
5/5
G
在岗体験
体験実際にありそうな場面をいくつか歩いて、この職種・業界が毎日何を判断しているかを体感します。
アルゴリズム · オフライン改善、本番不変
モデルの周辺が、その有効性を左右します。
D
ディスカッション
議論誤りを見つけたら、あなたの経験を残してください。他の人も読めます。
ゲ
面接の頻出問題が実用的です。ライブコーディングでの思考説明も追加してほしいです。
W
修正を提案する
修正ウィキのように、どの項目でも改善提案ができます。項目・提案内容・理由を書くと、採用時に貢献値が加算されます。
→
関連職種
→