Slide 1

Slide 1 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 研究室紹介 2022.10 許諾なく撮影や第三者 への開示を禁止します

Slide 2

Slide 2 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 1. About us

Slide 3

Slide 3 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 3 東京大学大学院 工学系研究科 松尾研究室 • 人工知能・Web工学を専門とする、東京大学大学院 工学系研究科に位置する研究室 • 職員・学生あわせて約100名*のメンバーが在籍。 チームを構成することで個人はもとより組織全体で世界をリードするハイレベルな成果の創出を目指す *:エンジニアインターンを含めると約180名。22年8月現在 研究員 (10名程度) 職員 (30名程度) 配属学生 (40名程度) TA (20名程度) 松尾教授 ボードメンバー 修士・博士:工学系研究科技術経営戦略学専攻 学部 :工学部システム創成学科 松尾研発スタートアップ 他多数 + Ph.D : 14人 M : 43人 B : 31人 88 人 卒業生 (2021年7月現在) <専門> ✓ 人工知能 最先端技術(ディープラーニング)に 関する研究開発 画像認識やロボット・機械への応用 ✓ ウェブ工学 ソーシャルメディアや企業の ビッグデータ等の分析 ウェブサービスの設計、運営

Slide 4

Slide 4 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 4 代表 教授 松尾 豊 1997年 東京大学工学部電子情報工学科卒業 2002年 同大学院博士課程修了、博士(工学) 同年より産業技術総合研究所研究員 2005年10月より スタンフォード大学客員研究員 2007年10月より 東京大学大学院工学系研究科総合研究機構/知の構造化センター/ 技術経営戦略学専攻 准教授 2014年より 東京大学大学院工学系研究科 技術経営戦略学専攻 グローバル消費インテリジェンス寄付講座 共同代表・特任准教授 2012年〜14年 人工知能学会編集委員長を経て、現在は倫理委員長 2017年6月 一般社団法人日本ディープラーニング協会 設立、理事就任 2019年4月より 東京大学大学院工学系研究科 人工物工学研究センター 技術経営戦略学専攻 教授 2019年6月より ソフトバンクグループ株式会社 社外取締役兼任 2021年10月より 「新しい資本主義実現会議」委員

Slide 5

Slide 5 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 5 現在に至るまでの経緯 • 松尾自身の「知能の謎を解き明かしたい」という思いや、スタンフォード大客員研究員時代に抱えた 課題意識がベースとなり、現在の組織運営をするに至る 博士課程修了 産総研に入職 東大教授 (現在) 2002年〜 スタンフォード大 客員研究員 2005年〜2007年 東大 准教授 2007年〜 ✓ 「知能の謎を 解き明かしたい」 という知的好奇心から Web工学・人工知能を 研究 ✓ シリコンバレーで GoogleやFacebookの興隆を 間近で見る ✓ Google、Facebookが学術研究 でも世界一となる ✓ 「アカデミアと産業界が 連携し価値を生み出す 世界が来ている」 「これじゃ日本は世界で勝てない」 と痛感 ✓ 様々なアクションを取る (自身によるスタートアップ立ち上げ等) ✓ 後進の育成のため「国から研究費を もらうのをやめる」ことを決意。 多くの企業との共同研究を通じて 研究室経営ができるよう奔走 ✓ 加えてスタートアップの育成にも 取り組む

Slide 6

Slide 6 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 6 Vision 「先駆者」を育み、時代を変える。 「変化の連鎖」が生まれるエコシステムを、創り出す。 松尾研は、「先駆者」を生み出す研究室です。 世界最先端の研究を、次々と進める。基礎研究で成果を生み、知の蓄積に貢献する。 基礎研究を充実させることで、教育の質と量を高める。 より多くの学生に、より価値ある学びを、提供していく。 そこで学んだ人材が、企業との共同研究や自身の起業で、活躍する。 未来を切り拓く「先駆者」となって、イノベーションを生み出していく。 成功体験や知恵が、研究や教育に還流する。 ひとつの変化が、また別の変化につながり、人を変え、社会を変えていく。 そして、時代の変化は、ますます大きく、速く、勢いを増していく。 松尾研が築くのは、こうした「変化の連鎖」が生まれるエコシステム。 「先駆者」を育み、時代を変えるエコシステムを、創り出していきます。

Slide 7

Slide 7 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 7 エコシステムの実現 • アカデミアの研究内容が、研究それ自体に閉じずに、スタートアップやサービスという形で 世の中に広がり、その経済活動の中で得られたリソースが大学に還流され 一層研究が進んでいくようなエコシステムを東大/本郷で実現する 共同研究 (社会実装) 基礎研究 先進的な講義 スタートアップ (やがて大企業に) 成功のノウハウ・ リソース等を 大学に還元 共同研究をきっかけに 事業創出・起業 技術シーズを育成・ 社会に実装 基礎研究をもとに 高度な教育を提供 座学からOJTへ 共同研究に参画し 社会経験を積む イノベーションのスパイラルを 起こしていく

Slide 8

Slide 8 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 2. 事業について

Slide 9

Slide 9 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 9 全体像 3. 社会実装 (Implementation) 1. 基礎研究 (Fundamental Research) 2. 講義 (Education) 4. 起業家支援 (Incubation) Deep Learning(世界モデル)を中心とする、 より賢い機械の実現・知能の原理を解明することを 目指した研究開発 民間企業と連携したDeep Learningの 共同研究を通じた産業界のDX推進 東大内に限らない学生・ 社会人を対象とした 人材開発プログラムの 開発・提供 大学・研究室発 スタートアップの育成 アントレプレナーシップ教育

Slide 10

Slide 10 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 10 全体像 3. 社会実装 (Implementation) 1. 基礎研究 (Fundamental Research) 2. 講義 (Education) 4. 起業家支援 (Incubation) Deep Learning(世界モデル)を中心とする、 より賢い機械の実現・知能の原理を解明することを 目指した研究開発 民間企業と連携したDeep Learningの 共同研究を通じた産業界のDX推進 東大内に限らない学生・ 社会人を対象とした 人材開発プログラムの 開発・提供 大学・研究室発 スタートアップの育成 アントレプレナーシップ教育

Slide 11

Slide 11 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 11 基礎研究 | Team Mission 「知能を工学的に実現する」という大志のもと Deep Learning、 とりわけ世界モデル(World Models)を 中心とした先端的な研究開発を行う

Slide 12

Slide 12 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 12 基礎研究 | 世界モデル (World Models) • 今後のDeep Learning開発において鍵となる、人間の「想像」にあたる現実世界をシミュレートする技術 • 世界のAI先進企業・研究室が研究を推進中 ソース:https://deepmind.com/blog/article/neural-scene-representation-and-rendering、https://worldmodels.github.io/ 技術概要 事例 人間は、情報欠損や将来の様子を想像で補うことが可能 例)現在の状態から将来を想像: AIも同様に、経験から効率的に外界の”常識”を学び、 ”想像”できるようになることが今後の発展の肝 その基幹技術が”世界モデル(World Models)” パリン 例)物体の一部を見て、全体像を想像: Googleのような先進企業/研究室が”世界モデル”の研究に注力 DeepMind(Google)の例:限定的な視点画像から全体像を再構成 弾丸を避けるゲームにおいて、 将来を効率よく想像・学習できる メカニズムを組み込むことで、 弾丸の回避率を向上 “Neural scene representation and rendering”, S. A. Eslami, et al., Science, 360(6394):1204–1210, 2018. 3視点の画像から、 AIで3D空間を再構築 Google Brainの例:効率的な将来予想 “Recurrent world models facilitate policy evolution”. D. Ha, J. Schmidhuber, NeurIPS 2018, pp. 2455–2467, 2018.

Slide 13

Slide 13 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 13 基礎研究 | 実績・事例(論文) • 世界モデルを中心に、大規模モデル、NLP、マルチモーダル技術等の先端領域の論文動向を把握 • 2021年度には、NeurIPS2021 (spotlight)、 ICLR2022 (spotlight)等を含む主要会議に合計8本が採択。 世界モデルの大規模化に向けたチームを組成 採録論文名(一部抜粋) ※最新の状況はこちらをご参照ください ✓ “PARADISE: Exploiting Parallel Data for Multilingual Sequence-to-Sequence Pretraining”. The 2022 Conference of the North American Chapter of the Association for Computational Linguistics (NAACL 2022) ✓ Robustifying Vision Transformer without Retraining from Scratch by Test-Time Class-Conditional Feature Alignment”, the 31st International Joint Conference on Artificial Intelligence and the 25th European Conference on Artificial Intelligence (IJCAI-ECAI 2022) ✓ “Generalized Decision Transformer for Offline Hindsight Information Matching”, International Conference on Learning Representations (ICLR2022 , Spotlight) ✓ “Test-Time Classifier Adjustment Module for Model-Agnostic Domain Generalization”, Advances in Neural Information Processing Systems 2021 (NeurIPS2021, Spotlight) ✓ “Co-Adaptation of Algorithmic and Implementational Innovations in Inference-based Deep Reinforcement Learning”, Advances in Neural Information Processing Systems 2021 (NeurIPS2021) ✓ Policy Information Capacity: Information-Theoretic Measure for Task Complexity in Deep Reinforcement Learning”, International Conference on Machine Learning 2021 (ICML2021) …他多数

Slide 14

Slide 14 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 14 基礎研究 | 実績・事例(ロボティクス) • 世界モデルとロボティクスの掛け合わせによるインパクト創出も目指す • 2021年度には、お片付けロボット(WRS2021準優勝)、柔軟物操作などのテストベッド等を構築

Slide 15

Slide 15 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 15 全体像 3. 社会実装 (Implementation) 1. 基礎研究 (Fundamental Research) 2. 講義 (Education) 4. 起業家支援 (Incubation) Deep Learning(世界モデル)を中心とする、 より賢い機械の実現・知能の原理を解明することを 目指した研究開発 民間企業と連携したDeep Learningの 共同研究を通じた産業界のDX推進 東大内に限らない学生・ 社会人を対象とした 人材開発プログラムの 開発・提供 大学・研究室発 スタートアップの育成 アントレプレナーシップ教育

Slide 16

Slide 16 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 16 講義 | Team Mission 基礎研究で探究した知見を、社会に還流させる。 ひとりでも多く、先端知見を学ぶ場を提供し、 社会実装を推進して、よりよい未来をつくる

Slide 17

Slide 17 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 17 講義 | 講座全体像 Web工学と ビジネスモデル Web工学 基礎プロジェクト Web工学 AI経営寄付講座 Web工学 グローバル消費 インテリジェンス寄付講座 (データサイエンティスト育成) データサイエンス ビジネスモデル 世界モデル寄付講座 Web工学 データ駆動型起業演習 Web工学 集中講座 スプリングセミナー (画像認識) サマースクール (金融市場取引と機械学習 生成モデル、自然言語) Deep Learning 基礎講座 Deep Learning データ駆動型事業立案演習 Web工学 アントレプレナーシップ 教育デザイン寄付講座 ディープテック起業家への 招待 ビジョナリースタートアップ アントレプレナーシップ • ユーザー体験設計の基礎技術となるWeb工学、データサイエンス技術とビジネス・経営を考察する 「データサイエンス」「AI経営」、「ディープラーニング基礎」から先端知見を磨く「世界モデル」、 技術を起点にした起業を構想するアントレプレナーシップ講座など、技術の基礎から社会実装まで幅広く提供 • 22年度は4テーマ14プログラムの講義を開講予定

Slide 18

Slide 18 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 18 講義 | 実績(受講生数) • 2014年4月〜21年2月で累計7,500名以上の学生・社会人が受講 • 22年度単年では4,000名規模に拡大し、累計受講生数が1万人を超える見込み 0 500 1000 1500 2000 2500 2014 2015 2016 2017 2018 2019 2020 2021 4000人 規模へ 3200人 2022

Slide 19

Slide 19 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 19 講義 | (参考)メタバース工学部 • 2022年9月、東京大学大学院工学系研究科・工学部が中心となり「メタバース工学部」を設立・開講 • 中高生から社会人まで、全ての人々が最新の情報や工学の実践的スキルを獲得して夢を実現できる 社会の実現を目指し、デジタル技術を駆使した工学分野における教育の場を提供する ※詳細はこちら(https://www.t.u-tokyo.ac.jp/meta-school)をご覧ください:「メタバース工学部」に関するお知らせ」(メタバース工学部事務局) 提供プログラム 1. ジュニア工学教育プログラム ✓ 主な対象:中高生・保護者・教師 ✓ 工学や情報の魅力を早期に伝えるため、産業界と大学が連携した 工学教育プログラムを提供 ✓ 大学での工学の学びや卒業後のキャリアを伝える授業、 商品開発のような体験型演習、研究室見学等 2. リスキリング工学教育プログラム ✓ 主な対象:社会人・学生 ✓ 社会人や学生の学び直しやリスキリングを支援することを目的に、 人工知能・起業家教育・次世代通信などの最新の工学や情報を オンラインで学ぶ教育プログラムを提供 ※上記に加えて、工学キャリアに関する総合情報サイトを立ち上げ、 ロールモデルが少ない女性工学キャリアの情報提供などを通じて、 工学分野におけるダイバーシティ推進を加速を目指す

Slide 20

Slide 20 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 20 全体像 3. 社会実装 (Implementation) 1. 基礎研究 (Fundamental Research) 2. 講義 (Education) 4. 起業家支援 (Incubation) Deep Learning(世界モデル)を中心とする、 より賢い機械の実現・知能の原理を解明することを 目指した研究開発 民間企業と連携したDeep Learningの 共同研究を通じた産業界のDX推進 東大内に限らない学生・ 社会人を対象とした 人材開発プログラムの 開発・提供 大学・研究室発 スタートアップの育成 アントレプレナーシップ教育

Slide 21

Slide 21 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 21 社会実装 | Team Mission 民間企業との連携を通じ、 Deep Learning領域の研究に取り組み、 学問的な成果を創出する

Slide 22

Slide 22 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 22 社会実装 | 実績・事例 • 自動運転、検知、画像分析、行動分析、予測等、 テーマ・業界・扱うデータを問わず多種多様な場面で技術実装を図る テーマ 業界 プロジェクト概要 画像分析 医療 脳のMRI画像解析を通じて微細出血を検知することで、 アルツハイマー型認知症など主要な認知症の診断補助となる 画像診断支援アルゴリズムの開発 行動分析 製造 (部品) 工場内での人の動きを認識・可視化することで 不良品増加率の原因分析等を可能とし、熟練職にのスキル伝承を図る 予測 製造 (化学) 化学プラント内の異常発生を早期に発見、およびその原因を特定 2021年度 実績抜粋 ( 写真はイメージです )

Slide 23

Slide 23 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 23 全体像 3. 社会実装 (Implementation) 1. 基礎研究 (Fundamental Research) 2. 講義 (Education) 4. 起業家支援 (Incubation) Deep Learning(世界モデル)を中心とする、 より賢い機械の実現・知能の原理を解明することを 目指した研究開発 民間企業と連携したDeep Learningの 共同研究を通じた産業界のDX推進 東大内に限らない学生・ 社会人を対象とした 人材開発プログラムの 開発・提供 大学・研究室発 スタートアップの育成 アントレプレナーシップ教育

Slide 24

Slide 24 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 24 起業家支援 | Team Mission 各産業のDXを推進する大学発スタートアップを 年間100社輩出することを目指し 起業家を育成、伴走する これにより先端技術を社会に還元し 新しい産業のエコシステムを作り上げる

Slide 25

Slide 25 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 25 起業家支援 | これまでに松尾研から輩出したスタートアップ • 2012年以降、13社の松尾研発スタートアップを輩出。うち2社は上場済 上場済 21-22年度起業

Slide 26

Slide 26 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 26 起業家支援 | 起業クエスト • 松尾研発スタートアップの成功モデルを抽象化し、起業の成功確率を上げるための工夫を詰め込んだ プログラム • 21年夏に立ち上げ、22年4月には3社の登記が進み現在起業に向け準備中 1st Stage 武器を持つ 【講義】 ✓ 起業クエストの認定講義を受講し、技術(データサイエンス/深層学習)の基礎を身につける 2nd Stage 実践で強くなる 【社会実装】 ✓ 外部企業の認定AIエンジニアインターンに参加し、開発やプロジェクトマネジメント経験・ クライアントへの提案をOJTとして経験 ✓ 実践で役立つスキル・ビジネス力を鍛える 3rd Stage パーティーを組み冒険に出かける ✓ 仲間を見つけ、リアルなビジネスの世界に踏み出す ✓ クライアントに自ら提案することを経験したり、 会社立ち上げに必要な知識・スキルを習得する 新入生 チーフAI エンジニア 起業家の卵 START

Slide 27

Slide 27 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 3. 組織について

Slide 28

Slide 28 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 28 Value 1. やりたいことは、なにか? そのために、行動しているか? 「仕事だから、それなりにやる人」と「自分がやりたいから、本気でやる人。主体的に一生懸命になる人」がいる。 松尾研メンバーには、後者であってほしい。成長と成功の第一主成分は、考えた量、行動した量である。 2. どれだけ考えられているか? 「言うだけでやらない」は松尾研ではないが、「考えずにやる」も、松尾研ではない。 まっとうに考える。考えて、やる、やって、考える、を高速で。 3. 自分で自分を俯瞰して見る。メタ認知できているか? 自分で自分を俯瞰して認識し、改善しよう。自分の欠点は? 課題は? どんなときに、どんなことをやる傾向があるか? 俯瞰して考え、構造をとらえ、補う方法を創り出して、行動しよう。 4. その規模を、10倍にするには? それを10倍でやるには、100倍でやるには、1000倍、10000倍でやるには、どうしたらいいか。 常にスケールを大きくすること、今までのスピードを超えること、既存概念を打ち破ることを、考えよう。 5. それは、社会にどれだけのインパクトを生み出すのか? 自分がいま向き合っていることは、社会にどんな変化をもたらすか。時代の流れに、どんな影響をもたらすか。 「社会のためになるか」を考えながら、ひたむきに取り組んでいくことが、真の成長と成功をもたらす。 6. 信頼に応えているか? 期待を超えているか? 一緒に仕事をする人や周りの人。あなたを信頼してくれている人に応えられているか。期待値を超えているか。 「社会を変える、先駆的なこと」をやろうと思ったら、まずは目の前にいる人に真摯に向き合うこと。 7. 自分の人生は有限。その中で、なにをするか? 人の命は有限。自分の寿命の中で、自分を最大化するには、今日なにをする?

Slide 29

Slide 29 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 29 組織図 基礎研究・開発・情シス ✓ DL/世界モデルの基礎研究・開発を担う ✓ 研究開発を支えるHPCを含む 情報システムの管理機能を担う 講義 ✓ ML/DL、Web工学などの講座 カリキュラム開発・運営担う 社会実装 ✓ 企業との共同研究プロジェクトの 提案~プロジェクトマネジメントを担う シンクタンク ✓ 研究室の活動から得られた知見を基に 教授直下で政策や企業への示唆となる 提言書の取りまとめを行う 起業家支援 (インキュベーション) ✓ 学生起業家の育成・支援、 アントレプレナーシップ教育の企画・運営 を行う バックオフィス ✓ 研究室と大学事務との間に立ち、経理・ 人事・総務などバックオフィス機能を担う

Slide 30

Slide 30 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 4. 働く環境について

Slide 31

Slide 31 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 31 基本情報 ✓ 各種社会保険完備 (雇用・労災・健康・厚生年金) ✓ 通勤手当 等 ✓ 完全週休2日制 ✓ GW、夏季休暇、 年末年始休暇、有給休暇、 慶弔休暇、産休・育休 等 ✓ リモートワーク可 (※コロナ期間中) ✓ 大学の制度により 雇用契約は年次更新 ✓ 業績や勤務態度に応じ 雇用契約を更新 ✓ 図書館・論文アクセス・ 計算機環境など充実した 研究設備 ✓ PCは希望のスペックを支給 ✓ ロボット購入など ✓ 書籍購入可(上限なし) ✓ 海外視察研修や 学会出張あり 東京大学特定有期雇用教職員の就業に関する規程 東京大学特定短時間勤務有期雇用教職員の就業に関する規程

Slide 32

Slide 32 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 32 勉強会 • 講義修了生を主な対象として多くの自主勉強会を開催 • 研究室の内外に関わらず、相互に高め合う環境を有する 勉強会例 1. DL輪読会 :深層学習領域の最先端の研究動向の調査を目的とし、 論文の輪読会を毎週開催 2. DL Hacks : DeepLearningの実装力に焦点を当て、 最新論文の実装やその他Tipsを共有する勉強会を 毎週開催 3. TRAIL(ロボットサークル) :Tokyo Robot And Intelligence Lab。 実世界での知能の実現を目指して,ロボット学習を 中心とした研究開発活動を行う。 チームでロボコンの出場にも取り組む 4. 金融輪読会 :金融×深層学習の書籍を輪読 上記他、ゲスト研究員を招聘しての不定期の講演会 等

Slide 33

Slide 33 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 33 導入ツール 業務系 開発系 ✓ Google Workplace ✓ Notion ✓ Slack ✓ Zoom ✓ DocuSign ✓ Office 365 ✓ Amazon Web Services (AWS) ✓ Google Cloud Platform ✓ AI Bridging Cloud Infrastructure (ABCI) ✓ GitHub ✓ Visual Studio Code

Slide 34

Slide 34 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 34 技術スタック 機械学習 ロボティクス インフラ フロントエンド バックエンド ✓ Python ✓ TensorFlow ✓ PyTorch ✓ PyTorch Lightning ✓ Weights & Biases(W&B) ✓ mlflow ✓ MuJoCo ✓ Data Version Control(DVC) ✓ Transformers ✓ Light GBM ✓ Apache Airflow ✓ Luigi ✓ scikit learn ✓ Robot Operation System(ROS) ✓ NVIDIA JETSON ✓ NEXT.js ✓ React ✓ Redux ✓ TypeScript ✓ styled components ✓ Storybook ✓ Figma ✓ Swagger ✓ TypeScript ✓ FastAPI ✓ Scala ✓ Laravel ✓ HashiCorp Terraform ✓ Amazon ECS ✓ Amazon Athena ✓ Amazon SageMaker ✓ Google BigQuery ✓ docker ✓ MySQL ✓ Postgre SQL ✓ redis ✓ GitHub Actions ✓ ANSIBLE ✓ Microsoft Singularity ✓ influxDB ✓ Grafana ✓ ZABBIX

Slide 35

Slide 35 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO 35 選考フロー • 書類選考後の選考ステップ例は以下の通り。 • 双方の理解を深める場にするため、応募ポジションのチームメンバーや人事等、 4〜5名にお会いいただく予定。 カジュアル面談 (1〜∞回) 1次面談 2次面談 最終面談 リファレンス チェック ✓ キャリアのご志向を伺い、松尾研で提供できる機会についてざっくばらんにお話させていただきます ✓ 担当 :人事(generalなキャリア志向の確認) ・ 応募ポジションのチームメンバー(実務について) ✓ お時間 :30分程度 ✓ これまでのご経験や松尾研で成し遂げられたいこと等をお伺いします ✓ 担当 :応募ポジションのチームリーダー ✓ お時間 :60分程度 ✓ 松尾研で大事にしているバリューやコンピテンシーに沿ってご経験やお考え等をお伺いします ✓ 担当 :ボードメンバー ✓ お時間 :60分程度 ✓ これまで一緒にお仕事をされたことがある方2名を推薦いただき、 電話(20分程度)にてインタビューをさせていただきます ✓ 代表とお会いいただく場となります ✓ 担当 :松尾 ✓ お時間 :30分程度

Slide 36

Slide 36 text

©︎MATSUO LAB, THE UNIVERSITY OF TOKYO