年収1000万円以上 データサイエンティストの求人・転職情報

Sansan株式会社

● 組織のミッション Sansan株式会社では、名刺・請求書・契約書といったアナログ情報をデータ化するとともに、企業情報や事業所などの多様なデータを独自に収集し蓄積しています。それらを掛け合わせたデータベースを形成し、提供しています。本ポジションは、その大規模なビジネスデータに対する分析の力を武器に、プロダクトの成長と開発をけん引する役割です。 ● チームについて 私たちのチームは、データ分析の専門家集団です。ビジネスデータの構造を深く理解し、分析を通じてプロダクトの成長と開発を後押しします。一過性の分析で終わらせず、そこで得た知見をプロダクトの企画・機能へと自ら形にしていきます。 ● 具体的な業務 プロダクト開発組織と密に連携しながら、データに関わる調査・分析・モデリングから、プロダクトの企画・設計・開発までを一貫して担います。分析だけで終わらせず、PM・エンジニア・デザイナーといった関係者と連携しながら、自ら手を動かして開発まで踏み込みます。 ● データの調査・分析・概念設計 ・統計モデリングやアルゴリズムの検証を通じて、データから具体的な打ち手を導く ・ビジネスデータを調査・分析し、プロダクトの成長につながる課題や機会を定量的に明らかにする ・プロダクトや機能の開発に向けた調査・分析を行い、土台となるデータモデル・機能設計まで踏み込む ● データプロダクトの企画・開発 ・調査・分析の結果を、プロトタイプからプロダクト機能まで自ら開発する ・プロダクトの企画から実装までを一貫して担い、開発チームと密に連携する ● 開発環境、使用するツールなど ・開発言語 : Python, R, SQL, Go (※プロダクト開発で利用) ・データベース・DWH : BigQuery ・インフラ : Google Cloud, AWS ・構成管理 : Terraform ・バージョン管理・コラボレーション : GitHub, Slack, Notion ※上記すべての利用経験が必須ではなく、また他のツールも必要に応じて柔軟に利用します。 ● 従事すべき業務の変更の範囲 会社の定める業務

Japan Digital Design 株式会社

三菱UFJ銀行を中心にMUFG各社と連携し、AI技術を活用した業務の効率化・高度化を実現するプロジェクトにおいて、データ分析業務をリードしていただきます。 具体的には以下のような業務があります。 ・適切な課題設定を行い顧客へソリューションを提案 ・MUFGにおけるビジネス課題解決のためのデータ分析や機械学習モデルの開発 ・顧客への分析結果の説明 ・AIに関する最新技術の調査・研究 ●プロジェクト例 ・市場動向分析モデルの構築 ・市場部門のフロント部署のための機械学習ツール開発 ・オルタナティブデータを用いた与信モデルの構築 ・アンチマネーロンダリング(AML)分野における分析支援

Trust株式会社（トラスト）

本ポジションでは、金融機関向けの高度なAI・データサイエンス案件のデリバリーを担いながら、自ら設定した研究テーマに取り組み、論文発表までを行うリサーチサイエンティストとしてご活躍いただきます。 Trustは「金融×データサイエンス」に特化し、大手金融機関に対して高度な分析・モデリング・AI活用支援を提供しています。本ポジションでは、技術力の高さが求められる案件において、先端的な手法の設計・実装・検証をリードしていただきます。 業務時間の約6割は、金融機関向けプロジェクトにおける高度な技術課題の解決に従事いただきます。 残りの約4割は、ご自身が設定した研究テーマに取り組み、論文化・学会発表までを目指していただく時間として確保しています。 実務と研究を往復しながら、金融ドメインにおける実課題に根差した研究を推進できるポジションです。 具体的な業務内容 ●金融機関向け高度案件のデリバリー(60%) ・金融データを用いた高度分析・モデリング設計 ・LLM/生成AI/機械学習を活用したアルゴリズム設計・検証 ・技術的難度の高いPoC設計・実装 ・研究的アプローチを用いた課題解決および顧客への技術提案 ・プロジェクトにおける技術的リード ●研究活動(40%) ・自身で設定した研究テーマの推進 ・学会投稿論文の執筆 ・国内外カンファレンスでの発表 ・研究成果のプロダクト/案件への還元 研究テーマ例 ・金融×LLM ・金融業務自動化 ・エージェント活用 など ※変更の範囲 (雇入れ直後)IT専門職 (変更の範囲)すべての業務への配置転換あり

Trust株式会社（トラスト）

当社は、大阪エリアの金融機関向けにITコンサルティングおよびAI活用支援をより強化すべく、新たに大阪オフィスを開設いたしました。 立ち上げのフェーズから参画し、拠点づくりと事業成長をリードしていただける方を募集しています。 職務概要 本ポジションでは、プロジェクトマネージャーとしてデータ分析・AI活用案件をリードし、金融業界の多様な顧客に対してデータサイエンスを起点とした価値提供を担っていただきます。 ジュニア〜ミドルクラスのデータサイエンティストとチームを組みながら、分析戦略の設計・提案から、モデル構築、実装、運用設計(MLOps)までを一貫して主導。さらに、実務を通じて得た知見や技術資産を基に、当社独自の技術パッケージや自社プロダクトの創出にも関わっていただきます。 金融業界の幅広い業種・領域に触れながら、分析×ビジネスを結ぶ上流工程から現場実装までを横断的に担えるポジションです。 プロジェクト体制 2名～6名程度でチーミング 具体的な業務内容 ・金融機関向けのデータ分析・AIプロジェクトにおける技術リードおよびプロジェクトマネジメント ・テーブルデータを中心とした機械学習モデルの設計・構築・評価の全体統括 ・Pythonを用いたデータ処理、特徴量エンジニアリング、評価設計の高度化・標準化 ・本番運用を見据えたMLOps設計、モデルの継続的改善と運用支援 ・AIコンサルタントや顧客と連携した、分析方針の策定・技術提案・要件定義 ・ジュニア・ミドル層のデータサイエンティストへの技術的支援・コードレビュー・育成 ・社内外で再利用可能な分析パターン・技術資産・プロダクトの企画・設計・蓄積 プロジェクト事例 ・銀行における市場分析モデルの開発・運用支援 ・銀行におけるAutoMLツールの評価・導入に向けた技術検証 ・金融事務の効率化を目的とした生成AIの業務適用支援 ・金融機関における機械学習モデル開発に向けたデータ前処理・分析支援 ・データ分析基盤構想におけるモデル実装・評価フローの設計・技術検討 ・金融グループ横断でのデータ活用に向けたモデリング実証(PoC)支援 ※業務変更の範囲 (雇入れ直後)IT専門職 (変更の範囲)すべての業務への配置転換あり

キャディ株式会社

【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

株式会社ギブリー

Trackプラットフォーム上のスキルデータ基盤「Skill Data Cloud」およびスキルオントロジーレイヤーを設計・構築・運用し、AIフレンドリーなデータ/ML基盤として高度に整備していくリードポジションです 。 スキルタクソノミーのメンテナンスとスキルデータ分析、ML/生成AIを活用したデータパイプライン・MLOps基盤構築を通じて、プロジェクト実績・学習履歴・アセスメント等の多様なデータの信頼性・関連性をデータドリブンに担保します。 ビジネスサイドと連携しつつ、データサイエンティストチームへの指示出しやプロジェクトディレクションを担い、Skill Intelligence Lab全体の技術・運用標準をリードしていただきます 。 ●スキルタクソノミー・オントロジーの設計・メンテナンス: スキル同士の関連性のモデル化や変更履歴管理プロセスを設計し、組織全体での利用ルールや品質指標を確立します 。 ●Skill Data Cloudの設計・構築・運用: 複数データソースを統合する基盤設計をリードし、AIフレンドリーなデータ基盤の実現に向けたアーキテクチャ指針やロードマップを策定します 。 ●スキルデータ分析基盤の構築: スキル関連性を分析するモデルの選定・実装を行い、プロダクト改善や事業戦略に繋がる指標体系を標準化します 。 ●ML/生成AIモデルの設計・実装・評価; スキルデータ活用に向けたML機能の設計方針をリードし、モデルアーキテクチャの方向性や品質・リスク管理基準を定義します 。 ●MLOps基盤の設計・構築・運用:セキュリティとスケーラビリティを踏まえた最適なMLパイプライン構造を設計し、Feature Storeやモデルレジストリの導入を主導します。 ●モデルの本番デプロイと推論基盤構築: Kubernetes上でのモデル推論基盤の構成を設計し、CI/CDを用いたデプロイパイプラインの標準を定めます。 ●運用監視・品質管理: モデル監視指標の標準化やA/Bテストの設計をリードし、組織横断の品質管理フレームワークを策定します 。 ●プロジェクトマネジメント:プロジェクト計画の策定、データサイエンティストチームへのディレクション、ビジネスサイドとの要件調整をリードします 。 ※業務の変更の範囲:会社内での全ての業務 ●開発環境・ツール ※指定はありませんが、下記が案件で主に使われる技術です ※支給PC:Windows or Macbook ※最新のMacbook Proを支給することが多いです! ・プログラミング・スクリプト言語:Python ・クラウド・インフラ・コンテナ基盤:パブリッククラウド全般 、Kubernetes ・CI/CD・認証:CI/CD環境 、IAM (Identity and Access Management) ・MLOps・MLプラットフォーム:MLflow 、モデルレジストリ 、Feature Store 、実験管理ツール ・データ基盤:DWH (データウェアハウス) 、データパイプライン構築・運用

株式会社ギブリー

当社のエンジニアリングマネージャーは、開発チームの成果を最大化し、組織の成長を支える役割を担います。 エンジニアが安心して挑戦できる環境を整え、プロダクト開発を円滑に推進することで、事業の継続的な成長に貢献いただきます。 ・エンジニアチームの採用・育成・評価、1on1を通じたキャリア支援 ・開発プロセスの改善と生産性向上(スクラム・アジャイル導入推進) ・技術的負債や品質課題の管理、改善施策の実行 ・プロダクトマネージャーやデザイナーとの連携による開発推進 ・経営陣との調整を通じた組織戦略やリソース配分の最適化 ●業務の変更の範囲:会社内での全ての業務 キャリアパス エンジニアとしての道を極めていくか、管理職になるかを選択できます 入社から半年で役員登用になった方もいます! 組織データ ・平均年齢31歳 ・新卒3割、中途7割 ・外国籍22%、出身国20カ国以上 ・開発職約30% ・女性執行役員在籍 ・育児中社員在籍 備考 支給PCはWindows or Macbook ※最新のMacbook Proを支給することが多いです! ●技術顧問・アドバイザー 東京大学名誉教授 竹内 郁雄(技術顧問) 東京大学大学院教授 江崎 浩(技術アドバイザー) 東京工業大学大学院教授 岡崎 直観(技術顧問)

キャディ株式会社

Data Analysis部 Analysis Groupのリーダーとして、プロダクト戦略に基づいた戦略策定・開発計画の策定や実行のリード、メンバーの採用・評価・育成などのマネジメント業務を担当 ※担当する組織規模は3チーム10数名 Analysis Groupのミッションと現在地 製造業で生じる生データ(図面・CAD・文書・テーブルデータなど)を解析し、価値あるデータを生み出すことに責任を持つ。 具体的にはデータの収集・加工、MLモデル開発、MLモデルのデプロイ後の価値化などを担当。 現在はData Analysis部長がグループリーダーを兼務しており、グループのマネジメントを専門で担っていただける方を探しています。 ※Data&Analysis部は30数名、うちAnalysis Groupには10数名が所属しています。 一部はベトナム拠点のメンバーです。 Analysis部以外にも、解析基盤の開発を担うAnalysis Platform Group、AIを用いたプロダクトの価値向上を担うAI for Application Group、Agent基盤の開発を行うAgent Groupがあります。 (2025年10月時点) ※AI for Applicationチームでもマネージャーを募集しています キャディにおけるエンジニアリングマネージャーとは 担当する部やグループの成果を最大化することがミッションです。 向かう先を示すために OKR を設定したり、将来のあるべき姿から逆算して、必要なマネジメント業務を行います。 EMの役割は画一的には決まっておらず、成果の出し方はその人の得意なやり方で良いと考えています。 例えば、他者を動かして成果を出すエンパワーメントが得意な人もいれば、現場で自ら設計や方針決定をリードする人もいます。 テクノロジーマネジメント、プロジェクトマネジメント、プロダクトマネジメント、ピープルマネジメントの割合も各EMの担当領域や注力課題により異なります。 開発環境 言語 フロントエンド: TypeScript バックエンド: Rust, TypeScript, *Python* フレームワーク・ライブラリ フロントエンド: React, Next.js, WebGL, WebAssembly バックエンド: Rust (axum), Node.js (Express, Fastify, NestJS), *PyTorch* インフラ: Google Cloud, Google Kubernetes Engine, Anthos Service Mesh データベース・データウェアハウス: CloudSQL(PostgreSQL), AlloyDB, Firestore, *BigQuery* API: GraphQL, *REST*, gRPC 監視・モニタリング: Datadog, Sentry, *Cloud Monitoring* 環境構築:*Terraform* CI/CD:*Github Actions* 認証: Auth0 開発ツール: *GitHub*, *GitHub Copilot*, Figma, Storybook コミュニケーションツール: *Slack*, Discord, *JIRA*, *Miro*, *Confluence* ※特にAnalysis Groupに関係するものを太字にしています

燈株式会社

●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