年収500万円以上 データサイエンティストの求人・転職情報

私たちは、社会インフラの効率化や安定運用といった高難度の課題に、ヒューリスティック最適化やシミュレーションを武器に立ち向かっています。 案件ごとに異なる問題設定を自ら考え、適切なモデルやアルゴリズムを設計・実装する、まさに“問題解決エンジニア”としての醍醐味を味わえるポジションです。 ユーザーの現場課題に直結した技術が、すぐに社会実装される――そんな実感と手応えを持てる環境です。 《案件例》 ●鉄道・交通分野における様々な計画の最適化ソリューション開発 ●電力需供計画の最適化ソリューション開発 ●配船計画の最適化ソリューション開発 具体的には、以下のような業務を担当してもらいます（能力と希望ベースで担当領域を相談）。 ●最適化エンジンを解法検討の段階から加わり、0から開発 ●大勢のエンジニアで開発している案件に加わり、実装をサポート ●保守性の高いコードの設計 ●顧客への結果の説明や、要件のヒアリング ●社内最適化エンジニアへの教育や技術共有

プロジェクトの技術方針をリードする「数理最適化エンジニア」のポジションです。弊社では、数理最適化のソリューションを提供しており、数理最適化を用いたアルゴリズム開発メンバーを増強する一環として新しいメンバーを募集しております。 お客様の様々な課題をAIと数理最適化手法を用いて解決する業務全般をリードしていただきます。\n《案件例》\n●鉄道・交通分野における様々な計画の最適化ソリューション開発\n●電力需供計画の最適化ソリューション開発\n●配船計画の最適化ソリューション開発\n具体的には、以下のような業務を担当してもらいます（能力と希望ベースで担当領域を相談）。\n●最適化エンジン/ソルバーのプログラム設計、実装、結果レポーティング\n●業務システムとの結合\n●SaaSプロダクトの開発における最適化アルゴリズムの設計・実装\n●顧客への結果の説明や、要件のヒアリング\n●社内のデータサイエンティストを対象にした技術力向上のための教育活動

社内外から寄せられる機能要望の収集から、要件定義・バージョン判断・開発依頼に至るまで、 プロダクト進化のサイクルを製品企画課(PdM)が主導していきます。 ●仕事詳細 ・顧客・営業・CSからの要望収集・整理および社内共有 ・要望管理台帳の更新・維持管理 ・要件定義書・仕様書の作成補助(下書き含む) ・問い合わせや不具合情報の共有、ユーザー課題の吸い上げ ・バージョン計画の資料化および関係者への共有 ・リリース後の効果確認・フィードバック収集 ・ユーザーインタビュー・データ分析 ●将来的には… 担当領域における企画〜要件定義を主体的に推進し、 マネージャーの補佐やメンバーサポートも担うポジションへとステップアップいただきます。 (変更の範囲)会社の定める業務

【Divisionのミッション・ビジョン】 先端技術・アジャイルを用いた、KDDIグループのData×AI領域への貢献 【Unitのミッション・ビジョン】 最先端 Data × AI 基盤の継続的な提供・高度化 【募集背景】 Data × AI プロジェクト拡大に伴い、 設計〜実装を自走できる主担当(サブリーダー) を増員 ●業務内容 ■ 案件イメージ ◆分析基盤構築:KDDIの約4,000万人規模のお客様から得られるテラバイト級のデータをもとに、分析や機械学習によって示唆を出し、業務改善、マーケティング等に活用するための基盤構築。利用者:ARISE社内分析者、KDDIのマーケティング施策担当/分析担当など ◆アクセスログ収集基盤構築:KDDIの各種サービスにおけるテラバイト級のアクセスログをニアリアルタイムで収集、蓄積、加工し、分析・BI・他システムへ連携する基盤構築。利用者:KDDIのマーケティング施策担当/分析担当など ◆配信基盤構築:KDDIのお客様に対して、個々のニーズに合わせつつ、大量配信を実現するマーケティングオートメーション基盤の構築。利用者:KDDIのマーケティング施策担当など ■ポジションの期待役割 データ分析基盤及びデータ処理・連携システムの要件定義/設計/開発/運用​ (案件のフェーズを踏まえ、ご担当いただく工程を決定いたします)​ 例)以下の業務の主担当 ・データ基盤の詳細設計〜実装 ・技術的課題の特定・改善 ・技術的な顧客コミュニケーション ・サブPMとして進捗・タスク管理 ■具体的な業務内容 ・要件整理〜仕様作成 ・Spark / Databricks / BigQuery / Snowflake / Python / SQLなどを用いた各種設計・開発 ・ETL/ELT設計・開発 ・DWH→BI連携設計・開発 ・CI/CD環境設計・構築 ・問題切り分け〜改善提案 ・技術選定/PoC ・ドキュメンテーション ■ 1日の流れ(例) AM:要件整理/設計補助→実装 PM:レビュー/顧客折衝 → 次アクション定義

当社では「アイデアを持つパートナー（起案者）」に対して、サービスデザインから技術選定、開発までを一気通貫で提供しています。 スタートアップの開発支援から大手企業の新規サービス立ち上げまで様々な規模のプロジェクトがあり、その中でもパブリッククラウド環境でのデータウェアハウス構築を担うデータエンジニアとして業務を担っていただきます。 【業務詳細】 ・パブリッククラウド（AWS、GCP、Azure など）上でのデータ基盤・データパイプラインの設計、構築、運用 ・データ収集、加工、ストレージに関わるシステムの開発 ・大規模データを対象としたETL (ELT) 処理の最適化 ・リアルタイムデータの処理 ・データクレンジング処理やデータマートの構築 ・データの可視化および分析基盤の構築支援 ・データパイプラインの品質管理、パフォーマンスの向上 ・データウェアハウスの運用保守 ・ステークホルダー（データアナリスト、データサイエンティストなど）との連携 ・顧客との要件定義や設計フェーズでのコミュニケーション

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

ソフトウェアエンジニアとして、ユーザに提供する不動産データを生成するデータパイプラインを構築するために、以下のような業務を行っていただきます ●不動産に関する情報の収集システム(入力システムや連携API、バッチ処理)の構築 ●収集した不動産データを共通データ基盤に繋ぎ込むためのモデリング ●収集した不動産データのETLや正規化・名寄せ処理を行い、時系列データとして利用できるようにするための加工基盤(データ加工パイプライン)の実装・運用 (Python, dbt, Terraform) ●上記データ加工パイプラインに必要なバックエンドAPIサーバー(ジオコーディング、機械学習、データ配信)の実装・運用 (Python, Rust) ●社内で利用するデータ修正用システムの構築・運用 (Rust, React, Python) 【業務内容の変更の範囲】 (入社時)ソフトウェア開発・保守業務 (変更の範囲)当社の定める業務(出向を命じることがあり、その場合は出向先の業務)