Machine Learning Specialist

  • Full-time
  • Engineering
  • Yokohama HQ


Flow is one of the most dynamic startups in retail technology, powering some of the most innovative and complex retailers. We power companies like Tumi, Baycrews, Triumph and Toys R Us to help them realize their ambitions.

Flow is making the complexities of retail simple for the fastest growing, most ambitious brands in the world. With access to massive amounts of data and great passion for our craft, we have a big mission and we are working hard to realize it. 

Flow’s mission is to make retail better for everyone. To deliver on that promise, we’re building a smart retail platform to help retailers deliver superb customer experiences both online and offline.

We are looking for a passionate ML engineer who can work with data team to collect, cleanse and process data and apply advanced machine learning techniques to get meaningful insight out of data.

私たちFlow Solutionsは、小売技術のスタートアップ企業の中でも、最もダイナミックな企業の1つであり、革新的で複雑な小売業界におけるリテーラーの力になりたいと考えています。今現在、 Tumi、Baycrews、Triumph、Toys R Usといった企業の大志を実現すべくお手伝いをしています。




Requirements- 応募に必要な条件

  • 2+ years of experience as a Machine Learning Engineer or similar role
  • Proficiency in data mining, mathematics, and statistical analysis
  • Programming experience in Python, R or Java
  • Proficiency with a deep learning framework such as TensorFlow or Keras or PyTorch
  • Proficiency with Python libraries for machine learning such as scikit-learn and pandas
  • Good understanding of machine learning techniques and algorithms, such as k-NN, Naive Bayes, SVM, Decision Forests, etc.
  • Good Understanding of data structures, data modeling and software architecture
  • Advanced pattern recognition and predictive modelling experience
  • Prior experience working with unstructured and missing small to large scale datasets
  • Prior experience with modelling high dimensional data with classification and regression techniques
  • Should have knowledge of SQL for querying relational data sets
  • Experience with cloud AI platforms like AWS Sagemaker or GCP is a big plus
  • Hands-on knowledge in distributed data processing engines like Spark is a big plus
  • Experience with BI and analytic tools like Tableau, PowerBI is a big plus
  • BS/MS degree in Mathematics, Statistics, Computer Science, Engineering or a related subject
  • 機械学習エンジニアまたは同様の役割として2年以上の経験
  • データマイニング、数学、統計分析の習熟度
  • Python、RまたはJavaでのプログラミング経験
  • TensorFlow、Keras、PyTorchなどのディープラーニングフレームワークの習熟度
  • scikit-learnやpandasなどの機械学習用のPythonライブラリの習熟度
  • k-NN、Naive Bayes、SVM、Decision Forestなどの機械学習技術とアルゴリズムの十分な理解
  • データ構造、データモデリング、ソフトウェアアーキテクチャの十分な理解
  • 高度なパターン認識と予測モデリングの経験
  • 非構造化および欠落している小規模から大規模のデータセットの使用経験
  • 分類および回帰手法を使用して高次元データをモデリングした経験
  • リレーショナルデータセットを照会するためのSQLの知識が必要
  • AWS SagemakerやGCPなどのクラウドAIプラットフォームの経験は大きなプラス
  • Sparkのような分散データ処理エンジンの実践的な知識は大きなプラス
  • BIおよびTableauなどの分析ツールの経験があるため、PowerBIは大きなプラス
  • 数学、統計学、コンピューターサイエンス、工学または関連科目の学士号/修士号


  • Analyze data for trends and patterns, and Interpret data with a clear objective in mind
  • Communicate analytic solutions and models that affect the business decisions to stakeholders
  • Orchestrate analytical models and relevant data sources into production by collaborating with software developers, data engineers and machine learning engineers
  • Recommend and implement the best algorithm to solve a given problem, after running and experimenting different tests against the potential ML algorithms and ranking them by their success probability
  • Identify relevant data sources and supervise the data acquisition process if more data is needed, data could be large structured and unstructured datasets
  • Define preprocessing or feature engineering and validation strategies on a given dataset
  • Define data augmentation pipelines
  • Tune and improve models, and clean and validate data for uniformity and accuracy before taking the models into production

  • 傾向とパターンのデータを分析し、明確な目的を念頭に置いてデータを解釈する
  • ビジネス上の意思決定に影響する分析ソリューションとモデルを利害関係者に伝える
  • ソフトウェア開発者、データエンジニア、機械学習エンジニアと協力して、分析モデルと関連データソースを現場環境に統合する
  • 潜在的なMLアルゴリズムに対してさまざまなテストを実行および実験し、成功確率でランク付けした後、特定の問題を解決するための最適なアルゴリズムを推奨および実装する
  • より多くのデータが必要な場合、関連するデータソースを特定し、データ取得プロセスを監督(するデータは大規模な構造化および非構造化データセットである可能性あり)
  • 特定のデータセットの前処理または機能エンジニアリングと検証戦略を定義する
  • データ拡張パイプラインを定義する
  • モデルを実稼働に移行する前に、モデルを調整および改善し、均一性と正確性についてデータをクリーニングおよび検証する

Working Conditions-労働条件

【Working hours】

10:00-19:00 (flextime system)

1 hour including break

* 11: 00-16: 00 (core time)

* 8: 00 ~ 11: 00, 16: 00 ~ 21: 00 (Flexible time)


10:00 ~ 19:00(フレックスタイム制)



*8:00~11:00, 16:00~21:00 (フレキシブルタイム)

[Holidays and holidays]

Saturdays, Sundays, holidays, GW, summer vacation, year-end and New Year holidays, paid leave (unlimited)

(2018: annual holiday 123 days + paid leave)

◇ New Year holidays

◇ Summer vacation




◇ 年末年始休暇

◇ 夏季休暇

[Treatment and benefits]

◇ Full payment of commuting expenses

◇ Fully equipped with social insurance (work accident, employment, composition, health insurance)

◇ No restrictions on taking paid leave

◇ Premium Friday

◇ Free clothing