生成AI開発ツール導入 データサイエンティストの求人・転職情報

メディア事業の横軸組織であるData Science Center (DSC)に所属しながら、WINTICKETのビジネス課題解決に向けてコミットします。主に、プロダクトマネージャーやマーケティングチームといったビジネスサイドのメンバーと密に連携しながら、データサイエンスを用いた効果検証、施策立案、機能設計など事業成長につながる意思決定を推進する役割を担っています。また、事業やプロジェクトの状況によって、施策実行、機能開発、研究開発、事業全体のデータ利活用環境といったデータに関わる幅広い領域を担当しています。 新規ユーザーの獲得や既存顧客の投票最大化といったプロダクトの主要チームの一員として、データサイエンスの領域を牽引し、事業成長を加速させる主力データサイエンティストの役割を担当していただきます。 具体的な業務例1. 新規ユーザー獲得の効率化と競技理解の促進 WINTICKETは、「競輪を若者の新たなエンタメへ」を掲げ、新規ユーザーの獲得による市場拡大と事業成長を目指しています。ユーザーの獲得効率や新規登録後の利用状況を分析・予測し、効果的な獲得戦略に貢献しています。また、登録意向のあるユーザーの登録率を高めるため、登録導線の状態把握、課題発見、施策立案、A/Bテストの設計・実施を担当し事業改善に取り組んでいます。 他にも、競輪未経験の新規ユーザーがより競輪を楽しむための取り組みとして、的中確率の高いレースを予測し、提示する機能をリリースしました。これによって、的中体験に加えて、競輪が持つチーム戦のような競技性の理解を促進され、継続利用につながりました。この予測結果は、「ABEMA」の競輪・オートレースチャンネルのオリジナル番組「WINTICKET ミッドナイト競輪」内でも活用されています。 https://abema.tv/now-on-air/keirin-auto その後、予測対象の拡張と精度改善をデータチーム主導で実施し、AI予想のアップデート施策につながりました。 https://www.winticket.jp/keirin/column/n4ugtMn1hWayiVERBqWQnC 具体的な業務例2. チェックイン施策のレバー決定支援 2024年にチェックイン機能がリリースされました。チェックイン機能は、チェックインキャンペーン対象のレースが開催されている競輪場に来訪することで利用でき、投票に使えるポイントが付与される機能です。 https://www.winticket.jp/keirin/column/tHMhLp78wN3epXm7Rp6gUE チェックイン機能による来場者目標の達成のためのポイント決定を支援するため、実施計画の検討やアンケート設計を通した来場予測を担当しています。また、効率的な機能運用を実現するため、来場促進によるユーザー行動の変化や位置情報を用いた不正チェックインの判定・抑制にも取り組んでいます。 その他の業務について ・キャンペーン施策やリテンション施策の効果検証と最適化 ・過去の不正利用ユーザーの行動パターンからリスク判定する機能の検討・開発 ・アンケートデータを用いたユーザー観点でのサービス改善 ・各種施策のA/Bテストの設計・実施 ・ダッシュボードやBIツール活用環境の改善検討 ・事業全体のデータ利活用成熟度向上のための取り組み といった様々なプロジェクトがあり、データチームからの提案で始まるプロジェクトも増えつつあります。 現在利用している主な環境、言語・ライブラリ、ツール ・プログラミング言語: Python, R, SQL ・インフラ: Google Cloud Platform (BigQuery、Vertex AIなど), Docker ・開発支援ツール: GitHub, GitHub Copilot, VSCode, Cursor, ChatGPT Enterprise ・BIツール: Tableau 会社概要 1998年の創業以来インターネットを軸に事業を展開し、スマートフォン向けに多数のコミュニティサービスやゲームを提供しているサイバーエージェント。 メディア事業部は2004年にブログを中心とした「Ameba」をリリース。 アバターサービス「アメーバピグ」、「タップル」「CROSS ME」をはじめとするマッチングアプリ、 ビジネスパーソン向けWEBメディア「新R25」や新しい未来のテレビ「ABEMA」を開始するなど、インターネット産業の変化にあわせて様々なメディアサービスを提供しています。 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています!

【業務委細】 ●データ基盤の設計・構築 ●車両開発・ソフトウェア開発の各種データを統合・可視化するデータパイプライン構築 ●クラウド上でのデータ収集・加工・分析環境整備(ETL/ELT設計) ●データ分析・機械学習の活用 ●ソフトウェア開発効率や製品品質向上に向けた分析・予測モデルの構築 ●生成AIや機械学習モデルの運用 ●開発プロセスの改善支援 ●データに基づいた開発プロセス改善提案 ●ダッシュボード作成やデータ可視化による現場へのフィードバック ●組織横断でのデータ活用推進 ●SDV開発に関わる複数部門と連携し、データ活用の標準化・最適化 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発環境・ツール】 ● プログラミング言語・スクリプト:Python, SQL, Shell Script, JavaScript, C++(一部領域) ● データ基盤・分析環境:AWS(S3, Redshift, Glue, Lambda等)、GCP(BigQuery, Dataflow, Vertex AI等)、Azure(Synapse, Databricks等) ● 開発・運用ツール:Docker, Kubernetes, Jenkins, GitHub / GitLab, JIRA, Confluence ● データ分析・可視化ツール:Tableau, Power BI, Superset, JupyterLab, Pandas, Scikit-learn ● 機械学習/AI関連:TensorFlow, PyTorch, MLflow, Generative AIツール(LLM活用基盤等) ● 車載開発・統合設計ツール(連携領域):AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz Platform

業務内容 完成車メーカーの開発部門にて、以下の業務を担当いただきます。 ●ECUソフト開発業務の自動化 ・ECUソフト開発業務の効率化・自動化 → ビルド、テスト、リリース工程の自動化 ・GitHubのコード管理の即時実行とClaude連携による解析効率化 → 差分解析、影響範囲推定、レビュー支援 ・GitHub IssueのAI活用まとめとJIRA起票の自動化 → 課題管理の自動化、トレーサビリティ強化 ●開発効率化・CAE代替化 ・開発効率化に向けた自動化・AI導入 ・データ管理(構造化、モデル設計、収集基盤構築) **CAE代替化技術(Surrogate/Meta-model)**の構築・運用 → 衝突・流体などの大規模シミュレーションを高速化する3Dサロゲートモデルの設計・評価 ●シミュレーション最適化 × LLM/生成AI ・シミュレーションによる最適化とLLM/生成AIを組み合わせたエージェント技術構築・運用展開 → Copilot Studio連携によるパラメータ探索、感度解析、レポート自動生成 ・モデル入出力仕様の標準化、プロンプト設計、ワークフロー自動化(CI/CD連携) ●データプラットフォーム運用 ・Amannectシステムの運用業務 → データ管理、運用ルール整備、問い合わせ対応

●業務の概要 クレジットカードデータをはじめとする複数のビッグデータを用いて官公庁や地方自治体の課題解決をするチームにジョインしていただきます。 具体的には、官公庁のデータ分析や生成AI活用に関する入札案件や地方自治体向けにオルタナティブデータを活用して経済動向の把握や観光・消費分析を主導いただきます。 ●具体的な業務内容 ・課題に応じたデータ分析を行い、データドリブンな意思決定をサポート ・クライアントや社内のステークホルダーと連携し、課題解決に向けたインサイトを提供 ・複雑なデータセットを活用して、分析から施策提案まで幅広い業務を推進

【職種概要】 Forward Deployed Engineer (FDE)は、CADDiのソリューションを導入・活用いただくお客様に対し、技術的な専門家として最も近い立場で伴走し、ビジネス成果の創出をリードするポジションです。 単なる導入作業や技術サポートに留まらず、顧客のビジネス課題や技術的な制約を深く理解し、CADDiのプロダクト群のポテンシャルを最大限に引き出すためのソリューションを設計・実装します。プリセールス段階での技術的な検証(PoC)支援から、導入プロジェクトの実行、導入後の技術的なコンサルティング、アップセル・クロスセルのための技術提案まで、顧客のライフサイクル全体に関わります。また、現場で得た顧客のニーズや課題を社内のプロダクト開発チームにフィードバックし、プロダクトの進化に貢献することも重要なミッションです。 【期待する役割】 このポジションでは、CADDiの技術的な専門家としてお客様に最も近い立場で伴走し、そのビジネス成果創出に技術面からコミットすることが求められます。 単なる製品導入やサポートに留まらず、エンタープライズ顧客特有の複雑なビジネス課題や既存システム環境を深く理解した上で、CADDi製品のポテンシャルを最大限に引き出すソリューション(API連携、データ移行、カスタマイズ開発を含む)を設計・実装します。 プリセールス段階の技術検証(PoC)支援から、導入プロジェクトの技術的リード、導入後の活用支援・コンサルティング、アップセル・クロスセルの技術提案まで、顧客のビジネス変革を実現する「真の技術的パートナー」として、そのライフサイクル全体を技術でリードしていただきます。 また、顧客の最前線で得た深いニーズや課題をプロダクト開発チームへ的確にフィードバックし、プロダクトの進化や新たなソリューション開発を牽引する「架け橋」としての役割も期待されます。 【想定される業務例】 (以下に限定されるものではありません) ●営業担当と連携し、技術的な観点からの提案支援、デモンストレーション、PoC(概念実証)の設計・実行 ●顧客の要件ヒアリング、課題特定、およびCADDiプロダクトを用いたソリューションのアーキテクチャ設計 ●導入プロジェクトの実行リード(例: 環境構築、API連携、データ移行、カスタマイズのためのスクリプト開発など) ●導入後の技術サポート、トラブルシューティング、パフォーマンスチューニング ●顧客のプロダクト習熟度向上支援、活用状況のモニタリングと、更なる活用のための技術的提案 ●顧客からの技術的な要望やフィードバックを収集・分析し、プロダクト開発チームへ連携・提言 開発環境 ●バックエンド: Java, Python ●インフラ: Google Cloud, Google Kubernetes Engine, Anthos Service Mesh, Istio, Cloudflare, Argo Workflows ●Event Bus: Cloud Pub/Sub ●DevOps: GitHub, GitHub Actions, ArgoCD, Kustomize, Helm, Terraform, Datadog ●Data: AlloyDB for PostgreSQL, Apache Iceberg, Dagster, Polars ●開発ツール: GitHub Copilot, Claude Code, Devin ●コミュニケーションツール: Slack, Discord, JIRA, Asana, Miro, Confluence

●期待する役割 Enterprise Solution 部において、ソリューション提供における Technical PdM としての役割を担っていただきます。 本ポジションでは、大きく2つの軸で「何を作るか」の意思決定を主導していただきます。 1つ目は 個社ソリューションの企画・推進 です。顧客の経営課題を深く理解し、課題の発見・仮説立案・ソリューション企画・優先順位づけを行い、エンジニアリングチームと協働してソリューションを形にしていきます。 2つ目は ソリューションプラットフォームの設計・構築 です。ソリューション数の増加に伴い、プラットフォームとして実装すべきコア機能と、ソリューションごとの Configuration で実現する部分の境界を設計し、スケーラブルな基盤を構築します。 いずれの軸においても、ビジネス理解に基づいて自らプレイングし、ソリューション提供で得られた知見をプロダクトへ還流することで、全社レベルでの価値向上にも貢献していただきます。 ●想定される業務例 (以下に限定されるものではありません) ・顧客の経営課題に基づくソリューションのディスカバリー・企画・仕様策定 ・個社ソリューションのロードマップ策定・優先順位づけ・進捗管理 ソリューションプラットフォームのコア機能定義・ロードマップ策定 　-プラットフォームとして実装すべきコア機能と、ソリューションごとの Configuration で実現する部分の境界設計 ・定性・定量リサーチ(顧客ヒアリング・利用データ分析・問い合わせ分析など)の企画・遂行 ・ソリューション提供で得られた知見のプロダクトへの還流に向けた、他部署 PdM との協働 ・顧客および社内ステークホルダーとの調整・合意形成 ●所属組織について ・Enterprise Solution 部への配属を想定しています。 ・開発組織の全体像は[こちらのスライド](https://speakerdeck.com/caddi_eng/enziniaxiang-kehui-she-shao-jie-zi-liao)をご参照ください。 ●開発環境 ・バックエンド: Java, Python ・インフラ: Amazon Web Services,, Google Cloud, Google Kubernetes Engine, Anthos Service Mesh, Istio, Cloudflare, Argo Workflows ・Event Bus: Cloud Pub/Sub ・DevOps: GitHub, GitHub Actions, ArgoCD, Kustomize, Helm, Terraform, Datadog ・Data: AlloyDB for PostgreSQL, Apache Iceberg, Dagster, Polars ・開発ツール: GitHub Copilot, Claude Code, Devin ・コミュニケーションツール: Slack, Discord, JIRA, Asana, Miro, Confluence

DX Solution事業部のAIエンジニアとして、産業特化型のアルゴリズム開発・実装を担当していただきます。 単にモデルを作成するだけでなく、WebシステムやAPIへの組み込みを含めた「社会実装」までを一貫して担えるエンジニアを目指していただきます。 【具体的なタスク例】 ●データ前処理・データセット作成 メンターの指示に基づき、学習に必要なデータ整形(画像のりサイズ、ノイズ除去、テキストの正規化など)を行う。既存の前処理スクリプトを活用・改修し、顧客ごとのデータ特性に合わせた学習用データセットを構築する。 ●アルゴリズムの適用・実装 社内の既存モジュールや、メンターが選定したオープンソースの実装を参考に、今回の課題に適したモデルを構築・実行する。コードをゼロから書くのではなく、既存のベースコードを読み解き、必要なパラメータ変更や部分的な修正を行って動作させる。 ●モデルの学習・評価 指示された実験設定(ハイパーパラメータ等)で学習を回し、評価指標を算出する。学習曲線を確認し、過学習や学習不足が起きていないか等の基礎的なチェックを行う。 ●結果分析・レポーティング 「なぜこの精度になったのか」「どのデータで失敗しているか」を分析し、結果をメンターに報告する。数値結果だけでなく、失敗事例を目視で確認し、次回の実験に向けたデータ改善のヒントを探す。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

DX Solution事業部のAIエンジニアとして、顧客課題の解決に向けたアルゴリズム選定から、実装、評価、デプロイまでの一連のパイプライン構築をリードしていただきます。 ビジネス要求から逆算して「どの技術を使うべきか」を選定し、自ら手を動かして実装・検証を行うポジションです。 【具体的なタスク例】 ●課題の数理的定式化と論文サーベイ (Research & Design) 顧客の「なんとなくの悩み」を、機械学習で解けるタスク(分類、回帰、生成、最適化等)に落とし込みます。 関連する最新論文(NeurIPS, CVPR, KDD等)を調査し、ビジネス制約(推論速度、コスト、データ量)に合わせた最適な手法を選定します。 ●SOTAモデルの実装と検証 (Implementation) 選定した論文の手法(Loss関数、Optimizer、独自レイヤー等)を、PyTorch等を用いてスクラッチ、あるいは既存実装をベースに再現・実装します。 実際の顧客データを用いて、アルゴリズムの精度検証サイクルを自律的に回します。 ●プロダクションレベルのコード品質担保 (Engineering) 再現性担保のためのモデル学習・推論のパイプラインを構築します。 Webアプリケーションと統合し、実装したアルゴリズムをプロダクション環境へ統合し、アルゴリズムを実際のユーザーに使っていただきます。 推論APIのI/F設計や、Dockerコンテナ化、CI/CDパイプラインへの統合を主導します。 ●ステークホルダーへの技術説明 (Communication) アルゴリズムを適用した結果とその考察、ビジネス上のインパクトを、ビジネス職やクライアントにも伝わる言葉で翻訳し、説明します。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

●課題の数理的定式化と技術戦略の策定 (Research & Design) 顧客の抽象度が高いビジネス課題に対し、背景にある物理現象や業務プロセスを深く理解した上で、最適な数理モデル(機械学習、数理最適化、シミュレーション等)への定式化を行います。 類似事例が存在しない難題に対して、NeurIPS/CVPR/ICML等の最先端論文(SOTA)から技術的なインサイトを得つつ、ビジネス制約(コスト、計算リソース、リアルタイム性)を考慮した実現可能な技術ロードマップを策定・提案します。 ●高難度アルゴリズムの実装と突破 (Implementation) 既存ライブラリでは対応できない特殊な要求に対し、論文の数式を深く理解し、PyTorch等を用いてアルゴリズムをスクラッチで実装・独自改良します。 ノイズが多い、データが少ないといった悪条件下でも機能するロバストなモデルを構築するために、ドメイン知識を組み込んだ特徴量設計や、学習プロセスの高度なチューニングをリードします。 ●アーキテクチャ設計と技術品質の統制 (Engineering) 個別のプロジェクトにとどまらず、会社全体のMLシステムアーキテクチャやデータパイプラインの設計責任を持ち、長期的な保守性と拡張性を担保します。 全社的な技術選定の指針策定や、ベストプラクティスの標準化を行い、組織全体のエンジニアリング品質の底上げを主導します。 ●事業価値への接続と期待値コントロール (Communication) 技術的なアプローチが、顧客のPL(売上向上・コスト削減)にどう貢献するかを言語化し、経営層やクライアント責任者に対して論理的に提案・合意形成を行います。 技術的な不確実性が高いフェーズにおいて、何ができて何ができないか(技術的限界)を明確に伝え、顧客の期待値を適切にコントロールしながらプロジェクトを成功へ導きます。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini