【会社概要】
株式会社ハイクリは、「誰しもがアイデアを表現できる世界」の実現を目指す、ファッション×AI領域のスタートアップです。2024年5月の創業以来、アパレル・EC事業者向けのAI SaaSプロダクトを急速に成長させています。

ファッション業界では、商品の追加発注や値下げといったMD（マーチャンダイジング）業務の多くが、いまだ経験と勘に頼って行われています。大量の品番を抱える中で、対応すべき商品の見落としや、発注数の読み違いによる欠品・過剰在庫が日常的に発生しており、データ活用の遅れが大きな機会損失を生んでいます。

ハイクリの主力プロダクト「Vestory（ベストリー）」は、この課題に正面から取り組むAIクラウドサービスです。独自開発のAI販売数予測モデルを搭載し、追加発注すべき品番の自動抽出、最適な発注数のシミュレーション、マークダウン（値下げ）による粗利最大化シミュレーション、EC在庫の最適確保など、期中の在庫管理・販売管理を一気通貫で支援します。

大手アパレル企業への導入実績があり、経験の浅いMD担当者でも高精度な意思決定が可能になるプロダクトとして、導入企業を拡大しています。

【募集背景】
Vestoryは、大手企業の導入が加速し、数億レコード規模のデータをもとに在庫・発注を最適化するフェーズへ突入しています。

現在、独自モデルを運用中ですが、目指すのは「精度の追求」の先にある「ビジネス判断の自動化」です。季節性やトレンドが激しく、変数の多いアパレル領域において、モデル開発からMLOps、本番運用までを一気通貫で設計・運用できるデータサイエンティストが不可欠です。

大企業での分業体制を離れ、少人数チームでMLの方向性を自ら決定し、技術の力でアパレル業界の構造を変革したい方を募集します。

【業務内容】
モデルの開発に留まらず、本番運用までの全工程をリードいただきます。

• 課題定義： クライアントおよびビジネスサイドと直接折衝し、MD（発注判断）の意思決定を支えるアルゴリズムの定義・優先順位付け
• モデル開発・改善： 時系列・需要予測モデルの設計、アパレル独自のロジックを用いたチューニング
• 稼働中モデルの評価： 本番で動いているモデルの弱点を特定し、改善して効果を測定するループを回す
• MLOps・基盤構築： 共通データパイプラインの設計、MLflowを用いたモデル管理、バッチパイプラインの構築
• プロダクト実装： pandas等を用いたバッチパイプライン化、AWS（ECS / Lambda）での本番運用
• 領域拡張： 倉庫別の按分ロジック、AIアドバイス判定など、新規機能に向けた技術検証

【技術スタック】

• 言語・フレームワーク： Python (pandas, NumPy, PyTorch)
• MLモデル： 時系列予測（需要予測）、在庫最適化
• インフラ・MLOps： AWS (ECS, Lambda), MLflow, Docker
• データ基盤： AWS(RDS, Redshift), SQL, MongoDB, Databricks
• パイプライン： pandas, AWS Batch等を用いたMLモデルのバッチパイプライン化
• CI/CD・ツール： GitHub, GH Actions, Slack, Notion

【ポジションの魅力】

• 「モデル開発」で終わらない一気通貫の裁量：
  分業体制の進んだ大手企業とは異なり、モデルの設計・実装から、MLOps（パイプライン構築）、本番運用まで、ML領域の全工程をリードいただけます。
• ビジネス課題（MD業務）への圧倒的な近さ：
  「作って終わり」ではなく、アパレル企業のMD（発注判断）という明確な意思決定に直結するモデルを扱います。現場のドメイン知識をモデルに反映させる手応えがあります。
• 拡張性の高いプロダクトフェーズ：
  今後は需要予測だけでなく、倉庫別の在庫按分やAIアドバイス機能など、アルゴリズムの拡張余地が非常に大きいフェーズです。MLの方向性を自分たちで決めていける醍醐味があります。

• クライアントとの折衝経験（要件整理やヒアリングを自ら行い、必要な情報を取りに行った経験）
• 機械学習・データ分析の実務経験5年以上
• Python（pandas・NumPy・PyTorch）
• 時系列予測・需要予測モデルの設計・実装経験

• SQL・MongoDB等でのデータ前処理・集計経験
• AWS（ECS / Lambda / RDS）での本番運用経験
• アパレル・小売・EC領域のドメイン知識
• 季節性・トレンドを考慮した在庫最適化モデルの経験
• MLOps経験（モデル管理・バッチパイプライン構築・MLflow）
• A/Bテスト・モデル評価設計の経験
• Dockerを使ったコンテナ運用経験

• 依頼を受けてから、仮説の設定、検証計画、結果の解釈、次の一手までを自分で出せる方
• クライアントの業務フローを自分で理解しに行ける方。データがどう生まれているかを現場に確認する姿勢を重視
• 自分のアウトプットを自分で検算できる方
• 精度指標の改善ではなく、発注判断が何件変わったかで価値を測れる方