データエンジニア(Firebase)の求人・転職情報

イメージングソリューション事業部の開発部門において、当事業部が展開する高性能デジタルカメラ「X/GFXシリーズ」やインスタントカメラ「INSTAX」等のスマホアプリ/オンラインサービス向けのデータベース構築、データの収集/可視化/分析の実務をご担当頂きます。 ●顧客データ収集用データベース/データマート構築(BigQuery) ●データ収集の仕様策定(Firebase, Google Analytics) ●データの可視化サイト構築(Tableau) ●データ分析 ●最新のデータ関連技術動向調査および技術提案 <施策例> ●マーケティング部門、アプリ開発チームと連携し、スマホアプリのイベントログ可視化の仕様を策定する。 ●上記可視化仕様に基づき、データベース、可視化サイトを構築する。 従事すべき業務の変更の範囲 当社業務全般

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

ソフトウェアエンジニアは、専門性およびプロジェクトのニーズに合わせて幅広い業務を行っております。以下に一例を示します。 ●Conata の製品群を操作・閲覧する Web フロントエンドおよびそのバックエンド (BFF)について、共通部分・ライブラリの開発および改善、各案件向けカスタマイズのサポート ●上記業務プロダクトのUI/UX設計 ●データ収集 └パートナー・クライアントとのデータの受け渡しをするためのインテグレーションシステムの構築 ●データ処理 └データの ETL/ELT 処理の開発。また安定的に動作させるためのデータ処理パイプラインの構築 └バッチ / ストリーミングベースのシナリオに対応したシステムの開発と運用 ●データ管理 └収集したデータ、処理済みデータを保存・活用するためのデータウェアハウスの設計と構築 └センシティブなデータを安全に処理可能にするためのシステム設計・構築 ●負荷試験、セキュリティー対策 ●データベース設計 ●サービスの安定提供を24時間365日、維持するためのシステム運用 ●開発環境や運用の整備・改善 └インフラ、開発ツールチェイン、社内情報管理ツール開発・最適化。 従事すべき業務の変更の範囲:なし 開発環境 クラウド:AWS 開発言語:Kotlin、Python、TypeScript フレームワーク・ミドルウェア等:React、Next.js、MySQL、Redis、Elasticsearch、Snowflake、Micronaut、gRPC、Apache Pulsar、Amazon S3、Amazon Athena、Dagster、Bazel、Amazon EKS(Kubernetes)、Terraform SaaS:Auth0、Vercel 組織とポジションについて ●配属予定組織 ・Product Architectチーム 大規模商用化に適したプロダクトの基幹設計・開発・保守を担います。 ・Core Technologyチーム エンジニアリングチームを横断し、技術の一貫性・効率・革新を促進します。 ・Technical Planning & Enablement チーム 開発プランニング(プロダクト開発計画の策定)、チーム連携(各チーム間のブリッジ役)、プロダクトのデリバリー支援・活用、プロダクトの品質評価や改善等を担います。 シニアソフトウェアエンジニアは、顧客のデータ活用における課題解決をメインミッションとして、日々拡大しているデータの量・種類に技術をもって対応しながら、安定した価値提供に取り組んでいます。また、運用性・安全性の向上、技術課題の解決や支援を通じてチームの発展と顧客への高付加価値なソリューション提供を実現します。

当社は「農業×AI」「IoT×社会課題解決」をテーマに、自社製品 e-minori を中心とした次世代のソリューション開発を進めています。 AI-Lab では、防犯カメラや作業支援システムなど、社会の安全・効率化につながるプロダクトをゼロからつくり上げており、研究開発と実装の両輪を回せる環境 です。 当社の自社製品開発部隊である "AI-Lab" のエンジニアとして、下記業務に携わっていただきます。 ■e-minori 設計開発エンジニア　https://www.e-minori.info/ AI分野 ●業務内容 ・AIモデルの自己設計と評価 ・AI環境制御を"e-minori"に組み込むためのシステム設計開発 ・AI環境制御が正常に動作しているかを検証・改良(機構設計含む) ・AIや画像処理技術による防犯カメラや動作チェックの仕組み アプリ分野 ●業務内容 ・smart e-sagyo の原理試作、量産試作 ・スマートフォンアプリ開発 ・e-minoriおよび新製品のメンテナンス 機電分野 ●電気電子系 ・回路設計 〜パターン設計 〜基板作成 ・組み込みプログラミングの知見 ●機械系 ・内外装に構造設計、仕様を決定 ・屋外設置物、耐候性構造物の知見 お客様が要望のある機能を実現するにあたり、新製品開発のため、機械・電気・情報全般の開発にも携わっていただきます。 チームへの合流後、大まかな業務の分野分けは行います。 基本的には担当分野はあるものの、その他の分野もできるフルスタックエンジニアを目指して頂きます。

●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。