A.10 就職準備チェックリスト

就職準備は「全部学んでから」ではありません。学習の跡を、他人が理解できるプロジェクトに整理することです。

まず 1 つの目標職種を選ぶ

方向	重視されること	準備するもの
AI / アルゴリズムエンジニア	モデル理解、訓練、評価	ML/DL プロジェクト、指標、実験
LLM アプリケーションエンジニア	RAG、Agent、バックエンド、プロダクトループ	完成度のあるアプリ、API 設計、ログ、評価
データ分析 / データサイエンス	SQL、統計、可視化、モデリング	分析レポートとビジネス説明
AI プロダクト / 技術プロダクト	シナリオ判断、要件分解、評価	プロダクト提案、指標、トレードオフ

すべての方向を同時に準備しないでください。

プロジェクトのストーリー形式

履歴書、README、面接ではこの形が使えます。

項目	書くこと
目標職種	このプロジェクトが支える職種
ユーザー課題	解決または改善した具体的な問題
入力と出力	何が入り、何が出て、誰が使うか
ベースライン	最も単純な比較対象、または以前の運用
技術方案	主なシステム設計、モデル、データ、プロダクト判断
評価結果	指標、テストセット、ユーザー確認、再現可能な証拠
失敗例	うまくいかなかった点、または残るリスク
自分の改善	証拠を見て具体的に変えたこと

弱い書き方:

Python と LangChain でナレッジベース Q&A システムを作りました。

より強い書き方:

企業向けナレッジベース Q&A システムを構築し、文書分割、ベクトル検索、
権限フィルタ、引用付き回答を実装。評価セットを作成して chunk 戦略を比較し、
誤検索を減らして回答の追跡性を高めた。

リポジトリチェックリスト

• README
• 実行方法
• プロジェクト構成
• 入力と出力の例
• スクリーンショットまたはデモ図
• 指標または評価方法
• 既知の問題と次の改善

リポジトリを開いた人が、3 分以内に何のプロジェクトか理解できる状態を目指します。

面接前に準備する質問

• なぜこの方法を選んだのか。
• どの baseline と比べたのか。
• 何が失敗したのか。
• どう評価したのか。
• 本番で壊れたら、まず何を見るのか。

4 週間スプリント

週	焦点
1 週目	目標職種を選び、2-3 個の主力プロジェクトを決める
2 週目	README、画像、実行手順、履歴書表現を改善
3 週目	プロジェクト説明と基礎質問を練習
4 週目	応募し、質問を記録し、フィードバックで改善

残す証拠

このページを終えたら、この証拠カードを残します。

対象ロール

AI full-stack、LLM app、data/ML、Agent engineer、または multimodal builder

ポートフォリオストーリー

問題、システム、証拠、失敗、改善、トレードオフ

不足リスト

不足しているプロジェクト、弱い説明、未デプロイ、または不明確な指標

次の行動

今週更新する resume／project／interview の成果物を1つ

期待される成果

面接で使えるポートフォリオのストーリーカード