数学 - 長崎県 の求人・仕事・採用

勤務時間シフト制

勤務時間 就業時間１：16時00分〜22時00分又は16時00分〜22時00分の時間の間の5時間程度 就業時間に関する特記事項：＊就業時間：１６時００分～２２時００分の間の５～６時間程度 時間外労働時間なし ３６協定における特別条項：なし 休憩時間0分 休日日曜日，祝日，その他 週休二日制：毎週その他＊年末年始、お盆 ６ヶ月経過後の年次有給休暇日数：10日

勤務時間シフト制

仕事内容【職種】半導体＞研究・開発 【業種】メーカー＞半導体 ※会員属性などに応じ、当該求人をビズリーチ上で閲覧された際に内容が異なる場合があります 半導体製造は、ナノレベルの精密さが求められる挑戦的な現場です。 培った理論的な知識やデータ解析のスキルは、まさに現場で役立ちます。 具体的には、以下のような点で実力を発揮できるチャンスがあります。 活かせる知見↓ ① プロセスシミュレーションとモデリング • 数値解析の応用 大学で学んだ数値解析や微分方程式の知識を活かし、 半導体製造の各工程（プラズマエッチング、イオン注入、熱拡散など）を シミュレーションすることが可能です。専用ツールを用

勤務時間シフト制

仕事内容・アクシスだから長く続けられる 週1コマ～でOK！ 業務報告は授業中に作成するので残業ナシ！ 保護者対応ナシ 事前準備も授業の5分前に、 その日の分だけチェックすればOK！ なので、学業や家事、Wワークとも両立しやすく 長く続けられるんです あなたが得意な文系教科をお任せ 普段から英語や国語に慣れているので 就活の筆記試験対策にもなると 学生からも好評です ・生徒の横に座って！距離が近く信頼関係を築きやすい！ ＊小学生、中学生、高校生（既卒を含む）が対象！ ＊基本、先生1名に対し生徒2名！ ＊英語・数学中心に国語・社会・理科の5教科。 得意な教科だけでもOK！ 教材を解いて、 採点をし

勤務時間シフト制

仕事内容【応募資格】 [必須] ・広義のAIを使った大規模データ解析経験 ・理学部卒業レベルの数学、統計の知識 もしくは、コンピュータ科学系学科卒業レベルの知識 ・ICML/NeurIPS/AAAI/IJCAI等に提出される論文が理解できるレベルの機械学習、強化学習、深層学習に関する知識 ・Python/Rなどのデータ解析で良く用いられるプログラミング言語によるプログラミング経験 ・PyTorch等Frameworkの利用経験 ・英語力（特に読解力。海外の技術。学術文献や論文を読む機会が多い為） ※ポスドクや大学などでの研究経験のみの方も歓迎します。 ※ビジネスにおけるデータ解析経験者だけではなく、

仕事内容【応募資格】 [必須] 【必須要件】 ・広義のAIを使った大規模データ解析経験 ・理学部卒業レベルの数学、統計の知識 もしくは、コンピュータ科学系学科卒業レベルの知識 ・ICML、NeurIPS、AAAI、IJCAI、等に提出される論文が理解できるレベルの機械学習、強化学習、深層学習に関する知識 ・Python/Rなどのデータ解析で良く用いられるプログラミング言語によるプログラミング経験及び PyTorch等Frameworkの利用経験 ・英語力（特に読解力。海外の技術。学術文献や論文を読む機会が多い為） ※ポスドクや大学などでの研究経験のみの方も歓迎します。 ※ビジネスにおけるデータ解析経験

仕事内容【応募資格】 [必須] 【必須要件】 ・広義のAIを使った大規模データ解析経験 ・理学部卒業レベルの数学、統計の知識 もしくは、コンピュータ科学系学科卒業レベルの知識 ・ICML、NeurIPS、AAAI、IJCAI、等に提出される論文が理解できるレベルの機械学習、強化学習、深層学習に関する知識 ・Python/Rなどのデータ解析でよく用いられるプログラミング言語によるプログラミング経験及びPyTorch等Frameworkの利用経験 ・英語力（海外の技術・学術文献や論文の読解可能なレベル） 【職種名】 データサイエンティスト 【仕事内容】 統計解析、機械学習、強化学習、深層学習などの手法を利

勤務時間固定時間制

仕事内容【応募資格】 [必須] 【必要な条件/経験】 ・toB/toCを問わず、大規模なシステム、高い信頼性を求められるシステム、厳しい性能要求があるシステムの設計・開発の経験（2年以上） ・Computer Science、数学などの領域への深い理解、興味関心 1年以上の、ビジネス課題に徹底的に向き合い、不確実な状況のもとでも迅速かつ泥臭く意思決定した経験（例: データ分析・アナリスト業務で顧客の経営課題に、正解がわからない中でもfact baseで施策を実施した等） ・機械学習や生成AIといった非決定的な技術をビジネス課題に適用するといった技術的不確実性が高い中でもお客さまと前向きなコミュニケーシ

仕事内容・アクシスだから長く続けられる 週1コマ～でOK！ 業務報告は授業中に作成するので残業ナシ！ 保護者対応ナシ 事前準備も授業の5分前に、 その日の分だけチェックすればOK！ なので、学業や家事、Wワークとも両立しやすく 長く続けられるんです あなたが得意な文系教科をお任せ 普段から英語や国語に慣れているので 就活の筆記試験対策にもなると 学生からも好評です ・生徒の横に座って！距離が近く信頼関係を築きやすい！ ＊小学生、中学生、高校生（既卒を含む）が対象！ ＊基本、先生1名に対し生徒2名！ ＊英語・数学中心に国語・社会・理科の5教科。 得意な教科だけでもOK！ 教材を解いて、 採点をし

仕事内容【応募資格】 [必須] 【必須要件】 ・Python/Rなどのプログラミング経験及びPyTorch等Frameworkの利用経験 ・英語力（特に読解力。海外の技術・学術文献や論文を読む機会が多い為） ・理学部卒業レベルの数学、統計の知識 もしくは、コンピュータ科学系学科卒業レベルの知識 【職種名】 データサイエンティスト ※プライム上場/フルリモート可能/業界経験不問/内製化※ 【仕事内容】 統計解析、機械学習、強化学習、深層学習などの手法を利用し、マツダの社内にある様々なデータ解析を実施いただきます。 【具体的には】 ・データ分析 ・解析データのレポートの見える化（可視化） ・プログラミン

仕事内容・アクシスだから長く続けられる 週1コマ～でOK！ 業務報告は授業中に作成するので残業ナシ！ 保護者対応ナシ 事前準備も授業の5分前に、 その日の分だけチェックすればOK！ なので、学業や家事、Wワークとも両立しやすく 長く続けられるんです あなたが得意な理系教科をお任せ 普段から数学などに慣れているので 就活の筆記試験対策にもなると 学生からも好評です ・生徒の横に座って！距離が近く信頼関係を築きやすい！ ＊小学生、中学生、高校生（既卒を含む）が対象！ ＊基本、先生1名に対し生徒2名！ ＊英語・数学中心に国語・社会・理科の5教科。 得意な教科だけでもOK！ 教材を解いて、 採点をしな

勤務時間・9:00～17:00 ※休憩1時間/実働7時間 ※あくまでも目安の勤務時間です ※ご自身で調節可能です 【自分で作る勤務例】 基本：9時～17時 応用：8時～16時 など ※残業なし 1日5時間～OK 【シフト自由・自己申告】 ※個人で仕事のスケジュールが 作れるので、自分の都合に合わ せて仕事ができます。急な体調不良 でもスケジュール調整できます ーーーーーーーーーーーーーーーー 月間最大15日程度の勤務 年間最大100日程度の勤務 ※繁忙期(11～1月・5～6月)、 時期によって、週のお仕事の日数が 変動します 労働時間制度 シフト制

勤務時間シフト制

仕事内容・アクシスだから長く続けられる 週1コマ～でOK！ 業務報告は授業中に作成するので残業ナシ！ 保護者対応ナシ 事前準備も授業の5分前に、 その日の分だけチェックすればOK！ なので、学業や家事、Wワークとも両立しやすく 長く続けられるんです 普段から英語や数学に慣れているので 就活の筆記試験対策にもなると 学生からも好評です ・生徒の横に座って！距離が近く信頼関係を築きやすい！ ＊小学生、中学生、高校生（既卒を含む）が対象！ ＊基本、先生1名に対し生徒2名！ ＊英語・数学中心に国語・社会・理科の5教科。 得意な教科だけでもOK！ 教材を解いて、 採点をしながら生徒が分からないことに 答

仕事内容・アクシスだから長く続けられる 週1コマ～でOK！ 業務報告は授業中に作成するので残業ナシ！ 保護者対応ナシ 事前準備も授業の5分前に、 その日の分だけチェックすればOK！ なので、学業や家事、Wワークとも両立しやすく 長く続けられるんです あなたが得意な理系教科をお任せ 普段から数学などに慣れているので 就活の筆記試験対策にもなると 学生からも好評です ・生徒の横に座って！距離が近く信頼関係を築きやすい！ ＊小学生、中学生、高校生（既卒を含む）が対象！ ＊基本、先生1名に対し生徒2名！ ＊英語・数学中心に国語・社会・理科の5教科。 得意な教科だけでもOK！ 教材を解いて、 採点をしな

仕事内容【応募資格】 [必須] ・Pythonを用いたデータ分析経験（他の言語も応相談） ・データ加工、データ分析、データ可視化の実務経験 ・機械学習を用いた実務経験 ・SQLを用いたデータベース利用経験 ・Githubなどソースコード管理システムを用いたチーム開発経験 ・大学教養課程程度の統計、数学、コンピュータサイエンスの知識 [歓迎] ・実サービスにて継続的に機械学習／ルールベースロジックを用いた予測モデルを適用した経験 ・scikit-learn、各種勾配ブースティング系ライブラリ、各種Deep Learning frameworkなどを用いた予測モデル構築実務経験 ・数理最適化、探索アルゴ