ポートフォリオは「採用担当に何を見せるか」がすべて

MLエンジニアとして転職活動をしたとき、僕は3社から内定をもらいました。技術面接の手応えはどの会社も似たような感じだったのに、評価が分かれたのは間違いなくポートフォリオの差です。

ポートフォリオで重要なのは、「コードの綺麗さ」よりも「どんな問題をどう解決したか」を伝えることです。MLエンジニアの仕事は技術力だけでなく、課題解決能力が問われる職種だからです。

GitHub：READMEで全部決まる

GitHubに何十個もリポジトリがあっても、READMEが整っていなければ評価されません。僕は転職活動前に、メインの3リポジトリだけREADMEを丁寧に書き直しました。

含めるべき要素は、課題設定・データの説明・モデル選定の理由・評価指標・結果・考察です。コードを読まなくても、READMEだけで「この人は何を理解しているか」が伝わるようにします。

図やグラフも積極的に貼ります。混同行列、学習曲線、特徴量重要度のプロットなど、視覚的に伝わる要素があると、採用担当のレビュー時間を取りやすくなります。

Signate・Kaggleの実績：順位より「振り返り」が大事

SignateやKaggleでの実績は、客観的な指標として強力です。ただし上位入賞だけが評価されるわけではなく、参加経験そのものに価値があります。

僕がアピールしたのは、Signateで上位30%だった案件と、Kaggleで完走したコンペです。それぞれについて、何を学んだか・どこで詰まったか・次に活かせる知見は何か、をブログ記事にまとめました。

業務成果：守秘義務の範囲で抽象化して書く

業務でやった機械学習プロジェクトは、ポートフォリオの中で最も評価される項目です。ただし、守秘義務があるのでそのまま公開はできません。

僕がやったのは、案件の本質だけ抽出して抽象化する方法です。たとえば「製造業の検査工程で、画像分類モデルにより不良品検出を自動化。誤検出率を従来の手作業比50%削減」といった粒度で書きます。

会社名や具体的な数字は伏せても、課題・アプローチ・成果の3点が伝われば十分です。面接で深掘りされたときに、口頭で詳細を補足できる準備をしておけばOKです。

Webアプリ・データ分析記事：「動くもの」が一番強い

機械学習モデルをWebアプリにデプロイした実績があると、ポートフォリオの中で一番強い武器になります。Streamlitやhuggingface spacesでデモを公開しておくだけで、採用担当が実際に触ってくれます。

僕の場合、ソフトテニス全国大会の結果をD3.jsでBI可視化したプロジェクトを公開していました。MLとは少し違いますが、データを見せる力をアピールできる材料になりました。

データ分析の記事をnoteやQiitaに書いておくのも有効です。技術ブログは、コードでは伝わらない「思考プロセス」を見せられる場所として機能します。

ポートフォリオに「ストーリー」を持たせる

個別の作品を並べるだけでは、ポートフォリオとしては弱いです。全体を通して「この人はこういう方向性で成長したいと考えているMLエンジニアだ」というストーリーが見えると、印象が一気に変わります。

僕の場合、製造業のドメイン知識を活かしたML活用というテーマで全体を統一しました。検査自動化、生産計画最適化、品質予測など、業界課題に対するアプローチを軸にして作品を配置しました。

まとめ：完成度より、更新し続けることが大事