データ・AI/研究職 → 機械学習エンジニア
博士課程の研究員 → 上場SaaS企業のMLエンジニア
26歳/540万円 → 750万円(+210万円)
| 転職前 | 博士課程/研究員(研究・アカデミア) |
|---|---|
| 転職後 | 上場SaaS企業/MLエンジニア(IT・AI) |
| 年齢・経験年数 | 26歳/前職4年 |
| 年収 | 540万円 → 750万円(+210万円) |
| 転職のきっかけ | 年収の頭打ち |
| 選考の論点 | 業界の慣習・進め方の差 |
| 効いた進め方 | 手を動かした証拠を用意した/副業・個人開発で実績を作った |
| 選考の状況 | 応募29社・書類通過18社・内定1社/約4か月 |
転職前の状況
博士課程で研究員として4年。研究の質には自信があったが、成果が実用に届くまでの距離が遠かった。
転職を考えたきっかけ
評価は悪くなく、等級も順調に上がっていた。ただ、社内の賃金テーブルを見ると、次の等級に上がっても増える額は限られていて、540万円の先が見えてしまっていた。
選考でネックになったこと
IT・AIのスピード感を理解しないまま、前職の丁寧さを美点として語ってしまった。相手にとっては遅さの話に聞こえていた。
どう進めたか
週末に小さなプロダクトを作り、要件の決め方から公開後の反応の見方までを一通り自分でやった。規模は小さいが、意思決定を全部自分で行った経験として面接で使えるようになった。
週末に個人で作ったものを公開し、使われ方の数字まで自分で追った。実務経験の不足を、量ではなく一貫性で埋める形にした。
応募29社、書類通過18社、最終面接まで進んだのが4社、内定1社。情報収集を始めてから内定まで約4か月かかっている。
年収の動き
採用が長く埋まっていないポジションで、提示は相場の上限に寄っていた。結果として210万円の増加。希少性が価格に出たケース。
このケースから読み取れること
実務経験が足りないとき、最短の証明は職務経歴書の書き方ではなく、小さくても自分でやり切った1件だった。
同じパターンの他の事例
自分の場合はどうか、を確かめたいとき
事例は型であって、そのまま当てはまるものではありません。 いまの経歴でどのパターンに近いのか、何が論点になりそうかを整理したい方は、キャリア相談をご利用ください。
キャリア相談について見る →