Key Takeaways

  • 75% of U.S. employers use automated applicant tracking systems to screen resumes before a human reviews them (Harvard Business School & Accenture, 2021)
  • The most common ATS failures are missing keywords, incompatible formatting, and incorrect file types
  • ResumeGeni scores your resume across 8 parsing layers — modeled on the same steps enterprise ATS platforms like Workday, Greenhouse, and Taleo use to evaluate candidates

How ATS Resume Scoring Works

Applicant tracking systems parse your resume into structured data — extracting your name, contact info, work history, skills, and education — then score how well that data matches the job requirements. Many ATS rejections happen because the parser couldn't extract critical fields, not because the candidate wasn't qualified.

LayerWhat It ChecksWhy It Matters
Document extractionFile format, encoding, readabilityCorrupted or image-only PDFs fail immediately
Layout analysisTables, columns, headers, footersMulti-column layouts break field extraction
Section detectionExperience, education, skills headingsNon-standard headings cause sections to be missed
Field mappingName, email, phone, dates, titlesMissing contact info is a common cause of immediate rejection
Keyword matchingJob-specific terms, skills, certificationsKeyword overlap affects recruiter search visibility and ATS scoring
Chronology checkDate ordering, gap detectionReverse-chronological order is expected by most ATS
QuantificationMetrics, numbers, measurable outcomesQuantified achievements help human reviewers and some scoring models
Confidence scoringOverall parse quality and completenessLow-confidence parses get deprioritized in results

Frequently Asked Questions

Is ResumeGeni free?
Yes. ResumeGeni is currently in beta — ATS analysis, scoring, and initial improvement suggestions are free with no signup required. Full guidance and saved reports may require a free account.
What file formats are supported?
PDF, DOCX, DOC, TXT, RTF, ODT, and Apple Pages. PDF and DOCX are recommended for best ATS compatibility.
How is the ATS score calculated?
Your resume is processed through an 8-layer parsing pipeline that extracts structured data the same way enterprise ATS platforms do. The score reflects how completely and accurately your resume can be parsed, plus how well your content matches common ATS ranking criteria.
Can ATS read PDF resumes?
Yes, but not all PDFs are equal. Text-based PDFs parse well. Image-only PDFs (scanned documents) and PDFs with complex tables or multi-column layouts often fail ATS parsing. Our analyzer will flag these issues.
How do I improve my ATS score?
Focus on three areas: use a clean single-column format, include keywords from the job description naturally in your experience bullets, and ensure all sections (contact, experience, education, skills) use standard headings.

ATS Guides & Resources

Built by engineers with 12 years of experience building enterprise hiring technology at ZipRecruiter. Last updated .

Speeda - 機械学習エンジニア (ML/NLP)

株式会社ユーザベース · 千代田区, 東京都

ユーザベースについて

ユーザベースは2008年の創業より築き上げてきた経済情報基盤を活用して、経営のスピードを上げる情報プラットフォーム「Speeda」、国内最大級のソーシャル経済メディア「NewsPicks」のほか、北米・中国・東南アジアでビジネスを展開しています。

VISION2028では「アジアNo.1の経済情報インフラになる」を掲げています。



パーパス

ユーザベースグループは、 「経済情報の力で、誰もがビジネスを楽しめる世界をつくる(https://www.uzabase.com/jp/about/)」 をパーパスに掲げ、データ・コンテンツ・人の知見という3つのコアアセットを共同活用した複数の事業を展開しています。

それらを通して、世界中のビジネスパーソンの生産性を高め、意思決定を支える。日本発のデファクトになる経済情報インフラづくりを目指し、世界を変える挑戦を続けています。

ミッション

「技術力でビジネスをリードする」技術が好きでたまらない機械学習エンジニア募集!!

 私たちはプロダクト開発を通じてユーザーに価値を届けることを使命としています。
そのために、アジャイル開発を行っており、エクストリームプログラミング(XP)を採用しています。
そのため機械学習モデリングのPOCや探索的分析だけでプロジェクトが完結することはありません。
プロダクトとして価値を届けるために、プロダクトマネージャーと一緒に課題を整理するところから始まり、機械学習基盤や学習パイプライン、CI/CDパイプラインの構築、モデルの実装から推論APIのデリバリまでを機械学習エンジニア(MLE)が一気通貫で担っています。
「プロダクトを日々改善し続ける」ために、精度改善や機能変更が容易なソフトウェア設計を志向していることや、既存の機械学習プロダクトの運用・改善も重要な業務であることが特徴的です。

チームの概要

 MLEのポジションにはリサーチャー、ソフトウェアエンジニアなど様々なバックグラウンドを持つメンバーが在籍しています。
SaaS Product Teamというプロダクト開発組織に所属し、Speeda(https://jp.ub-speeda.com/)の開発に機械学習エンジニアとして携わって頂きます。

以下が、実際の業務の一例です。

  • プロダクトを横断した、マルチラベル分類モデルの開発および運用
  • LLMを活用した企業情報抽出モデルの開発および運用

チームのカルチャー

コミュニケーション

 XPのプラクティスの一環として、開発業務のほとんどをペアプログラミングで行っています。
ソフトウェアエンジニアやSREと一緒にペアプロをする機会も多く、チームやプロダクトを跨いだコミュニケーションが活発に行われています。


https://www.youtube.com/live/Hg1dXnVy2Js?si=P9qeZVVDc2FjAOXB(https://www.youtube.com/live/Hg1dXnVy2Js?si=P9qeZVVDc2FjAOXB)

 またエンジニア間のみならず、デザイナーやプロダクトマネージャー、カスタマーサクセスなど様々なステークホルダーとも頻繁に会話します。
ユーザー目線でプロダクト開発をするのが好きな方にはうってつけの環境です。

リーダーシップ

 シェアード・リーダーシップという考え方に基づき、リーダーのポジションを設けずに個々のエンジニアが主体的に業務に取り組むことを大切にしています。
日々のチームビルディングや定期的な振り返りの実施など、アジャイルな組織運営に各々が意志を持って取り組んでいる環境です。
また、希望に応じて採用やブランディングなど開発組織全体の意思決定にも携わることができます。
このような自己組織化されたチームでリーダーシップやチームワークを発揮出来る仲間を歓迎しています。

技術

 SaaS Product TeamのMLEでは機械学習の中でも主に自然言語処理を扱っています。
技術選定や開発優先度などの技術的意思決定にもチームメンバーで責任を持って取り組んでおり、技術的なチャレンジを大切にしています。
ユーザベースグループ横断での論文勉強会(https://tech.uzabase.com/entry/2022/12/08/155101)など、有志での勉強会も盛んです。

出社

 出社の頻度は個々のチームの決定に委ねていますが、ペアプログラミングの利点を最大限に発揮するという観点から、週2日以上出社しているチームが多いです。

応募要件

【必須要件】

  • ソフトウェア開発に関する基本的知識(バージョン管理、クラウド、オブジェクト指向等)
  • 簡易なWebアプリケーション、Web API等のシステム開発経験(Pythonを歓迎)
  • 機械学習または自然言語処理分野の専門知識と実務経験(Pythonを特に歓迎)
  • TDDが好き、もしくはチャレンジしたい
  • ペアプロが好き、もしくはチャレンジしたい
  • 日本語を使って対面での議論ができる(日本語能力試験N1相当)

【求める人物像】

  • 機械学習モデルを作って、プロダクトに組み込み、ユーザに価値を届けるところまでやりたい方
  • コーディングが得意な方、技術が大好きな方
  • ユーザ目線でプロダクトを開発することが好きな方
  • 何事にもチャレンジ精神があり、成長意欲の高い方
  • 世界一のサービスを創る気概のある方
  • 前向きでオープンなコミュニケーションをとり、フラットな組織で柔軟な行動を取れる方
  • ユーザベースが掲げる「経済情報の力で、誰もがビジネスを楽しめる世界をつくる」というパーパスに共感し、仲間としてその実現を目指したい方

【歓迎要件】

  • 機械学習または自然言語処理分野の英語論文の読解能力
  • PyTorch、TensorFlow等の深層学習フレームワークを利用した実務経験
  • PDFやHTMLなどの非構造データから目的のデータや知見を抽出し、機械学習に応用した経験
  • 中〜大規模クローラの開発・保守・運用経験
  • レコメンデーションアルゴリズムの開発経験
  • リレーショナルデータベースの知識


【職種 / 募集ポジション】
Speeda - 機械学習エンジニア (ML/NLP)
【雇用形態】
正社員
【給与】
年収 5,600,000円 〜 8,650,000円
・労働条件の明示につきましては、採用通知を提示の際に個別ご案内いたします。 ・年俸制となります。 ・選考を通じてご経験とスキルを踏まえ決定します。
【勤務地】
100-0005 東京都千代田区丸の内2丁目5 三菱ビル
※プロダクトチームとしては出社・リモートどちらもそれぞれメリットがあると考えているため、ハイブリッドな働き方をみんなで模索しています。全体で一律「週何回出社する」と決めるのではなく、個別の開発チームごとにいまのチーム状況に最適な頻度を都度相談して決めています。(現在は週 2〜5 日程度のペースのチームが多いです)
【その他】
就業場所、業務内容については以下の範囲にて変更の可能性がございます。 ・就業場所の変更の範囲:ご自宅、本社、もしくはその他会社が認めた場所 ・業務の変更の範囲:会社の指定する全ての業務

会社情報

【会社名】
株式会社ユーザベース
【代表者】
稲垣 裕介
【設立】
2008年4月1日
【従業員数】
1119名(2025年12月31日時点) ※連結子会社含む/正社員・契約社員を含む。アルバイトを除く
【主な事業】
■ Speeda Speedaは、世界中の経済情報にワンストップでアクセスできる情報プラットフォームです。独自の経済情報基盤とAIを掛け合わせ、経営企画・事業開発・研究開発・法人営業・マーケティング領域で、調査・分析、ターゲティングなどの業務を飛躍的に効率化します。 ■ NewsPicks NewsPicks は、The Wall Street Journal や The New York Times などの国内外 100以上のメディアのニュースのほか、NewsPicks 編集部が作成するオリジナル記事も配信する国内最大級の経済ニュースプラットフォームです。各業界の著名人や有識者が投稿したコメントと共に、多角的にニュースを読み解くことができます。 ■ MIMIR(グループ会社) 「経験知に価値を与える」をミッションに掲げ、エキスパートデータベース「NewsPicks Expert」、法人向けサービス「Speeda Expert Research」をユーザベースと一体となり開発・運営しています。経験知の価値を見極め、情報に価値を付与し、価値のある情報が流通する仕組みを構築します。