PayPay | 機械学習エンジニア | 900万円 - InsideStory InterviewCat | InterviewCat

PayPay | 機械学習エンジニア | 900万円

質問リスト（黒塗りあり）

① 年齢（例 20代後半）

█████

② 性別

男性

③ いつの情報？（例 2023年）

███年

④ 現在の職種と仕事内容（特定されない程度にざっくり）

MLエンジニア

███████████████などを用いた██████████████████を行い、██████████████████を向上させます。また、██████████████████を駆使して█████████を高め、ユーザーエクスペリエンスを洗練させる取り組みを行っています。████████████や████████████のバックエンド開発・運用、プラットホームの運営にも携わり、技術的な専門知識を活かしています。████████に█████を作成し、████████████の計算、████████████████と予測も行いました。また、██████████████████でのデータ転送システムを開発し、データの運用効率と信頼性を大幅に向上させるための堅牢な監視フレームワークを構築しました。最近、██████を使用したモデル開発と██████により、サービスの改善を進めています。

⑤ 現年収（年収の内訳も是非）

900万 (基本給890万、手当10万)

⑥ 月残業時間

45時間

⑦ どの企業の情報を提供して頂けますか？

PayPay

⑧ 各企業の面接は何ステージに分かれてますか？それぞれのステージで何を評価されていたか教えてください

課題一つ、４ステージ

[課題] ███████████████

[面接]

1回目: ██████（█████や████████████+████）と███

2回目: ██ + ████████████ (█████) + ██████ (██████ ██████ ██████)

3回目: ████████ (███について██████、██████、██████の実装と理論)

4回目: 行動面接、人事、██、█████、██████、██████、██████のOSS貢献、██████に関する基本知識の確認（多分業務経験？）

⑨ 面接ではずばりどんな質問をされましたか？隠した方が良いところは黒塗りするので、覚えている限り箇条書きでお願い致します

[面接]

1回目

██████とは、████████████説明されますか？

████████████とは何ですか？

██████における███とは何を意味しますか？

█████████をどのように計算しますか？

ディープラーニングでの██████████████████はどのように行いますか？

█████████████████の方法について教えてください。

█████について説明してください。

█████とは何ですか？

2回目

LeetCodeでの█████に挑戦し、██████████を使った問題を解きます。

███████████████を█████████して、その確率分布の偏りや信頼区間を分析します。

システム設計はソフトウェアエンジニアと同じ考え方が求められますが、モデル選択や██████████の指標についても話す必要があります。

██████████には、███████████████を選択し、それぞれの長所と短所、レイテンシへの影響、学習の頻度、モデルのシフトに対する対策、██████████、██████████について議論します。
██████████には█████が含まれます。
█████████には██████████、██████████、█████が含まれます。

3回目 █████の█████

4回目 ██████████と███████████████への親和性

⑩ オファー額を教えてください

850万

⑪ これまでの年収推移を教えてください

1年目: 465万円 ██████████

3年目: ██ 万円 █████

█年目: 850万円 PayPay

⑫ 面接対策でやった事を教えてください。また何を準備すればオファーが出るでしょうか？何を評価されてオファーが出たのかも教えていただければ。

Kaggleで分析スキルを磨いていた。（過去のコンペと今のコンペに注意する）

LeetCodeでMediumの質問まで磨いた。(NeetCodeを参考した)

██████、████████████、████████████などのシステム設計を勉強した

[Optional] Hands On ML、d2lなどの機械学習の専門書を定期的に読む

⑬ 面接官として、どんな人は採用したい、どんな人はちょっと採用が難しいかなと思いますか？面接官の経験がなければ想像でも構いません

[採用したい人]

個々の問題に対処する能力を持ち、新しいプロジェクトを立ち上げて方針を策定し、運営できる方

[採用したくない人]

すぐに諦める方

⑭ 面接官を担当するとして、絶対に聞きたい技術質問を５つ箇条書きで教えてください

統計的検定とABテストの実施方法について教えてください。

開発過程で直面した失敗の例と、それをどのように乗り越えたか。

データベース、データレイク(Medallion Architecture)を設計する際に特に重視するポイントはどこですか。

教師あり学習や深層学習を用いて時系列の問題をどのように解決しましたか。

マイクロサービスアーキテクチャで遭遇する典型的な課題と、その解決策について話してください。

⑮ エンジニアになったキッカケを教えてください

高専出身のため、手を動かして物事を勉強することが好きです。大学院でアプリの開発コンペに参加して負けた悔しさから、技術力の重要性を痛感し、エンジニアリングのスキルを深めることを決意しました。その経験は、挑戦する勇気と、失敗から学ぶ価値を教えてくれた大切な転機となりました。

⑯ 自分がエンジニアとして成長できた経験があれば教えてください

OSSの世界に挑戦する。技術力を向上させるために、好きなフレームワークに貢献し、"good first issue" を探して、実践する。

友達と一緒にサイドプロジェクトに取り組む。新しいサービスを立ち上げるなど、共同で活動する。

社内で新しい領域の業務に積極的に挑戦する。例えば、MLエンジニアとして活動する場合は、AWSやTerraformなどのクラウドプラットフォーム、データ基盤の構築などに取り組む。

Kaggleで分析スキルを磨く。

LeetCodeで問題を解く。

⑰ 世の中にぶちまけたい事があればなんでも

私が共有したいのは「学びの大切さ」と「思いやりの心」です。世界は日々変化しており、技術や社会の進歩は止まることがありません。また、近年ChatGPTなどのGenerative AIは生活に登場し、人間の生活を大きく豊かに変えています。一方、単純にマニュアルなタスクやエンジニアの職を代替することもできます。そのため、絶えず新しいことを学び、知識を更新し続けることの重要性を強調したいです。また、人々が互いに思いやりを持ち、支え合うことで、より良い社会が築けると信じています。技術的な進歩も大切ですが、それを支える人間性の成熟が最も重要だと思います。

⑱ PayPayで働く事でエンジニアとして成長できるところはどこですか？

チャレンジングの環境

PayPayは、革新的な技術を用いて金融サービスの領域で常に新しい挑戦をしている企業です。ここでの仕事は、██████████████████████████████████████████████████████を要求されます。このようなチャレンジングな環境は、エンジニアが自身の技術的なスキルセットを拡張し、常に学び続ける姿勢を養うのに最適です。

英語力、異文化交流

PayPayは、世界中から優秀な人材を集めています。多国籍なチームで働くことで、異なる文化的背景を持つ同僚から新しいアプローチや考え方を学ぶことができます。このような環境は、グローバルな視点を養い、コミュニケーション能力を高める絶好の機会を提供します。私の場合は、英語で日々会議したり、同僚同士で話しています。

⑲ PayPayの良い福利厚生があれば教えて下さい

WFA (Work From Anywhere) - 日本国内なら、どこでも仕事できます

⑳ PayPayのレベルごとの給与レンジはどの程度ですか？

Product Division

L1 (Entry): 新卒を採用しません

L2 (Mid): 600万~1000万 (L2から採用になります)

L3 (Senior): ███万~███万

L4 (Staff): ███万以上

㉑これからMLエンジニアになりたい方へアドバイスがあれば

MLエンジニアになるためには、まず数学・統計学とプログラミングの基礎を固めることが重要です。大学の研究室で学んだ知識は必ずしも業務に応用できると言えないので、教師ありと教師なし学習をしっかち身につけてください。Pythonをはじめとするプログラミング言語や、NumPy、Pandas、Matplotlib、PySparkなどのライブラリの学習を通じて、データサイエンスの基本をマスターしましょう。実践を通じて学びを深めるために、Kaggleのコンペティション参加や個人プロジェクトを始め、成果をGitHubで共有することをお勧めします。また、最新のトレンドに追いつくために、関連のオンラインコースやワークショップに参加し、オンラインコミュニティ（ML Tokyo、Databricks AIやSakanaAI）で情報交換を行うことが有効です。データ基盤、データエンジニアリング、深層学習やクラウドサービスの知識も、現代のMLエンジニアには欠かせません。学生さんならシステム設計の経験はないため、しっかりと毎日ByteByteGoやGrokking the System Design Interviewなどを勉強し、実世界のシステムにどう応用できるかを常に考えましょう。これらのステップを踏むことで、基礎から応用まで、MLエンジニアとしてのスキルを総合的に高めることができます。