エンジニア転職の職務経歴書【技術スキルの書き方と数字での実績表現】

はじめに

エンジニアの職務経歴書で最もよく見られる問題は「何をしたか」は書いてあるが「どんな成果が出たか」が書いていないことです。採用担当者が知りたいのは「あなたを採用することで会社にどんな価値をもたらしてくれるか」です。技術スキルの書き方と数字での実績表現を具体例とともに解説します。

良い書き方・悪い書き方の比較

悪い書き方の例：「Pythonを使ったデータ分析業務を担当した」。良い書き方の例：「Python（pandas・scikit-learn・LightGBM）を使って製造ラインの品質予測モデルを開発。モデルの導入後、不良品の事前検知率が従来の60%から85%に向上し、廃棄コストを月間約50万円削減した」。「使った技術＋何を作ったか＋どんな成果が出たか（数字）」の3点セットが必須です。数字がない実績は採用担当者の記憶に残りません。

技術スキルの書き方

技術スキルは習熟度を分けて書くと採用担当者に伝わりやすいです。「業務で使える（3年以上の実務経験）」としてPython（pandas・NumPy・scikit-learn）・SQL・Gitなどを記載します。「実務で使用した経験あり（1〜2年）」としてLightGBM・Docker・AWSなどを記載します。「学習中・基礎知識あり」としてLangChain・PyTorch・Kubernetesなどを記載します。全部「できます」と書くと信頼性が下がるため、正直に書くことが重要です。

数字で語れる実績の作り方

数字のある実績を作るためには、業務中から「この取り組みの前後で何が変わったか」を記録しておく習慣が大切です。「モデル導入前後の精度比較」「自動化による工数削減時間」「コスト削減額の概算」という形でデータを取っておきましょう。正確な数字が出せない場合は「約〇〇%改善」「月間〇〇時間削減（概算）」という形で示すことができます。大切なのは数字の正確さより「定量的に語れること」です。

MLエンジニアの職務経歴書に入れるべき項目

技術スキル一覧（習熟度別）、担当プロジェクトの概要と成果（数字入り）、使用したアルゴリズム・フレームワーク、データの規模感（何万件のデータを扱ったか）、開発環境（AWS・GCP・オンプレ等）、チーム規模と自分の役割の6点が重要です。KaggleやSignateでの実績・G検定・E資格などの資格もMLエンジニアには差別化になる項目です。

書類選考を通過する職務経歴書の構成

職務経歴書は2〜3枚に収めることが基本です。最初のページに「職務要約（3〜5行）」と「スキルサマリー（技術スタック・資格）」を配置します。2ページ目以降に各プロジェクトの詳細を記載します。フォントは読みやすいサイズ（10〜11pt）を使い、箇条書きと段落を組み合わせて読みやすくします。Wordで作成してPDF変換して提出することが一般的です。

よくある質問

「職務経歴書に数字がない場合はどうすればいいですか」という質問をよく受けます。正確な数字がない場合でも「概算・約〇〇」という形で定量化できます。「処理時間が体感で半分以下になった→月約20時間→10時間程度に削減（概算）」のような書き方が有効です。重要なのは正確な数字より「定量的に語れること」です。「転職先に今の会社の機密情報が漏れる書き方はNGですか」という質問については、会社名・製品名・顧客名などの機密情報は職務経歴書に記載できません。「大手製造業（従業員1,000名以上）にて〇〇の課題を解決」のように抽象化して書くことが基本です。技術的な内容も「社内のある工程でPythonによる機械学習モデルを導入し、予測精度を〇%向上させた」という形で会社名・製品名を出さずに記載できます。

まとめ

MLエンジニアの職務経歴書で最も重要なのは「使った技術＋何を作ったか＋どんな成果が出たか（数字）」の3点セットです。数字のある実績は業務中から記録しておく習慣をつけましょう。技術スキルは習熟度を正直に分けて記載することで採用担当者の信頼を得られます。まず現在の職務経歴書を見直して、成果を数字で表現できていない部分を加筆してみましょう。

職務経歴書は転職活動の最重要ツールです。「数字で語れる実績」を加えることで、採用担当者の記憶に残る書類に変わります。まず現在の職務経歴書を開いて、数字を入れられる実績がないか見直してみましょう。