データエンジニア(GitLab)の求人・転職情報

【こんな方におすすめ】 ●データ活用で製品価値や開発プロセスを革新したい方 ●大規模データやクラウド基盤を活用して意思決定や改善を推進したい方 ●データ解析・AI技術を使って組織横断の課題解決に挑戦したい方 ●分析結果を現場に還元し、プロセスや製品に影響を与える仕事にやりがいを感じる方 ● 新しい技術や仕組みを自ら試し、チームやプロセスに展開できる方 ● データ活用によってソフトウェア開発の生産性を高めたい方 ● 技術とビジネスの両面から価値を生み出すことに興味のある方 【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 【こんな方におすすめ】 ●データ活用で製品価値や開発プロセスを革新したい方 ●大規模データやクラウド基盤を活用して意思決定や改善を推進したい方 ●データ解析・AI技術を使って組織横断の課題解決に挑戦したい方 ●分析結果を現場に還元し、プロセスや製品に影響を与える仕事にやりがいを感じる方 ● 新しい技術や仕組みを自ら試し、チームやプロセスに展開できる方 ● データ活用によってソフトウェア開発の生産性を高めたい方 ● 技術とビジネスの両面から価値を生み出すことに興味のある方

●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

【具体的には】　 ※ご経験/スキルに合わせ詳細業務を決定します 自社開発しているAD/ADASシステムの商品性や安全性能といった対他競争力を高めるためには、市場でのシステムの使われ方や弱点を早く、正確に把握することが必要です。そのためには、市場を走行しているユーザー車両から周辺状況、ドライバー状態、車両状態など、様々なデータを収集・分析して、商品開発にフィードバックするデータドリブン開発を如何に他社よりも早く、安く、上手く実現できるかが鍵となります。 私たちの部門は、このデータドリブン開発を支援するためのデータエンジニアリングが主な役割であり、具体的には以下のような業務を推進しています。 ●データパイプラインの構築: 世界中のお客様が使っているホンダ車から集めた市場データや、開発車両による公道走行で取得したデータを高速かつ低コストに集約し、使いやすい形に加工変換し、保管するため一連のデータ流れ(ELT/ETL)の設計・構築 ●データ基盤の設計・構築: 収集したデータを効率的に管理するため仕組み(データレイク、データウェアハウスなど)をクラウド上に構築 また、保存されているデータの可視化や、使いたいデータを検索するためのダッシュボードを構築 ●データ品質管理(データクレンジング) データの欠損や不整合などを解消し、分析に使える品質の高いデータに整える ●データガバナンス: データのセキュリティやアクセス管理など、データを適切に管理・利用するためのルールの作成と徹底 尚、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。世界中からデータを集めるため、海外現地法人や海外研究機関など、海外とのやりとりが発生する場合があります。 ※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。 【開発ツール】 業務では以下のような開発ツールを使用していますが、全てについて使用経験がある必要はありません。 ●AWS: Lambda、SageMaker, Athena, Redshift 等 ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等 ●データウェアハウスツール:SnowFlake、Databricks ●言語:Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch)

【具体的には】　※ご経験/スキルに合わせ詳細業務を決定します 自社開発しているAD/ADASシステムの商品性や安全性能といった対他競争力を高めるためには、市場でのシステムの使われ方や弱点を早く、正確に把握することが必要です。そのためには、市場を走行しているユーザー車両から周辺状況、ドライバー状態、車両状態など、様々なデータを収集・分析して、商品開発にフィードバックするデータドリブン開発を如何に他社よりも早く、安く、上手く実現できるかが鍵となります。 私たちの部門は、このデータドリブン開発を支援するためのデータエンジニアリングが主な役割であり、具体的には以下のような業務を推進しています。 ●データパイプラインの構築: 　世界中のお客様が使っているホンダ車から集めた市場データや、開発車両による公道走行で取得したデータを高速かつ低コストに集約し、使いやすい形に加工変換し、保管するため一連のデータ流れ(ELT/ETL)の設計・構築 ●データ基盤の設計・構築: 　収集したデータを効率的に管理するため仕組み(データレイク、データウェアハウスなど)をクラウド上に構築 　また、保存されているデータの可視化や、使いたいデータを検索するためのダッシュボードを構築 ●データ品質管理(データクレンジング) 　データの欠損や不整合などを解消し、分析に使える品質の高いデータに整える ●データガバナンス: 　データのセキュリティやアクセス管理など、データを適切に管理・利用するためのルールの作成と徹底 尚、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。世界中からデータを集めるため、海外現地法人や海外研究機関など、海外とのやりとりが発生する場合があります。 ※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。 【開発ツール】 業務では以下のような開発ツールを使用していますが、全てについて使用経験がある必要はありません。 ●AWS: Lambda、SageMaker, Athena, Redshift 等 ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等 ●データウェアハウスツール:SnowFlake、Databricks ●言語:Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch)

●ミッション 医療×ITの分野で日本トップシェアを誇るエムスリーのデータ基盤の設計・開発および、データを活用した施策の推進を通し、データを軸に医療現場を変革する ●担当事業・プロダクト 社内には多くの事業、サービスがあります。 以下に一例を挙げます。 ・医療従事者向けメディア m3.com ・製薬企業のプロモーション支援サービス MR君 ・国内シェアNo. 1のクラウド電子カルテ エムスリーデジカル ・医療施設向け予約〜会計までできる総合サービス デジカルスマート診療 ・コンシューマ向けの健康相談サービス Askdoctors ・グローバル向けプロダクト ●担当業務 BigQueryを中心に構築しているデータ基盤の設計・開発・運用をご担当いただきます。 データの収集・集計加工・可視化までを一気通貫で担い、クライアント企業へのデータ関連サービスの提供、およびエムスリー社内でのデータドリブンな意思決定の支援をすることが業務の中軸です。具体的には、以下のようなチャレンジがあります。 ・各種データマート及びデータパイプラインの設計・開発 ・データ品質担保のための戦略検討やツール導入 ・AI・機械学習チームなど他組織と協調しての新規プロダクトの開発 データを用いたビジネス価値の創出に向け、自ら手を動かしてデータパイプラインや各種アプリケーションを開発していきます。 ●テックブログ記事例: LookerによるダッシュボードのアーキテクチャとTerraform providerの実装と運用 https://www.m3tech.blog/entry/looker-dashboard-architecture エムスリーのデータ基盤を支える設計パターン https://www.m3tech.blog/entry/data-platform-design-pattern ●技術スタック ・開発言語:LookML / Python / SQL / Bash ・データパイプライン:Digdag / Embulk / Fluentd / Dataflow ・DB・データウェアハウス: BigQuery / PostgreSQL / MySQL / Oracle ・インフラ・IaC:AWS / GCP / Terraform / オンプレミス ・BIツール:Looker / Redash / Tableau ・その他: Slack / Figma / GitLab / GitHub / Confluence / Jira ●チーム体制 システム担当も含めたチーム全体では、エンジニア28名、ディレクター10名、デザイナー3名、QA(テスター)10名。うち、データ基盤エンジニアは4名。 社員同士をお互いにプロとして尊重する文化。チーム内のシステム設計のプロとして、方針策定の議論から参加し、実際の開発、リリース、運用フェーズまで担当。 <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

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

CMP装置をはじめ、ドライ真空ポンプ、排ガス処理装置などの半導体製造装置およびコンポーネント製品から取得されるデータを活用した自社プラットフォーム(「X-bility」および「EBANET3」等)の開発・強化業務を担当いただきます。 開発チーム/プロジェクトリーダーとして、装置予知保全やデータ基板・アプリケーションの事業化・顧客への価値提供を推進頂けます。 ・装置・コンポーネント群から収集される各種センサーデータ(高頻度時系列データ)の収集・蓄積・解析・可視化を一体としたデータ基盤・アプリケーションのシステム設計および開発リード ・Chamber間・装置間・コンポーネント間のデータ比較・解析による予防保全機能やパフォーマンス最適化機能、故障予知アルゴリズムの組込み ・収集データを活用した新たなデジタルサービスの企画・アーキテクチャ構築およびグローバル展開の推進 ※変更の範囲:会社の定める業務

大手エンタープライズ企業のデータ・AI戦略に基づく基盤設計から構築まで一気通貫で支援します。 ●業務イメージ ・データ活用戦略策定(当社コンサルティング部門と共に) ・データ収集・蓄積処理の設計 ・MLOps基盤の設計・構築 ・LLM/RAG向けデータパイプライン構築 ・BIツール向けデータ基盤構築 ・API・システム間データ連携 ●主なプロジェクト事例 ・大手金融機関:顧客体験価値最大化モデル構築と営業活動設計 ・大手エネルギー系インフラ:データ活用基盤企画構想 ・大手製造業:基幹刷新に伴うデータ分析環境の再構築およびデータ分析企画・実施 ・大手製造業:データ利活用の態勢構築とダッシュボード開発 ・大手自動車メーカー:スポーツ動作に関するデータ解析支援 ●プロジェクト組織体制 ・マネージャーとメンバーの比率を1対2程度で編成しています。 ・経験豊富なエンジニアが多く、負荷のかからないバランスの良い組織体制となっています。 ●技術スタック ・開発言語:Java、Python、TypeScript、JavaScript ・クラウド系:AWS、Azure、GCP、Terraform、Docker ・フレームワーク:Spring Boot、Spring、Django、React ・CI/CD:GitHub、CircleCI、GitLab ●当事業の目指す姿 当社は「CxO firm 1000人のCxOを輩出する企業へ」をVISIONに掲げ、「個の能力を徹底的に磨け」というコアバリューのもと、マインド・能力開発できる環境づくりを追求し、既に数名のCxOを輩出してきました。 Technology領域においても、技術軸のCxO(CTO、CIO、CDO…)や、社会的にインパクトのあるプロダクト開発、市場トップレベルの技術的な強みの獲得・発揮など、本人の志向に合わせた成長機会を創出していきます。 ●キャリア機会 事業立ち上げフェーズの中で、案件獲得及び採用が順調で急拡大しており、実力次第で早期にプロジェクトマネージャーとして活躍する機会があります。 また、将来的な自社プロダクト開発を見据え、開発体制の内製化を進めています。 コンサルティング事業への社内異動も可能で、ご志向に合わせたキャリア選択が可能です。 <教育研修制度> 【社内副業制度(+1制度)】 自身の能力開発機会として、社内システム開発、技術広報活動、セキュリティレベル向上施策など、多様な社内業務に関与することができます。 成果は加点評価として賞与に還元しています。 【プロダクト開発研修機会】 オリジナルWebガチャゲーム開発を題材としたプロダクト開発研修を行っています。 企画構想から拡張構想・クラウド環境構築・DB設計・実装・応用まで、プロダクト開発における一連のプロセスを学ぶ機会を作っています。 【AI駆動開発機会】 AI駆動開発の実践機会として、様々な社内システム実装・運用改善の機会を作っています。 <評価制度について> 半期ごとの能力評価で昇給率が高く、大手SIer以上の給与水準を実現しています。 設計思想:顕在化重視・再現性重視 評価軸:人物評価・能力評価・実績評価 ●事業部の雰囲気について 仕事に全力で取り組みつつ、心理的安全性が非常に高い組織です。 また、コンサルティング事業部との繋がりも深く、コミュニケーションがとりやすい環境です。 ●従事すべき業務の変更の範囲 ・雇入れ直後:配属先に関する業務一般 ・変更の範囲:会社が定める業務

●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。