カジュアル面談可 データエンジニアの求人・転職情報

AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 大手エンタープライズ企業のプロジェクトにて、データアナリスト/データエンジニアとして参画いただきます。データの抽出・加工・分析やモダンデータ基盤の構築・運用を通じて確かな 「データやAI実装の足腰」を磨いた後、最先端のAI領域へ専門性を拡張できるキャリアパス をご用意しています。 ●具体的な業務内容 データ基盤の構築・運用 : Snowflake、BigQuery等を活用したデータパイプラインおよび基盤の設計・構築 データ抽出・加工・可視化 : 案件に応じたデータの抽出・加工・分析、ダッシュボードの設計・構築 その他 AI開発(改修)等、AI開発の中でも比較的ハードルの低い案件をお任せす可能性有。 ●具体的実例(入社後のイメージ) 地味な「泥臭い1年」を抜けた先にしか、見えない景色を伝えさせて下さい。 ハイポテンシャルの皆様に率直にお伝えします。最初の1年は、データの抽出・加工・分析、ダッシュボード保守、基盤運用、AI実装(回収)といった「基礎固め」が中心です。決して華やかな仕事ばかりではありません。 しかし、この 「データや実装と真摯に向き合う1年」を抜けたメンバーが、今どんな挑戦をしているかをお伝えさせてください。 ①心理学専攻・未経験から、生成AI連携システムの実装主担当へ(入社2年目) 大学院で心理学を専攻していた実務未経験メンバーが、Next.js/FastAPIを活用した生成AIシステムを開発。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へ(約92%削減)という劇的な成果を上げています。 ②異業種(製造業の生産技術)から、AIエージェントのPLへ AI未経験で入社後、現在は最先端の「AIエージェントのガードレール設計」をプロジェクトリーダー(PL)として牽引しています。 ③入社1年1ヶ月でサブリーダー、2年でPL。20代・30代で部長へ 年功序列は一切ありません。新卒入社から1年強でリーダー層へ駆け上がり、20代〜30代前半で事業部を率いる部長を務めるメンバーも複数在籍しています。 ●役割とプロジェクト推進体制 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【具体的なプロジェクト例】 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 ●データ・AIインフラ領域(モダンデータ・クラウド) Snowflake / dbt を用いたデータ基盤構築 大規模データの統合・加工・パイプラインの自動化 クラウドAI実行環境(AWS / Azure)の構築 Amazon Bedrock / Azure OpenAI Serviceを活用した安全・堅牢なシステム基盤の設計 ※その他 データ抽出・可視化・レポーティングのような微経験者向け案件もございます。 ● 生成AI・LLM領域(最先端エンジニアリング) グラフRAG(GraphRAG)/Advanced RAGの構築 複雑な企業ドメイン知識を構造化し、高精度な生成AI検索基盤を実装 AIエージェントの設計・実装 LangGraphやDify等を活用した自律型ワークフロー・AIエージェントの開発 LLM基盤のコスト・品質評価と改善設計 LLM出力の品質・精度の定量評価設計、およびContext Engineering等による運用コスト削減 ● 機械学習・高度アナリティクス領域 需要予測・異常予兆検知モデルの設計 統計解析・時系列分析・機械学習を用いたビジネス課題解決型モデルの構築

●主にお任せしたいこと ①データ収集・パイプライン領域 ・各DBのデイリーミラーリング取込基盤の運用・改善(ジョブフロー再設計、取込時バリデーション、エラー通知の整合性改善、障害対応と再発防止) ・TROCCO・Cloud Workflows・Cloud Run を用いた非DBデータの取込パイプライン構築・運用 ・生成AIを組み込んだ、書式揺れに強い非構造データ取込パイプラインの構築 ・取込ソース追加のゼロデプロイ化(設定駆動化)など、DE運用工数を構造的に減らす自動化 ・Reverse ETL等の新しいデータ連携要件への対応と、取込基盤の適用範囲拡大 ②データモデリング・提供領域 ・4層モデリング設計方針に基づく staging / dwh(dim・fct)/ mart 各レイヤーのdbtモデル実装と、テストによる品質担保 ・BI(Looker Studio / Lightdash等)へのデータマート提供と、事業部のデータ活用支援 ・各種メタデータを統合的に集約したデータカタログの展開によるヒューマン・AIフレンドリーな意思決定支援の価値最大化 ・セマンティックレイヤーによる指標定義の実装 ・安定した指標提供におけるセマンティックレイヤー自体の費用対効果の技術検証、その他カタログなどのツール間の比較検証などのR&D活動 ・AIエージェント向けアクセス経路の整備やエージェント品質の継続評価・民主化に向けた仕組み作り ③運用・ガバナンス領域 ・GitHub Actions を軸としたCI/CD・自動デプロイ・規約lintの運用・改善 ・BigQueryの利用実態モニタリングとコスト最適化(FinOps)への参画 ・事業部からのデータ要望に対する要求・要件定義、スコープ合意からデリバリーまでの一連の対応 ・Claude Code等のAIエージェントを開発ワークフローに組み込んだ、エンジニアリング業務の生産性改善を通したDataOpsのエンハンス ・アクセス制御(列レベルマスキング・行レベルアクセス・個人情報カラムの自動特定)のdbt/Terraformによる実装 【チームの紹介】 ・全社・事業部でのデータ活用を支えるため、データ基盤の整備・運用、データマートの構築、BIツールの活用支援を担当 ・新データ基盤が本番稼働し旧システム群の停止が完了したことを受け、現在はdbtへの移行やセマンティックレイヤー・データカタログの整備を進め、より多くのメンバーが安心してデータを活用できる環境づくりに注力 ・社内のデータ民主化をさらに進めるとともに、経営課題に対する戦略的な意思決定を支えるデータ分析基盤の高度化にも取り組んでいる 【プロダクト開発環境】 ・インフラ:GCP, AWS ・プロジェクトデザイン:Miro, Figma ・利用言語やフレームワーク:Python, Go, SQL ・ドキュメント管理:Confluence, Google Drive ・チケット管理:Jira ・コミュニケーション:Slack ・コンテナ技術:Docker, Kubernetes ・Data Warehouse:BigQuery ・ETL:Cloud Functions, Dataform ・データコレクタ:Dataflow, Pub/Sub ・Database:Cloud SQL, Cloud Spanner, AlloyDB, PostgreDB(Amazon RDS) ・構成管理:Terraform ・監視:Cloud Monitoring, NewRelic ・ワークフロー:Airflow ・CI/CD:GitHub Actions

プロダクト基盤グループでプロダクトマネージャーを担当していただきます。 プロダクト基盤グループは、マルチプロダクト戦略を支える基盤を構築するグループで、プロダクト数や領域拡大に伴う課題解決やスケーラビリティの向上、プロダクト間のデータやプロセス連携のための開発を担当します。 具体的には以下のようなプロダクトを開発しています。 ・権限基盤 ・課金基盤 ・従業員データ基盤 ・各プロダクトに散在するデータの集約と活用API基盤 SmartHRにおけるプロダクトマネージャーの役割は、「何を作るか」「なぜ作るか」の2点に責任を持ち、開発チームと協働しながらユーザーにプロダクトを届けることです。 具体的には以下のような業務を担当していただきます。 ・共通基盤のプロダクトビジョンや目標、ロードマップの策定 ・新規の共通基盤や連携機能の企画や設計、推進 ・既存の共通基盤やAPI改善のための企画や設計、推進 ・解像度を高めるためのディスカバリー(ヒアリングやデータ分析など) ・メトリクス設計・データ分析 ・各プロダクトチームと認識を揃えるためのドキュメント作成やコミュニケーション、調整 なお、以下のような業務はプロダクトマネージャーの役割に含まれません。 ・事業計画の策定や予算の管理 ・開発メンバーの人的マネジメント ・キャンペーン設計や広告出稿などのマーケティング業務 ・サービスサイトやLPなどのウェブディレクション業務 ・ヘルプページやユーザー向け学習コンテンツの作成 ※業務内容変更範囲:会社の定める業務

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

ミッション 介護領域における「施設探し」と「仕事探し」を利用者/クライアント両面から繋ぎ、ベストマッチングを提供する「リボンモデル」のビジネスを展開し、既存事業から得られる「市場の一次データ」からプラットフォームを構築することで、売上最大化をさせることがミッションです。 業務概要 業界トップクラスの自社プラットフォームで生成・蓄積されるデータを管理・活用することで、プラットフォームとしての競合優位性を構築していただきます。 具体的な業務内容 ・プラットフォームで蓄積するデータの整理・加工・管理 ・蓄積されたデータのビジネスへの活用 ・データ活用・データメンテナンスのためのオペレーションの仕組化、現場への落とし込み ・データの蓄積・活用ためのインフラの設計・構築 ・プラットフォームのマスタデータの管理・活用 ・AIや機械学習などへの活用 ※従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある

ミッション 日々蓄積される膨大なファーストパーティデータの収集・分析・可視化を行い、経営戦略に基づいた事業成長のためのアクションプランを実行し、新たな事業インパクトを生み出すことがミッションとなります。 業務概要 今回募集のデータサイエンティストは、Analyticsを用いてさまざまなビジネスプロジェクトをリードしていただき、メディアプラットフォーム事業におけるさまざまな意思決定を、合理的かつ迅速にする役割を期待しています。ビジネスインサイトを発見し、分析によって付加価値を生み出すことで、テクノロジーを用いたビジネス戦略の策定・業務オペレーションの設計やアルゴリズムの開発・ハンズオンによるオペレーション実行までを推進し、マーケティング最適化のための各種施策をプロジェクト立ち上げから実装までをお任せします。 具体的な業務内容 ・データ分析による課題抽出からビジネスプロセスの改善 ・大規模データセット上でのレコメンデーションや行動ターゲティングのためのアーキテクチャ設計 ・Analyticsのハイレベル設計のためのKPIツリーの定義 ・経営課題を解決するための各種アルゴリズム開発 ・データ収集のためのデータフロー設計/構築 ・マーケティングのデジタル化による広告パフォーマンスの最大化 ・新規施策のフィジビリティ検討のためのデータ分析 ・意思決定のためのデータ抽出/加工/可視化(レポート作成やダッシュボード化) ※従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある

タイミーのデータマネジメント部にて、グループのマネジメント・組織開発・戦略立案を担っていただきます。 現場メンバーの信頼を獲得し、技術的な意思決定やアーキテクチャ判断を牽引いただくために、DRE / AE 領域における一定の技術的知見と実務経験 を前提としますが、業務の中心は手を動かす開発業務ではなく、マネジメント・組織開発・戦略立案 にあります。 ・担当グループ(DRE のいずれか)におけるピープルマネジメント(1on1 / 目標設定 / 評価 / キャリア支援 / オンボーディング) ・グループのロードマップ策定・優先順位付け、PO や他グループとの戦略すり合わせ ・DRE / AE 業務に対する技術的な意思決定・アーキテクチャレビュー・現場議論の牽引(ご自身の知見をもとに判断・方向付けを担っていただく役割) ・データ× 生成AIを組み合わせたデータプロダクトの企画・推進 ・採用活動への関与(JD 設計、母集団形成、面接、リファラル推進) ・組織課題の発見と解決、カルチャー・開発プロセスの整備 ・部長 / 他部マネージャー / 経営層と連携した中長期の組織・技術戦略の立案 ●技術スタック ・クラウド └Google Cloud ・開発言語 └Python ・データ基盤 └BigQuery / Fivetran / dbt Cloud ・ML / LLM基盤 └Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ・BIツール └Looker / Looker Studio ・IaC └Terraform ・開発環境・ツール └Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc ●扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチング・勤怠に関する情報 ・レビュー / 評価情報、アプリインストールなど広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報・各種マスタデータ など

スキル・ご経験に応じてご相談のうえ決定致します。 現在掲載しているポジションに当てはまらない場合、こちらにご登録ください。 ※例:エンジニア、PdM等、プロダクト開発に関わるポジションを想定しています。