データ・AI・機械学習(AWS)の求人・転職情報

株式会社インターネットイニシアティブ

●職務概要 15,000社以上に導入され市場訴求力のあるIIJサービスを活用したシステムインテグレーション・ソリューションにおける企画・開発・導入におけるマネージメントと推進を担当いただきます。 ●特徴 市場リサーチやアーキテクチャデザイン、ビジネスモデル検討やフィージビリティスタディなどを通じた企画フェーズから、社内外のステークホルダと協調し、業界トップクラスのお客様へのプリセールスを行う提案フェーズ、実際のソリューション導入におけるQCD管理などを行う実行フェーズまで広くご活躍頂けるフィールドになっております。 大きい裁量の中で、新しい領域や技術など様々なことにチャレンジする事を推奨しています。 ●ステップアップ 様々なソリューション開発、導入案件への対応を通し、より裁量を広げた大規模案件のITコンサルタント、プロジェクトマネージャー、アーキテクト、データエンジニア等へのステップアップが可能です。 ●具体的な業務 ・ソリューション企画 ・製品選定、調査 ・ベンダー選定、調査 ・システムアーキテクチャの検討 ・顧客への業務改善提案、プリセールス支援 ・ソリューション開発におけるディレクション ・プロジェクト管理(QCD、ベンダー) ・開発(要件定義～総合テスト)、運用、移行 ●注力分野 ・モダナイゼーション ・データドリブン ・認証/認可の統合管理 ・生成AIを活用した顧客データ活用 ・Microsoft Powerシリーズによる業務効率化 ・その他新規領域への挑戦 ※将来的に配属部署を異動した場合、実施する業務全般を変更する可能性あり

株式会社GA technologies

仕事概要 AI不動産投資「RENOSY」を基軸に、国内外のグループ会社含めた事業でデータに基づいた意思決定支援をリードします。 いまだ分析手法のスタンダードが確立されていない未開拓の領域において、単なる分析に留まらず、データ分析の新たな「型」を創り上げていく役割を担います。 事業課題に対して高い解像度で向き合い、事業計画達成に向けた分析設計から解決策の提案、さらには現場への実装までを一気通貫で推進する必要があります。 例えば、クロス集計等の基礎分析からインサイトを導き出すことはもちろん、複雑なトレードオフを伴う経営判断の仮説構築・ロジック設計など、難度の高いミッションに挑戦いただけます。 ●具体的な業務内容 事業KPI策定と可視化 データ分析に基づく事業課題の解決策立案 事業現場へのデータ活用指導と分析環境整備 チームメンバーの成長支援 分析環境 インフラ：AWS（MySQL,Postgres） 分析基盤：Snowflake, trocco, dbt, TreasureData 分析ツール：Tableau, Google Spreadsheet, Google Analytics 4 その他：Slack, Confluence, G Suite,KARTE ※経営状況、配属先の状況等を総合的に勘案し、会社の指定する部署への配置転換及び会社が指定する業務内容へ変更する場合がございます。 （グループ会社等への出向及び転籍を含む）

株式会社CARTA HOLDINGS

CTO直下のAI Labチームにソフトウェアエンジニアとして所属し、各事業及び経営基盤の業務における生成AI応用のイネーブリングを行います。 仕事の進め方 プロジェクトに携わる前の段階で、CARTAの20ある事業を横断し、生成AIで解くべき課題を探します。以下のようなプロセスで課題を網羅的に探索しています。 ▼基盤整備 ・全社の土台を整え、各事業で自走して生成AIのビジネス成果を開発できるよう、再利用できるインフラ基盤、ツール、ライブラリ、ガードレール、データフロー類を整備し、横断的に提供する ・新技術の探索と研究を通じて、この先使うべき手段を見定める ・社内外に知見を発信し、CARTAとしての開発生産性とプレゼンスを高める ・AI Lab自身の業務エージェント適応度を向上し、モデルケースとして展開する ▼事業適用 CARTAの生成AI推進ステアリングコミッティと連携し、全社として取り組むべき課題を探索し、真に取り組むべきものを自ら選定します。 以下のようなプロセスで取り組みを進めます。 ●ヒアリング・要求分析 ・優先度の高まった事業のチームへのヒアリングや観察を通じて問題の解像度を高め、真に事業価値として必要なものを見出す ●何をどのように進めるのかを決める ・どのような方法で、課題を解くのが効果的かつ効率的なのかを考え、事業メンバーと共に決定する ・変化の激しいAI進展と事業環境に耐えうる堅牢性・柔軟性を両立する技術選定が求められる ●実装する ・高速なフィードバックサイクルを回し、"作らない"手段も含めて解決策を実現する ●継続して改善する ・プロダクトのバックグラウンドとなる、Web開発技術・生成AI技術関連のツールセットや開発手法について、継続して投資し、良いプラクティスを探索する。CI/CD、LLM-as-a-judge、LLM自体のモニタリング、ソフトウェア自体のオブザーバビリティの向上など、システムを継続して利用する上でのツール及び運用改善に取り組む ●成果を横展開する ・成功事例も学びも含めて、得られた知見をもとに伝播・展開・研鑽することまで全て業務範囲です 開発環境・利用しているツール ●バックエンド ・Python, Go ●フロントエンド ・TypeScript, React ●生成AI関連ツール ・基盤モデル: OpenAI, Anthropic Claude, Google Gemini (Vertex AI) ・ツール: LangChain, Langfuse ●インフラ ・Google Cloud, AWS ●プロビジョニングツール ・Terraform, CDK ●コード管理 ・GitHub ●コラボレーション ・Google Meet, Slack

株式会社ACES

本ポジションでは、ACESが推進する「AI OS」構想において、Data Layerの責任者として、設計・構築・案件適用・型化までを一貫してリードしていただきます。 AI OSは、Data Layer / Knowledge Layer / Agent Layer など複数のレイヤから構成されており、特にデータを起点としたAI活用を成立させるためのData Layerを重要な基盤と位置付けています。 現在ACESでは、このData Layerを専門的に担う責任者ポジションが存在しておらず、本ポジションはその中核を担う新設ポジションです。 単なるデータエンジニアリングに留まらず、 ●AI OS全体(Knowledge Layer・Agent Layer)との接続性 ●クラウドを前提としたITアーキテクチャ設計 ●実案件への適用を通じた再現性の高い型化 といった観点を持ち、「構想」と「現場実装」を往復しながら、ACESにおけるデータ活用の中核をつくる役割です。 所属は研究開発チームとなりますが、短期的にはDXパートナーサービスへの関与も多く、事業横断的に活動いただくポジションです。 具体的な業務内容 ●AI OS(Data Layer)の設計・構築 AI OS構想におけるData Layerの設計・技術選定 Databricks・Snowflake等のモダンなデータスタックを活用したデータ基盤設計 Knowledge Layer・Agent Layerとの接続性を考慮したデータアーキテクチャ設計 Azure / AWS / GCP 等のパブリッククラウドを前提とした周辺アーキテクチャ設計 データ連携、権限管理、セキュリティ、運用設計 等 ●プロジェクトへの適用・実装推進 DXパートナーサービス事業案件および社内プロジェクトにおけるData Layerの設計・構築・実装 設計範囲を超えた技術的課題への対応、現場適用可能性の向上 データ基盤に関する方針決定およびプロジェクト内での技術リード ●知見の型化・社内展開 プロジェクトを通じて得られた知見のドキュメント化・型化 Data Layerの実装ガイドライン、再利用可能な開発モジュールの整備 社内向けのナレッジ共有、教育、浸透施策の企画・実行 ●推進体制の構築(協働) 外部パートナー(データ領域)との協業体制の設計・運用 内製・外製の方針設計とプロジェクト品質・スピードの両立 研究開発チームのマネージャーやDXパートナーサービス PMと連携した推進 キャリアパス 入社直後から、ACESにおけるデータ領域の責任者としての役割を担っていただきます。 中長期的には、AI OS全体を見渡したより戦略的な技術ポジションや、事業・組織レベルでの意思決定に関わる役割への拡張も期待しています。 開発環境・技術スタック(一例) クラウド:Azure / AWS / GCP データ基盤:Databricks / Snowflake 等 言語:Python IaC:Terraform CI/CD:GitHub Actions コード管理:GitHub ドキュメント:Notion コミュニケーション:Slack / Zoom ※案件・構想に応じて柔軟に技術選定を行います。

株式会社pragmateches

AI/Techコンサルタントが描いたビジネスソリューションの構想を、技術的に実現可能な、スケーラビリティと品質を担保したシステムアーキテクチャへと落とし込む技術的ポジションです。フルスタックの幅広い技術基盤を背景に、設計から開発、運用保守まで責任を持ち、システムデリバリー全体を牽引します。 ●経営・事業を支えるシステムアーキテクチャの方向性検討と設計 ●AI/MLを活用したシステムの技術選定、プロトタイピング、実装リード ●開発チームのリーダーとして、コードレビューや技術指導を実施 ●システムデリバリー経験を活かし、開発プロセス全体の生産性向上を主導 使用技術詳細 ●言語・FW・バックエンド: Python / Java / Rust / Go 等 ●フロント・バック: React / Next.js / Nuxt.js / Node.js / Express.js / Django / Spring Boot 等 ●AI/ML/RAG: TensorFlow / PyTorch / Hugging Face / LangChain / OpenAI API / Vertex AI / SageMaker / Elasticsearch ●インフラ: AWS / GCP / Azure / IaC (Terraform 等) ●その他: Docker / Kubernetes / GitHub / CI/CD (GitHub Actions 等) / 生成AIツール (ChatGPT / Copilot / Cursor / Claude 等) / その他データ処理・分析、メッセージング、ワークフロー、監視、セキュリティ等の各種ソフトウェア プロジェクト例 ・ヘルスケア業界: 社内基幹プロセスを担うWebシステム構築 ・エネルギー業界: 臓器システム刷新プロジェクト ・自治体: 警察システム刷新プロジェクト ・石油業界: 保全管理システム開発プロジェクト

株式会社メドレー

AIエンジニアとして、各プロダクトにおけるAI機能の設計・実装や、新しいAI技術の導入を主体的に推進していただきます。プロダクトの課題や要件を理解しながら、PdM・デザイナー・テックリードと協働し、医療現場で価値を発揮するAI機能を形にしていくポジションです。具体的には、以下の業務を想定しています。 ・生成AI/LLMを含む最新AI技術や外部APIの調査・検証(PoC実施を含む) ・AI機能や外部システム連携機能の設計・実装・テスト ・PdMやドメインエキスパートと連携し、プロンプト設計や仕様への技術的フィードバックを実施 ・チーム内でのコードレビュー・ナレッジ共有を通じた品質向上 ・AIや外部API活用の新しいアイデアを積極的に提案・実現 ※業務の変更の範囲:会社の定める業務

株式会社メドレー

●事業横断データ基盤の設計・運用 ・複数の医療プロダクトにまたがる統合データ基盤の設計・構築 ・事業横断で活用できるデータ基盤の構築 ・各プロダクトのデータを集約し、信頼性の高いDWHを構築・運用 ●データパイプラインの構築・最適化 ・各プロダクトおよび基幹システムからデータを収集・変換・蓄積するパイプラインの設計・開発・運用 ・クラウドDWH環境上で、大規模データ処理がスケーラブルかつ高パフォーマンスに実行できるよう最適化を実行 ・dbtなどを活用したデータ変換フローの整備や、データパイプラインのスケジューリング・ 監視 ●分析基盤・セマンティックレイヤーの整備 ・ビジネス部門のデータ活用を支援する分析基盤の構築 ・具体的には、用途別のデータマートの設計・実装やパフォーマンスチューニング、メタデータ管理とセマンティックレイヤーの整備による共通KPI定義の管理などを行い、社内のデータ分析環境を高度化します ●データガバナンス・セキュリティ強化 ・医療データなど機微な個人情報を含むデータを安全に取り扱うため、データガバナンス体制を強化します ・具体的には、データの匿名加工やマスキング、アクセス権限設計などセキュリティポリシーに沿ったデータ管理を徹底します ・全社的なデータカタログやメタデータ管理ツールを導入・運用し、データの来歴や定義を一元管理することで、安心してデータを利活用できる基盤を構築します ・データ利用ログの収集基盤を整備し、利用状況のトラッキングやコンプライアンス対応に寄与します ●データ基盤の戦略企画・最新技術対応 ・データエンジニアリング領域のテックリードとして、将来を見据えた基盤戦略の立案・実行 ・ベクトルデータベースや機械学習モデル、合成データ生成等とも連携できる「AI Ready」なデータ基盤を構想・構築 ・社内のSREやデータサイエンティストとの協働。モデル学習や推論に必要な特徴量データの供給やフィードバック基盤の構築をリード ・データエンジニアリングチームの立ち上げ期メンバーとして、開発標準の策定や技術選定、後進育成にも関与していただきます。 ●主な技術スタック ・DWH: BigQuery ・ELT: trocco, Airflow, embulk, dbt ・BI: Looker Studio ・DB:MySQL, MongoDB, PostgreSQL ※業務の変更の範囲:会社の定める業務

株式会社メドレー

AIシニアエンジニアとして、医療プラットフォームの各プロダクトにおけるAI機能の実装やAI技術の導入をリードしていただきます。具体的には、以下の業務を想定しています。 ・AIや外部システム連携を用いた新機能の設計・実装・改善 ・PdMやデザイナーとの協働による要件整理と技術検討 ・プロダクト内外のデータ活用・自動化を支える技術基盤の整備 ・チーム内でのコードレビューや技術知見の共有 ・AI/API関連の新技術のキャッチアップとプロダクトへの適用検討 ※業務の変更の範囲:会社の定める業務

株式会社メドレー

総合医療アプリ「melmo」のグロースに向けて、iOSアプリケーションの開発業務全般をお任せします。 具体的にお任せしたい業務領域は下記になります。 ・プロダクトのアーキテクチャ設計 ・iOS アプリケーションの開発・運用 ・サービスの安定稼働に必要な保守運用業務 ・ユーザーの行動分析と改善案の提案 開発環境 ●技術スタック ・開発言語: Swift ・UI ツールキット: SwiftUI (レイアウト) / UKit (ナビゲーション) ・開発効率化: OpenAPI Generator ・生成 AI 関連: GitHub Copilot / Cursor / Claude Code / Devin ・ソースコード管理: GitHub ●周辺ツール ・情報共有: Confluence ・タスク管理: Jira ・コミュニケーション: Slack ・UI 設計: Figma ・データ基盤: BigQuery / Looker Studio ※業務の変更の範囲:会社の定める業務

株式会社メドレー

●具体的にお任せしたい業務領域は下記になります。 ・オンライン動画研修システムの開発に関わる業務全般 ・ユーザの利用状況の分析と改善案の提案、実施 ・プロダクトの安定稼働に必要な保守運用業務 ●使用技術 ・Node.js / TypeScript / GraphQL ・NestJS / Prisma.js / Hono ・Next.js / React / Apollo / TanStack Query, Router ・React Native / Expo ・PostgreSQL / OpenSearch / Redis / BigQuery ・AWS / AWS CDK ・Azure OpenAI ※業務の変更の範囲:会社の定める業務

パーソルクロステクノロジー株式会社

●配属部門 エンタープライズソリューション統括本部　システムインテグレーション本部　テクノロジーサービス部 ●部門概要 主に次の2つの軸で活動します。 1.組織横断支援 専門家としてプロジェクトに直接参画し、また専門的知見に基づく施策の企画・実行を通じて、部門横断の支援を行います。 2.顧客向けの高難度プロジェクト遂行 顧客と直接向き合い、技術的に難易度の高いプロジェクトの遂行を担います。 ●担当業務 事業課題に対し、仮説立案 → データ収集・前処理 → 探索・分析 → モデル化 → 示唆抽出 → 意思決定支援までを一気通貫でリードいただきます。各工程で成果物・評価KPI・Go/No-Go基準を設定し、事業・現場・IT/データ基盤・法務など関係者と合意形成しながら、PoCでの価値検証から本番導入・運用定着(監視・ドリフト検知・再学習・SLA整備)まで推進します。業界横断のSIerとして、既存システム連携やデータガバナンスにも配慮した設計・実装・改善を担っていただきます。 併せて、個人の知見を組織知として体系化・展開する施策(標準化、ナレッジ整備、育成 等)も担っていただきたいと考えています。 ※担当職種の変更の範囲: 会社の定める職種(出向を命じることがあり、その場合は出向先の定める職種)

テイラー株式会社

本ポジションの役割 本ポジションでは最新のAI技術を活用し、業務効率化や開発支援ツールの設計・開発を担当します。主に、大規模言語モデル(LLM)やAI支援ツール(Devin、GitHub Copilot Workspace など)の導入・活用を検討し、エンジニアリングの生産性向上に貢献する役割を担っていただきます。 具体的な職務内容 ●AIを活用した開発支援ツールの設計・開発・導入 ●Devin、GitHub Copilot Workspace などの導入検討と最適な運用設計 ●LLMなどの最新AI技術のリサーチ・評価・実装 ●社内エンジニアがAIツールを活用しやすい環境の構築と推進 ●APIやクラウドサービスを活用したAIツールの統合・開発 <開発環境> ・ミドルウェア PostgreSQL, CloudRun, Cloud Pub/Sub, MongoDB, Cloud Storage, Okta, Tailor Platform ・監視 Datadog ・環境構築関連 Docker, docker-compose, Terraform ・言語 TypeScript, Go, Rust ・そのほか GitHub Copilot

IQVIAジャパン グループ

部署・チーム名 Technology Solutions – Customer Engagement IQVIAのTechnology Solutions部門では、ヘルスケア業界向けに最先端技術とパートナーシップを活用し、DXを戦略的に推進するパートナーです。 Customer Engagement部署では、企業の成長を支援するコマーシャル領域のソリューションを提供しています。Customer Engagementチームは以下の領域を中心に活動しています ●事業成長に直結するソリューション設計 日本独自開発のCRMソリューションを核とした統合型ソリューション(BI、AI、データ)の設計・開発・導入 クライアントの営業・マーケティング戦略を変革 ●最先端技術 x ビジネス戦略 AI/生成AIなどの最新技術を活用したソリューションの導入 AI/生成AI、データアナリティクスを活用し、顧客課題を解決する新しい価値創出 ●グローバル連携と日本市場特化の両立 グローバルのベストプラクティスを取り込みつつ、日本独自のニーズに応えるソリューションを開発 ●多様な専門家との協働 コンサルタント、エンジニア、データサイエンティストなどと連携し、戦略から実装まで一気通貫して支援 ヘルスケア業界のDXを率引する当社のCRM AI・BI・Dataを統合した次世代ソリューションの製品戦略をリードいただきます。単なる製品管理ではなく、市場分析から戦略策定、事業成長に直結する意思決定まで担うポジションです。 ●製品戦略 市場調査・顧客ヒアリングを通じた業務課題の収集 データ分析と市場動向を踏まえたCRM製品の競争力強化と新機能検討 ●製品ライフサイクル管理 製品企画から開発、導入、運用までの全プロセスの管理 開発チームとの連携による設計・開発推進 スケジュール管理と品質保証 ●提案・デリバリー支援 セールス/マーケティングチームとの協働による提案活動支援 製品機能・開発ロードマップの説明 導入後のサポート体制構築と運用状況の把握 ●テクノロジーとイノベーション AI、BIツール、データアナリティクスを活用した新CRMソリューションの構想策定 役割への期待 1か月目～3か月目:IQVIA各種製品、Tech製品の機能、Tech製品の開発ライフサイクル等のキャッチアップと提案支援 3か月目～6か月目:製品戦略、製品ロードマップの検討および製品ライフサイクルの管理 6ヶ月～1年目:チーム内、チーム外、社外とのコラボレーション強化 過去のプロジェクト事例 グローバル/ローカルCRM製品の導入事例多数 AI/生成AI製品の導入事例多数

株式会社Works Human Intelligence

●役割 アドバンスドテクノロジー部門のコアメンバーとして、当社のAI戦略の土台と最前線の両方を担っていただきます。 「どのLLMを使うか」という外部依存の設計ではなく、GPT, Claude, Geminiなどをコストやレイテンシーに応じて動的にルーティングする自社ゲートウェイや、570万超の人事データを絶対に他社と混ざらないよう分離制御するセキュアなRAG基盤をあなた自身の設計でゼロから生み出す、エンジニアとしての最高峰の挑戦ができるポジションです。 ●職務内容 Webアプリケーション基盤の設計から、新製品への組み込み(PoC〜本番化)までを一気通貫でリードしていただきます。 ● 共通AI/Webアプリケーション基盤の開発 ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Amazon Bedrock等)のAPI統合、およびモデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズSaaSに必須となるマルチテナント性やデータ分離(他社データを混在させない強固なセキュリティ)を徹底した、セキュアなAIデータパイプラインの構築 ● フルスタック開発・スケーリングの主導 ・プロトタイプの高速な開発(PoC)による仮説検証のリード ・PoCで得たロジックを、数万人以上のユーザーが同時に利用する本番環境へ耐えうるアーキテクチャに昇華させるスケーラブルな実装・パフォーマンスチューニング ・フロントエンドの状態管理(ストリーミング応答のUI/UX等)から、非同期処理・インフラ構築に至る全レイヤーの実装 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) 言語:Java/TypeScript/Kotlin/Python Cloud: AWS/Google Cloud/Azure/OCI DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform 開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma 生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

株式会社Algomatic

・AIエージェントプロダクトの設計・開発 ・0→1フェーズにおける価値検証・技術検証〜プロダクト立ち上げ・継続改善 ・短期に顧客価値をデリバリーすることと中長期目線での持続的成長(技術負債のコントロールなどを含む)のバランスコントロール ・デザイナー・PdM・営業含む各チームメンバーと協調し事業を前進させる ・顧客の課題解決に向けた要件定義やアーキテクチャー検討​ プロジェクト例 AIネイティブ新規事業の立ち上げ 大手人材系企業様と共同で、AIエージェントを活用した新規事業開発を実施。 キャリアアドバイザーの面談やマッチングといった労働集約的な業務をAIエージェントが代替することで、求職者体験や労働生産性の向上を目指したプロジェクト。 中期経営計画の注力テーマのひとつとして、次世代の事業モデルの構築を行っている。 店舗運営バックオフィスAI化 大手小売企業様において、国内外約1,500店舗の店舗スタッフが担うバックオフィス業務(在庫調整・売上レポート・配送管理・配分業務など)をAIエージェントで代替するシステムを構築。店舗スタッフが顧客対応に集中できる環境を実現し、在庫調整業務75%削減・レポーティング品質の標準化を達成。 入社時にお任せしたいこと ・クラウド環境(AWS/GCP/Azure等)を活用したAIエージェントの設計・開発・運用支援 ・AI駆動開発を用いた新規案件や既存クライアント向け機能拡張案件における、システム要件定義・設計・構築 ・クラウドサービス・生成AI関連ツールに関する技術調査・最適技術選定支援 開発環境 主な技術スタック:Python(Fast API), TypeScript(react, hono), AWS(ECS, Auroraなど), GCP(Looker stadioなど) コミュニケーション: Slack, Google meet コラボレーション: Figma ドキュメント管理: Notion チケット管理: Linear AIツール: Gemini, ChatGPT, Cursor, claude code, codex

パーソルクロステクノロジー株式会社

●業務概要 パーソルグループ企業もしくは提携企業にて顧客や社内の部門に対して、お客様が保有する様々なデータを活用可能な形に処理し、データ分析のための基盤構築をお任せします。 データサイエンティスト/アナリストが行う仕事の基盤をつくり、お客様が抱える課題を解決まで導く業務となります。 ●業務詳細 ・データ収集・連携 　└外部SaaS/業務システムなど異なるソースからのデータ取り込み 　└バッチ開発やストリーミング処理 ・データ基盤の設計・構築・運用 　└DWH・DB・テーブルの設計(SQL、スキーマ、パーティショニング) 　└クラウドインフラの構築(AWS/GCP/Azure)、セキュリティ・ネットワーク設定、コスト最適化 ・データ整備・品質管理 　└ETL/ELTパイプラインの実装(dbt、Apache Kafka、Apache Spark) 　└データモデリング(スタースキーマ・Snowflake)、メタデータ管理、データカタログ整備 ・データ品質監視 　└検査ルール、データガバナンスの設定 　└アラート対応、テスト設計 ・提供・可視化支援 　└分析用マートの提供、BIツールへの接続最適化・可視化(Looker、Tableau、Power BI) ・運用・信頼性 　└パイプラインの監視・障害対応・パフォーマンスチューニング 　└Gitによる変更管理 プロジェクト例 ●Databricksを用いたデータ基盤の設計構築 <業務内容> 　・Databricks上のデータ基盤の設計/構築/検証 　・SAPのテーブルをDatabricksに連携 　・S3のテーブルをDatabricksに連携 　・ストリーミングテーブルの実装、ジョブ作成 <技術> 　Databricks, PySpark, SparkSQL, PowerBI, Git ●dbtを用いたETL、データパイプライン構築 <業務内容> 　・データパイプライン構築、フロー図作成 　・Bigqueryからのデータ抽出、データマートの設計・開発 　・ワークフローの監視 　・バッチ処理開発・運用 　・Tableauダッシュボードの設計・構築・運用 <技術> 　GCP(Bigquery,GCS), dbt, Tableau, Git

株式会社サイバーエージェント

●ミッション 現場の課題に深く入り込み、課題設定からモデル開発、検証、改善、プロダクト化までを自ら一気通貫で推進しながら、価格エージェントをより汎用的で再現性のあるプロダクトへ進化させることが本ポジションのミッションです。 分業された一工程を担うのではなく、事業と技術を往復しながら全体を握り、自ら価値をつくり切ることを期待しています。 ●本ポジションの役割 価格エージェントの価値の中核を担い、事業と技術をつなぎながらプロダクト開発を推進するPdM/データサイエンティストを募集します。 クライアント課題の構造化、分析設計、アルゴリズム開発、効果検証、改善、プロダクト化までを一気通貫で担い、事業と技術の両面からプロダクトを前進させる役割です。 <PHASE 1|要件定義・課題設計> ・クライアントの経営課題(原資削減・売上向上等)をヒアリングし、分析・検証で解くべき問題に整理する ・使用データ・システム連携・スコープ・期間を整理し、KPIと評価指標を設計する ・提案資料の分析パート(効果試算・ケイパビリティ説明)を作成し、必要に応じて営業提案を支援する <PHASE 2|モデル開発> ・価格・クーポン最適化アルゴリズムの設計・実装 ・顧客データに対する探索的データ分析(EDA)および特徴量設計・前処理 ・既存モデルのチューニングに加え、必要に応じて新規アルゴリズムの研究・開発を行う <PHASE 3|オフライン/オンライン検証> ・最適化結果に基づくシミュレーション設計・実施、およびKPI試算 ・本番環境でのA/Bテストにおける検証設計、評価指標の設計、効果検証 ・検証結果をチーム内にフィードバックし、モデル改善サイクルを継続的に回す <PHASE 4|プロダクト化・横展開> ・プロジェクトを通じて磨いた分析手法・アルゴリズムを、汎用的なプロダクト機能として体系化する ・新たな差別化要素の研究開発 ・知財保護のためのシステム構成設計(CA環境でのモデル構築・BQ連携等)や特許出願にも関与 ●プロジェクトの進め方 ビジネスチームがクライアントの課題をヒアリングし、データサイエンティストが技術選定・分析設計を主導します。1案件あたりデータサイエンティスト1〜2名がアサインされ、エンジニア・ビジネスメンバーと密に連携しながら進行します。上記フェーズを繰り返す中で、汎用化・プロダクト化を常に意識して取り組みます。 ●チームの雰囲気 データサイエンティストが主体的に技術選定・設計に関わり、プロダクト価値を最大化することを重視しています。メンバー同士の距離が近く、役職・職種を問わずフラットかつオープンなコミュニケーションが根付いたチームです。

株式会社電通総研テクノロジー

●プロジェクト ・グループ内外のデータマネジメント領域におけるPoC(概念実証)を行い、その成果をもとに、データ活用基盤(DWH/データレイク/BIダッシュボード)の設計・構築や、データパイプラインの開発・運用保守といった顧客向けの開発作業を行います。 ●役割 ・データマネジメント領域におけるPoCの企画・推進、データ活用基盤の設計・構築、ETL/ELTパイプラインの開発・運用、BIダッシュボードの構築

株式会社豆蔵

<「AIを導入したい」だけで、本当に業務は変わるのでしょうか。> 現在、多くの企業で生成AIやAIエージェントの導入検討が進んでいます。 一方で現実には、「何から始めればいいのか分からない」「PoCは実施したが業務へ定着しない」「現場で使われない」といった課題が数多く発生しています。 AIは、導入するだけでは価値になりません。 業務を理解し、課題を整理し、適切なプロセスへ組み込み、現場で使われ続ける状態まで設計してはじめて、事業価値へつながります。 豆蔵のAIエンジニアは、単なる“AIツール導入支援”を行うポジションではありません。 顧客の業務課題へ深く入り込み、AI・データ・業務プロセス・システム構造を整理しながら、「AIをどう使うべきか」から実装・定着までを一気通貫で支援します。 また、ITエンジニアとしてのバックグラウンドを活かしながら、顧客との対話・課題整理・提案・設計へと役割を広げていけることも特徴です。 「実装するだけ」から次のステージへ進みたい。 「技術」と「業務」の両方を理解できる人材になりたい。 そんな想いを持つエンジニアを歓迎しています。 <このポジションの位置づけ> ●“AIを使う”ではなく、“AIで業務を変える” 豆蔵は、AIツールの導入だけを行う会社ではありません。 顧客の経営・業務課題へ入り込み、AI戦略・業務設計・AIアーキテクチャ・システム実装・内製化支援までを一気通貫で伴走しています。 単なるPoCやデモ開発ではなく、「実際に現場で使われる状態」を作ることを重視しています。 ●業務とAIをつなぐ 当組織では、以下のようなテーマに取り組んでいます。 ・生成AI活用支援 　LLM・AIエージェントを活用し、業務プロセスを再設計する ・AI業務改善支援 　BPR・業務分析を通じて、AI活用余地を整理し業務へ落とし込む ・AIアーキテクチャ設計 　RAG・ナレッジ活用・AIエージェント等を含め、信頼できるAIシステムを構造から設計する ・PoC〜実装支援 　ローコード・ノーコードも活用しながら、スピード感を持って業務実装まで伴走する ●専門性の異なるメンバーとチームで戦う 豆蔵のコンサルタントは、“PowerPointだけ作るコンサルタント”ではありません。 エンジニアとしての理解を持ちながら、顧客課題を整理し、業務・AI・システムの橋渡しを行うポジションです。 ITエンジニアから、より上流の課題解決やコンサルティングへ挑戦したい方に適した環境です。 <主な業務内容> ●顧客課題整理・業務分析 顧客の業務課題や現状プロセスを整理し、AI活用可能性を分析します。 「何をAIで解決すべきか」というテーマ設定から担います。 ●AI活用提案・PoC支援 生成AI・AIエージェント・RAG等を活用し、業務改善や新業務フローの提案を行います。 ローコード・ノーコードツール等も活用しながら、迅速なPoC支援を実施します。 ●要件整理・AI設計支援 顧客要件を整理し、AIシステム・業務プロセス・データ構造を踏まえた設計支援を行います。 ●開発チーム連携 AIエンジニア・クラウドエンジニア・データエンジニア等と連携し、顧客要件を実装へ落とし込みます。 ●内製化・定着支援 AIを“導入して終わり”にせず、顧客組織が継続活用できる状態まで伴走します。 <AIネイティブ開発グループの主な実績> 〇 AIネイティブ開発支援サービスの提供 概要:クライアント企業における生成AI・AIエージェント関連の新規事業や研究開発(R&D)において、「内製化」および「自走」に向けたAI人材育成からシステム企画、システム開発まで、フルスタックでの支援サービスを提供。現在はさらなるサービス拡大に向け、仕様駆動開発(SDD)を自動化する自社AIエージェントを鋭意開発中。 技術・ツール:Dify, Copilot Studio, Gemini Enterprise 等 主要顧客:大手生命保険会社様、大手自動車メーカー様、大手商社様 など 〇 AIエージェントシステム開発 概要:ChatGPTをはじめとするLLMを活用し、社内データ検索(RAG)アプローチを実現する高度なAIエージェントシステムを開発。 技術・ツール:Dify, LangChain, Copilot Studio 等 主要顧客:大手総合電機メーカー様、大手損害保険会社様 〇 生成AI・AIエージェント実践トレーニングコース開発 概要:生成AIの基礎知識から、生成AIを活用した成果物(ソースコード、コーディング規約、アーキテクチャ図、テストケース、プロンプト設計書等)の効率的な作成手法までを網羅した、実践的な総合研修サービスを開発・提供。 技術・ツール:主要LLM(ChatGPT, Gemini等)、各種AIノーコードツール 主要顧客:大手生命保険会社様、大手SIer様 〇 生成AI開発ガイドライン策定支援 概要:OpenAI APIを活用したシステム開発を想定し、安全かつ効率的な開発手順や具体的なシステム開発事例をまとめた、実践的な開発者向けガイドライン・規約を作成。 技術・ツール:Azure OpenAI Service, ChatGPT,　Claude 等 主要顧客:大手自動車部品メーカー様 〇 要求開発モデリングサービス『おしごとモデルズ®』の提供 概要:生成AIを活用し、業務改革(DX)やシステム開発の上流工程において必須となる各種モデル図(UML等)を自動生成する独自の自社サービス。 主要顧客:大手通信キャリア様、大手商社様 など 〇 対話型AIエンジン『MZbot®』の提供 概要:自社開発のチャットボット製品『MZbot』の販売、および生成AI(ChatGPT、ローカルLLM等)連携機能の実装・導入支援。 主要顧客:大手総合電機メーカー様、大手自動車部品メーカー様、大手商社様、官公庁をはじめ、累計40社以上へ導入 <技術領域・活用例> 顧客環境に応じて、以下のようなクラウド・データ・AI関連技術を活用しています。 ●クラウド AWS / Azure / Google Cloud ●データ基盤 Snowflake / Databricks / BigQuery / Redshift 等 ●データエンジニアリング dbt / Airflow / ETL・ELT基盤 / データ品質管理 ●AI/LLM関連 OpenAI / Claude / RAG / Vector DB / AIエージェント設計 ●MLOps / LLMOps MLflow / CI/CD / GitHub Actions / Kubernetes 等 ●AI駆動開発 GitHub Copilot / Cursor / Claudecode / AIコーディング支援ツール活用 ※特定製品ありきではなく、顧客課題・既存環境・将来の内製化を踏まえて最適な技術選定を行います。 また、AWSをはじめとしたクラウドベンダーとの連携や最新技術のキャッチアップも積極的に行っており、クラウドネイティブ・AI時代を前提としたアーキテクチャ設計に取り組んでいます。

株式会社分析屋

「どの職種が合っているか分からない」「複数の領域に興味がある」という方のためのオープンポジションです。 候補者様のバックグラウンドと志向性を踏まえ、最適なポジションをご提案いたします 。 ●募集ポジション ・データ分析基盤エンジニア(SQL・DWH・ETL・BI基礎) ・BIエンジニア(Tableau / Power BI / Looker) ・データアナリスト(SQL / Python / BI) ・データエンジニア(GCP / AWS / Snowflake など) ・AI/機械学習エンジニア ・データサイエンティスト ●募集部門 ・データ利活用部 ・AIビジネス部 ・ACR(Analytics Consulting Research)部 ・基盤運用構築部 ・BI推進部 ・SAC(Strategic Anltics & Consulting)部

株式会社分析屋

【概要】 AIエンジニア(AIチームメンバー)としてビジネス課題を最新技術で解決する仕事です。 【詳細】 ・ ビジネス課題に基づいたAIソリューションの企画・設計 ・ 機械学習・深層学習アルゴリズム(画像認識・自然言語処理など)の開発と最適化 ・ 生成AIなどの最新技術を用いたAI開発 ・ クライアント向けAIソリューションのプロトタイピングと実証実験(コーディングを含む) 【技術スタック】 クラウド: AWS、GCP、Azure データ活用基盤:Snowflake、Databricks 生成AI:OpenAI、Claude、Geminiなど プログラミング言語: Python、SQL、Rなど フレームワーク:PyTorch、TensorFlow、Hugging Face

株式会社分析屋

●活動内容 データウェアハウスの設計・構築・運用 BIツールを活用したダッシュボード作成とレポーティング データ品質向上のための施策立案と実装 新しい分析基盤やツールの検証・導入提案 ●活動事例 ヘルスケア:ヘルスケア関連データの分析とレポート作成支援(チーム:4名、期間:約3か月、その後間欠的に継続中) 教育:デジタル教育サービスのUX向上を目指したデータ分析支援(チーム:2名、期間:約1年) 海運:帳票業務の自動化と効率化を実現するためのBIサービス運用支援(チーム:1名、期間:約2年～継続中) 調査:市場調査データの分析基盤構築支援(チーム:4名、期間:約1年半～継続中) ゲーム:アミューズメントゲームのKPIレポート作成支援(チーム:2名、期間:約2か月～継続中)

株式会社分析屋

データエンジニアとして、顧客企業のビジネス課題解決に向けたデータアナリティクス基盤(DWH/データマート/ETLパイプラインなど)の設計・構築・運用、およびBIツールなどを用いたデータ活用・可視化支援を担当します。 【具体的な業務内容】 ・金融・エンタメ・製造など、多種多様なクライアントのデータ構造を理解し、最適なデータ基盤(DWH/データレイク等)のアーキテクチャ設計・構築 ・SQLやPythonを用いた、大量データのETL(抽出・加工・シームレスな連携)パイプラインの構築・バッチ処理の実装 ・データ分析の「属人化した手作業」を排除するための、モダンなデータエンジニアリング手法(バージョン管理やCI/CDなど)の導入・推進 ・TableauなどのBIツールを用いたデータの可視化(ダッシュボード構築)や、顧客への簡単なデータ示唆出し、レポート資料作成(アナリスト的要素) ・将来的には、3〜5名程度の小規模なプロジェクトにおいて、進捗管理やメンバーのコードレビュー(品質管理)などのリード業務 変更の範囲:会社が指定した業務 【開発環境/使用ツール】 AWS/GCP/Azure/Tableau/SAS/SPSS/Oracle Database/SQL ServerMySQL/PostgreSQL/Google AnalyticsSQL/Python/Rなど ●部門紹介 当社のデータ利活用部は、データ分析領域における“入門部門”として位置づけられています。 データ分析の経験が浅い方や異業種からキャリアチェンジを目指す方も積極的に受け入れており、データの活用に関する基礎から実務まで幅広く経験することができます。 また、社内にはAI、BI、基盤運用、コンサルティングなど技術特化型の部門があり、データ利活用部でスキルを積んだ後は、ご自身の志向や強みに応じて各部門へのキャリアチェンジも可能です。 「データ分析を学びながら自分に合った領域を見極めたい」という方にとって、最適な環境です。 ●案件事例 ①ソーシャルゲームアプリの売上増加に向けたデータ分析支援 アプリのログデータを解析し、アプリ運営の改善、売り上げUPに繋げる 使用ツール:SQL, Google BigQueryなど ②機械学習を用いたモデルの作成 クライアントが保持しているデータからモデルを作成し分類化や数値予測を行う 使用ツール:Python ③ファクトリーブランド立ち上げに向けたマーケティングリサーチ 地域独自のブランドを立ち上げることで、減少した売り上げの回復と安定化 使用データ:業者からのヒアリングデータ、生活者へのインタビューデータ (※取引実績100社以上) ●入社後の流れ 最初からすべての工程を一人でお任せすることはありません。 まずはご自身の得意なスキル(SQLでのデータ抽出や、Pythonでのデータ加工など)からスタート。 先輩アナリストのプロジェクトにアサインされ、顧客ヒアリングや提案の現場に同行しながら、徐々に上流工程のスキルを身につけていただきます。 Step1 データ分析環境の理解 まずはデータ分析領域の業務を行うにあたって、データの理解から始めます。 ◇ 使用環境・言語・ツール:SQLServer / MySQL / PostgreSQL / Oracle Databaseなど Step2 コーディング データ分析を行う上で、必要不可欠な数値を算出します。 ◇ 使用環境・言語・ツール:SQL / Python / SAS / Rなど Step3 データの可視化・分析 データについて正しく理解し扱えるようになったら、いよいよ分析フェーズに移行します。 ◇ 使用環境・言語・ツール:Google Analytics / Tableau / PowerBI / その他分析ツールなど Step4 レポーティング・報告提案 データ分析結果を基に、レポーティングと考察を行います。 意思決定に必要なデータを揃え、顧客が必要とするデータをわかりやすくまとめます。 ◇ 使用環境・言語・ツール:ダッシュボード(BIツール内) / PPT / Word

株式会社ラクス

・当社が提供する各種サービスに高い付加価値をつけるため、最先端AI技術を取り入れてエンジンやモデルを一から開発していただきます。 ・各種サービスに高い付加価値をつけることを目的とした機能の設計・開発・リリースまでをお任せします。 チームメンバの経歴: ・数社のAIベンチャーでテックリードを勤め、画像、自然言語、数値データ等の多様なデータを扱うプロジェクトを多数経験。 モデル作成だけでなく、システムへの組み込みまでを担当し、導入に導いてきた実績を持つ　2021年に1人目のAIエンジニアとして当社に入社し、AI導入による顧客価値向上に取り組んでいる。 【環境】 利用言語:Python、 Go、 Javaなど フレームワーク・ライブラリ:TensorFlow、Keras、Pytorchなど 開発環境:Mac、Linux、Windows、AWS、GCP コードレビュー:Pull Request ベース(GitLabのMergeRequest使用)でのコードレビュー バージョン管理システム:GitLab チケット管理システム:GitLab 【取り組む課題】 主に、当社サービスにおける入力やデータ作成を支援する機能の開発を行います。 機械学習モデルやアルゴリズム実装だけでなく、実際のシステムへの組み込み(API実装)まで含む、AIシステムの開発に取り組んでいただきます。 主に画像認識、自然言語処理、データ分析などの分野で開発を進めていただきます。 【組織構成】 課長(50代、男性/課長)−メンバー2名 ※エンジニアの全体人数としては250名程度で、製品別・役割別に7つの部と25つの開発チーム(課)に分かれ、それぞれ10名〜20名ほどの規模となっています。 ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

株式会社マネーフォワード

【主な業務内容】 マネーフォワードの各サービス・プロダクトの成長を加速させるために、生成AI・機械学習などのAI技術を活用した機能開発や業務課題の解決に取り組んでいただきます。 ユーザー業務やプロダクト仕様の理解から課題を定義し、最適なAIソリューションを企画・設計・実装・運用まで一貫して担うポジションです。 ・プロダクトマネージャーや業務担当者へのヒアリングを通じた課題発見と要件定義 ・課題解決に向けたAIソリューション(生成AI・RAG・機械学習モデルなど)の提案・検証 ・プロトタイプの開発と効果検証を通じた実現性評価 ・本番環境を見据えたAIシステムの設計・実装・運用設計 ・品質担保のためのテスト方針策定・実装・評価 ・各プロダクトチームと連携したAI機能導入プロジェクトの推進 AIソリューションエンジニアは、単なるモデル開発にとどまらず、ビジネスとAIの橋渡し役として、課題設定から事業価値の創出までをリードするポジションです。 プロダクトの未来を描きながら、AIを活用した新しい業務体験を自らの手で形にしていく-- そんな挑戦に共に取り組んでいただきます。 ※リリースしているプロダクト例はこちら ・https://note.business.moneyforward.com/n/n123cfa1718f0 ●業務内容の変更範囲:会社の定める業務

株式会社ナウキャスト

ソフトウェアエンジニアとしてデータ基盤・データパイプライン・データ品質を中心に、自社プロダクトおよび顧客向けソリューションを支える開発に関わっていただきます。 実装(バッチ/ワークフロー/IaC)、テストと CI、監視・インシデント対応、スキーマやパフォーマンスの設計などデータエンジニアリングのアウトカムをエンジニアリングの作法で追求する役割です。 データ分析、プロダクト開発、生成AI関連など志向・経験に応じて幅を持たせることも可能です。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします 【具体的な業務内容】 ・データ基盤の設計、構築、テスト、開発、保守、運用(コードレビュー・リリースプロセスを含む) ・自社プロダクト/分析サービスのデータパイプラインの設計、構築、運用 ・生成AI導入における顧客支援(データ接続・ガバナンス・評価基盤など、実装に近い領域) ●事例 ・自社開発したデータ分析基盤のアセスメントと高度化(三菱地所株式会社) https://nowcast.co.jp/case-studies/20240710/ https://nowcast.co.jp/news/20260218/ ・ナウキャスト、「Snowflake」を活用し、野村フィデューシャリー・リサーチ&コンサルティングの新たなデータ基盤を構築 https://nowcast.co.jp/news/20241021/ ・Finatextグループのナウキャスト、ファイナンシャルアドバイザリー業務の効率化を生成AIで支援する「Finatext Advisory Assist」を提供開始 https://nowcast.co.jp/news/20240419/ ・ニッセイアセットマネジメントの社員発アイデアをもとにした生成AI社内アプリケーションを開発 https://nowcast.co.jp/news/20240731 ・ナウキャスト、大和アセットマネジメント専用の生成AIアプリケーション「DAM-AICore」を開発 https://nowcast.co.jp/news/20260107/ ・ナウキャスト、デジタルガレージのグループ横断データ基盤の構築を支援 https://nowcast.co.jp/news/20260217/ ・ナウキャスト、AIエージェント統制基盤「MCPass」β版を開発 https://nowcast.co.jp/news/20260417/ ●こんな経験を活かせます ①データインフラの「ソフトウェア製品化」という潮流の中でソフトウェアエンジニアを通じて培ってこられたのシステム設計・開発スキルが直接活かせる ②マイクロサービス設計の知見をデータメッシュやレイクハウス設計に応用可能 ③TDD/CI/CDの経験をデータパイプラインの自動テスト・品質保証に展開可能 ④DBチューニング経験を活かし、大規模DWH・クエリ最適化・パフォーマンス改善で活躍可能 ③ソフトウェアエンジニア経験で培った論理的思考や可読性・保守性へのこだわりがデータ品質・再現性・スキーマ設計にも直結 ●参考記事 ・ソフトウェアエンジニアからデータエンジニアへ転身して分かった「楽しさ」と「活きるスキル」 https://zenn.dev/finatext/articles/software-engineer-to-data-engineer ・ソフトウェアエンジニアとデータエンジニアの違い・キャリアチェンジ https://speakerdeck.com/mtpooh/swe-vs-de-lt ●技術スタック Python、dbt、Airflow、Snowflake、Redshift、Terraform、Vue.js、React、AWS、Google Cloud、Azure

合同会社デロイト トーマツ(旧DTC)

量子コンピューティング、量子アニーリング、量子インスパイアード技術を中心に、AI・データサイエンスや最適化などの数理技術も活用し、クライアントのビジネス変革を支援します。 クライアントと密にコミュニケーションを取りながら、課題の抽出から解決策の提案、実証実験(PoC)、社会実装まで一貫して推進する業務です。 主な業務内容は以下の通りです。 ①クライアントのビジネスや業務課題をヒアリング・分析し、量子・数理技術の適用可能性を検討 ②実証実験のスコープ設定、検証内容の詳細設計、検証環境の選定、プロトタイプ実装、検証実施と評価・考察 ③社会実装、既存業務フローやシステムとのインテグレーションの戦略策定および実行支援 ④実証実験の環境構築支援、ハンズオン等の人材育成支援

株式会社システムアイ

●具体的な仕事内容 端的にいえば、「クライアントの最前線に深く入り込み、技術的な専門性とビジネスの洞察力を駆使して、複雑な課題を『解ける形』に再定義し、その場で実装・解決すること」をお任せしたいと考えております。 一般的なエンジニアが「何を作るか(What)」が決まった後に動くのに対し、FDEは「何を作るべきか(Why/How)」を顧客の現場から導き出し、プロトタイプを爆速で組み上げるのがミッションです。 ・現場での課題抽出とモデリング:クライアントのドメイン(業界)知識を吸収し、散在するデータ構造を理解して、技術的に解決可能な課題へと翻訳する。 ・高速なプロトタイピング:現場で得たフィードバックをもとに、その日のうちにコードを書き換え、実運用に耐えうるソリューションを構築・デプロイする。 ・データパイプラインの設計・構築:複雑で「汚い」実データを、分析や意思決定に活用できるクリーンな状態へと統合する。 ・ステークホルダーとの技術的対話:現場の担当者から経営層まで、技術的なポテンシャルを非エンジニアにも分かりやすく伝え、プロジェクトを推進する。 【採用技術/フレームワークサンプル】 フロントエンド層:　TypeScript /JavaScript 　　　　　　　　　　Next/React/Vue/Angular/Astro アプリ層:　　　　　Java/PHP/C#/C/Python/Go/Ruby/Haskell 　　　　　　　　　　SpringBoot/Spring/Laravel/Django/Nest 　　　　　　　　　　API Gateway(Kong / APIGW ) 　　　　　　　　　　gRPC / Protocol Buffers 　　　　　　　　　　SDD(Spec Driven Development) モバイル:　　　　　Flutter/Kotlin/swift/React Native/Dart/Firebase インフラ層:　　　　AWS/Azure/Google Cloud 　　　　　　　　　 Kubernetes(EKS / GKE) 　　　　　　　　　　IaC(Terraform / CDK / Pulumi) 　　　　　　　　　　GitOps(ArgoCD / FluxCD) 　　　　　　　　　　サーバーレス(Lambda / Cloudflare Workers) 　　　　　　　　　 デプロイ基盤(Vercel / Cloud Run など) 　　　　　　　　　　SREプラクティス SaaS/OSS活用:　　 Slack/Teams 　　　　　　　　　　GoogleWorkspace/Backlog/Box 　　　　　　　　　　Auth0 / Firebase Auth 　　　　　　　　　　GitHub Actions / GitLab CI 　　　　　　　　　　Cloudflare/Datadog データ/AI層:　　　 Gemini/ChatGPT/ClaudCode/ 　　　　　　　　　　Devin/cursor/Antigravity 　　　　　　　　　　Vector Database(Milvus / Weaviate / Chroma) 　　　　　　　　　　RAG基盤(Retrieval Augmented Generation) 　　　　　　　　　　Feature Store(Feast / Vertex AI Feature Store) 　　　　　　　　　　BigQuery / Snowflake 　　　　　　　　　　MLOps(MLflow / VertexAI / Kubeflow) 　　　　　　　　　　オブザーバビリティ 　　　　　　　　　　(OpenTelemetry/Prometheus/Grafana/Sentry) etc... ●システムアイの特徴 ・積極的に生成AIやツールを導入可能 当社ではプロジェクトにより使う生成AIやツールを自分たちで判断していただいています。新しいものを導入したい場合は社内で相談をしていただけると柔軟に検討可能です。良いものは積極的に取り入れていく思考を持っているため、新しいものへの導入障壁がかなり低い会社となります。 ・ストリスフリーな環境をできる限り提供 ストレスを感じない環境を整えているのも当社の特徴の一つ。開発標準PCのメモリは最低32GB以上で入社のタイミングでwindowsとMacを選択していただけます。 一人ひとりのエンジニアが求めるスペックを優先して環境面を整えます。 社内で使うデュアルモニタ、他にも必要なソフト、ツールなどあれば、柔軟に利用できる環境です。 品質・生産性の最大化確保はエンジニアにとって大切だと考えています。 ・フルフレックス×リモートワーク主体のフレキシブルな働き方が可能 コロナに関係なくリモートワークを推進してきた当社なので、今後もこの環境は推進していく予定です。

株式会社サイバーエージェント

ゲーム領域における機械学習・AI活用を支えるためのML基盤、MLOps環境、データパイプライン、モデル運用基盤の設計・開発・運用を担当していただきます。 モデルやアルゴリズムを、再現性・拡張性・保守性の高い形で実運用へ接続する役割です。 研究開発とプロダクト運用の間にある技術的なギャップを埋め、ML活用を継続的にスケールさせるための基盤づくりを推進していただきます。 ●業務例 ・機械学習パイプラインの設計・構築・運用 ・モデル学習、評価、デプロイ、監視を行うMLOps基盤の整備 ・実験管理、モデル管理、特徴量管理、データバージョニングの仕組みづくり ・ゲーム内データ・ログデータ・シミュレーションデータの処理基盤構築 ・バッチ推論・オンライン推論・社内ツール向け推論APIの設計・運用 ・モデル性能、データ品質、推論結果のモニタリング・アラート設計 ・GPU・クラウド・コンテナ環境を活用した学習・推論環境の最適化 ・MLエンジニア・リサーチャーが効率よく開発できる社内開発環境の整備 ・セキュリティ、権限管理、コスト管理を考慮したML基盤運用 ●プロジェクト例 ・ゲームAI開発向けの学習・評価パイプライン構築 ・運営型ゲームにおけるバランス調整支援システムの基盤開発 ・生成AI・LLMを活用した社内制作支援ツールのバックエンド基盤 ・複数プロジェクト横断で利用可能なML実験・モデル管理基盤 ・非公開プロジェクトにおけるAI開発基盤の設計・構築

株式会社サイバーエージェント

サイバーエージェントのインターネット広告事業を支えるAIエージェント開発をご担当いただきます。Pythonを用いたバックエンド開発、AIエージェント開発を中心に、要件整理から設計、実装、運用改善まで一気通貫で携わっていただきます。 また、SnowflakeやAWSなどを活用しながら、 ●広告運用を支えるAIエージェントの新機能開発 ●既存機能・内部ロジックの改善 ●AIエージェントと社内基盤の接続 ●AIエージェント実行に必要なデータパイプラインの構築 ●AIエージェント実行ログを可視化するためのデータパイプラインの構築 といった幅広い領域で活躍できるフィールドがあります。 <開発環境> ●言語:Python, TypeScript ●FW : React, dbt ●データ基盤:Snowflake ●インフラ : AWS, GitHub Actions, Datadog ●その他 : Claude Code