MLopsエンジニア(GitHub)の求人・転職情報

【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 世界レベルの自動運転・運転支援システム実現に向け、AI開発に必要なMLOps環境や関連ソフトウェアの開発と運用を担っていただきます。 データ取得・前処理・学習・評価・デプロイ・監視までのエンドツーエンドをつなぐ「開発と運用の土台」を設計・構築し、AIモデルの品質と更新スピードを継続的に高めることが使命です。 ・データ収集戦略の検討と実行 ・データ管理、クレンジング、前処理など一連のパイプライン設計と開発 ・AI学習/評価環境の開発・運用 ・自動運転・運転支援システムのテスト(シミュレーション、実車など) ・モデルのモニタリング、再学習環境の構築と運用 ※自動運転・運転支援の更なる革新のための各AI応用機能の研究開発業務、および、大学や国内外企業との共同研究開発の推進などをお任せ致します。 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。海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも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】 Python, C++, PyTorch, Weights & Biases, ROS2, AWS/GCP, Git/GitHub Enterprise, CARLA, MATLAB 等

【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

【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 世界レベルの自動運転・運転支援システム実現に向け、AI開発に必要なMLOps環境や関連ソフトウェアの開発と運用を担っていただきます。 データ取得・前処理・学習・評価・デプロイ・監視までのエンドツーエンドをつなぐ「開発と運用の土台」を設計・構築し、AIモデルの品質と更新スピードを継続的に高めることが使命です。 ・データ収集戦略の検討と実行 ・データ管理、クレンジング、前処理など一連のパイプライン設計と開発 ・AI学習/評価環境の開発・運用 ・自動運転・運転支援システムのテスト(シミュレーション、実車など) ・モデルのモニタリング、再学習環境の構築と運用 ※自動運転・運転支援の更なる革新のための各AI応用機能の研究開発業務、および、大学や国内外企業との共同研究開発の推進などをお任せ致します。 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。海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも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】 Python, C++, PyTorch, Weights & Biases, ROS2, AWS/GCP, Git/GitHub Enterprise, CARLA, MATLAB 等

【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 世界初レベルの自動運転・運転支援システム実現に向けて重要となる、コンピュータビジョン・機械学習モデルの設計・学習・評価・実装までを一貫して担っていただきます。エッジデバイス向けのモデル開発のみならず、ワールドモデル等の基盤モデル領域も含めた要素研究や学習手法の開発など、研究開発フェーズから「実車搭載・量産・運用」を見据えたモデル開発や学習手法の構築、評価がミッションです。 ・End-to-End (E2E) の自動運転/運転支援向けモデルの設計・実装 ・VLA/ワールドモデル等の自動運転・運転支援領域への応用研究・実装 ・機械学習モデルの学習に関するアルゴリズム開発 ・E2Eモデルのアプリケーション ・推論モデルを車両ECUへ適用するための最適化軽量化・高速化(Pruning, Quantization等) ※自動運転・運転支援の更なる革新のための各AI応用機能の研究開発業務、および、大学や国内外企業との共同研究開発の推進などをお任せ致します。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。海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも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】 Python, C++, PyTorch, TensorFlow, Docker, Kubernetes, AWS/GCP, Git/GitHub Enterprise 等

【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

【こんな方におすすめ】 ●生成AIや機械学習を使い、ソフトウェア開発の生産性向上・自動化に取り組みたい方 ●コーディング支援や品質検証の自動化など、AIを開発の中に組み込みたい方 ●クラウド/組込み/データなど多様な領域と連携し、大規模プロジェクトにAIを適用したい方 ●既存の開発手法を刷新し、Honda全体の開発プロセスを変革したい方 【業務委細】 SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※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】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

【こんな方におすすめ】 ●生成AIや機械学習を使い、ソフトウェア開発の生産性向上・自動化に取り組みたい方 ●コーディング支援や品質検証の自動化など、AIを開発の中に組み込みたい方 ●クラウド/組込み/データなど多様な領域と連携し、大規模プロジェクトにAIを適用したい方 ●既存の開発手法を刷新し、Honda全体の開発プロセスを変革したい方 【業務委細】 SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※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】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

【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 世界レベルの自動運転・運転支援システム実現に向け、AI開発に必要なMLOps環境や関連ソフトウェアの開発と運用を担っていただきます。 データ取得・前処理・学習・評価・デプロイ・監視までのエンドツーエンドをつなぐ「開発と運用の土台」を設計・構築し、AIモデルの品質と更新スピードを継続的に高めることが使命です。 ・データ収集戦略の検討と実行 ・データ管理、クレンジング、前処理など一連のパイプライン設計と開発 ・AI学習/評価環境の開発・運用 ・自動運転・運転支援システムのテスト(シミュレーション、実車など) ・モデルのモニタリング、再学習環境の構築と運用 ※自動運転・運転支援の更なる革新のための各AI応用機能の研究開発業務、および、大学や国内外企業との共同研究開発の推進などをお任せ致します。 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。海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも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】 Python, C++, PyTorch, Weights & Biases, ROS2, AWS/GCP, Git/GitHub Enterprise, CARLA, MATLAB 等

【ミッション】 国内最大級の自社GPUインフラと通信ドメインデータを武器に、通信業界向け大規模言語モデル「Large Telecom Model(LTM)」の学習・評価・チューニングパイプラインを構築/主導します。 実業務に耐えうる高精度かつ安全性の高いモデルへと継続的に高度化し、現場への実装を通じてネットワーク運用の効率化・高度化・自律化を推進します。 【主な業務】 ・LTMモデルの性能向上 ・学習パイプラインの構築 ・最先端生成AI技術の検証および実業務適用に向けた技術リード 【具体的な業務】 【モデル開発・学習】 LLMの継続事前学習(Continued Pre-training)やFine-tuning(SFT/RLHFなど)の実装/学習レシピの最適化 【データ基盤・加工】 基地局データや運用ログなどの大容量通信ドメインデータの収集/整形/学習データセットの設計、クレンジング 【評価・ベンチマーク】 自動評価フレームワークの構築および評価指標(Benchmark)の設計/精緻化 【技術調査・PoC】 最先端論文(ArXivなど)やOSS(最新のモデル・学習手法)のキャッチアップとPoCによる検証 【現場連携・要件定義】 社内関係部署(アプリ開発チーム・現場)との連携による課題の整理およびモデル要件へのフィードバック

車載向けエッジモデルおよび机上評価用の大規模モデル開発を支える MLOps 基盤の構築・運用 をお任せいたします。 <具体的には> 膨大な量の運転データを効率的に活用するための計算基盤とモデル学習・評価パイプラインの構築、データの質と量でモデル改善に貢献するデータセットのキュレーション、モデル分析を支援するBIツール環境の整備など、ML エンジニア/MLリサーチャーの開発を加速する仕組みづくりを行っていただきます。 【業務遂行いただくうえで必要になる技術例】 ・クラウド/オンプレミス上における学習・評価パイプライン(MLOps)の設計・構築および保守・運用 ・大規模データ学習の高速化を目的とした計算基盤・分散処理・アルゴリズム最適化の検討と実行 ・データセットのキュレーション(バランス設計、データリーク防止、品質管理)およびデータセット生成パイプラインの構築 ・データやモデル評価指標を統合的に可視化する BI ツール環境の設計・構築 【使用するツール】 ※状況により柔軟に変わります ・開発言語/データ操作言語:Python、SQL ・クラウド:GCP、AWS ・OS:Linux、Windows ・深層学習フレームワーク:TensorFlow(Keras)、PyTorch ・実験管理/設定/可視化:MLflow、Hydra、TensorBoard ・MLプラットフォーム/パイプライン:Vertex AI、SageMaker ・CI/CD:GCP Cloud Build、AWS CodeBuild、AWS CodePipeline ・データETL/分散処理:Dataflow、EMR(Spark/Hadoop) ・データ分析:BigQuery、Amazon Redshift ・BIツール:Looker Studio、Amazon QuickSight ・オーケストレーション:Apache Airflow、Amazon MWAA ・コンテナ:Docker ・その他:GitLab、Confluence、Jira、Teams 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

●業務内容 AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ▽AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ▽AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する ●期待する役割 グループ責任者やチーム責任者のサポートのもと、AI技術導入の企画立案・AI開発運用からAIガバナンスまで、チームの中心メンバーとしてAIドリブンな事業基盤の構築に一緒に挑戦していただける方を募集しています。 ▽AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ▽部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ▽AIリスク管理の実施: AI導入時のリスクを認識し、リーダーやチームメンバーとともにリスク管理策の策定と運営に貢献する。 ▽データ分析に基づく実行と評価: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、貢献度の高い施策を探求する。 ▽技術向上とナレッジシェア: 最新のAI技術について継続的に学び、チーム内での知識共有を行い、組織全体の技術力向上に寄与する。 ●技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API ●オンボーディングおよび育成計画 下記を想定しながら適宜チームでフォローします。 ▽1年目: ・ゴール:AIプロジェクトでのスキル向上 ・内容:プロジェクト参加(サポートを得ながら推進) ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価 ▽2年目以降: ・ゴール:プロジェクトリーダーへの成長 ・内容:リード役経験、戦略会議参加 ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価

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

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 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 ・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。

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

業務内容 完成車メーカーの開発部門にて、以下の業務を担当いただきます。 ●ECUソフト開発業務の自動化 ・ECUソフト開発業務の効率化・自動化 → ビルド、テスト、リリース工程の自動化 ・GitHubのコード管理の即時実行とClaude連携による解析効率化 → 差分解析、影響範囲推定、レビュー支援 ・GitHub IssueのAI活用まとめとJIRA起票の自動化 → 課題管理の自動化、トレーサビリティ強化 ●開発効率化・CAE代替化 ・開発効率化に向けた自動化・AI導入 ・データ管理(構造化、モデル設計、収集基盤構築) **CAE代替化技術(Surrogate/Meta-model)**の構築・運用 → 衝突・流体などの大規模シミュレーションを高速化する3Dサロゲートモデルの設計・評価 ●シミュレーション最適化 × LLM/生成AI ・シミュレーションによる最適化とLLM/生成AIを組み合わせたエージェント技術構築・運用展開 → Copilot Studio連携によるパラメータ探索、感度解析、レポート自動生成 ・モデル入出力仕様の標準化、プロンプト設計、ワークフロー自動化(CI/CD連携) ●データプラットフォーム運用 ・Amannectシステムの運用業務 → データ管理、運用ルール整備、問い合わせ対応

機械学習エンジニアは、入札最適化ロジックに関わるエンジニアリング業務を担当します。私たちは、フルサイクルなデータサイエンスチームです。ビジネス課題に対し、データ分析を通した仮説の構築から始まり、プロダクト環境でのA/Bテストまでを行います。 ●具体的に次のようなタスクを担います。 ・入札ログ等を用いた探索的分析 ・入札ログの再設計や外部データの活用 ・CTR/CVR予測モデルなど機械学習モデルの構築 ・数理最適化や制御工学などを用いた入札価格最適化ロジックの構築 ・オンライン実験を含めたプロダクト環境での仮説検証 ・大規模データを活用するための分析基盤および、MLパイプラインの構築・運用 ・学会参加や論文調査による情報収集 ●業務上触れる分野や技術スタック 【分野】 ・機械学習 ・統計学 ・数理最適化 ・制御工学 ・因果推論、計量経済学 【スタック】 ・Python, Kotlin(一部のみ) ・AWS ・dbt, Snowflake ・Prefect ・Terraform ・GitHub ・Slack

評価システム製品本部 評価ソフトウェア設計部 にて半導体用計測・検査装置のFA(Factory Automation)通信ソフトウェア開発をご担当いただきます。 装置をオートメーションで運用するためSEMI規格に準じた顧客ホストコンピュータとの通信ソフトウェア開発(SECS/GEM/GEM300)、がメイン業務となります。 FA(Factory Automation)通信ソフトウェア開発者としてご入社頂き、ご経験・スキルに応じて、お任せする領域や担当プロジェクトを決定いたします。 FA(FactoryAutomation)通信ソフトウェア開発をメインで行うチームは計測装置をメインにしたチームと検査装置をメインにしたチームの2チームございます。 一方で、いずれの製品もラインナップが多岐に渡るため、横断的に製品プロジェクトにジョインし、複数の開発プロジェクトをご担当いただきます。 ●開発環境 言語: C、C++ 環境: Linux ①当部署は評価システム製品のソフトウェア設計・開発を担っている部署です。 製品ごとにチームに分かれており、要件定義～コーディング、テストまでのソフトウェア開発の全工程を担っております。製品、チームによって異なりますが、詳細設計～プログラミング～テストまでは、社外のソフトウェア開発請負会社に依頼する場合があります。 ②ソフトウェアエンジニアとして、1製品の全工程に携わり、他組織(光学設計、機械設計、電気設計などのハードウェア設計)部隊と協働し製品を開発したり、顧客や顧客先に製品を導入・据付・アフターサービスをする部隊から、実際に現場で使用された際のフィードバックを受けたりできるので、ものづくりの醍醐味を感じることが出来ます。 また、当部署では多岐に渡る製品を担当している為、他製品へチャレンジする機会もございます。 ③海外出張:アメリカ・韓国・台湾・ヨーロッパ 人により海外出張の回数は異なりますが、顧客との仕様打合せ等での出張機会も多く、ワールドワイドで活躍が可能です。 規格を英語で読むなど英語を使うシーンが日常的にございますので語学力を活かしたい/向上させたい方には最適な環境です。 ④評価ソフトウェア設計部は若手～ベテランまで在籍しており、お互いの技術を学びあう機会もございます。 製品によりますが、1チーム5名前後～20名越えとプロジェクトとしても様々な構成がございます。様々なプロジェクトを経験して知識・スキルの幅を広げるだけでなく、ロールモデルも多くいるためソフトウェアエンジニアとしてキャリアを構築したい方には最適な環境です。 【変更の範囲】会社の定める業務 キャリアパスについて ●当部署の中で、製品や工程が複数あるので、組織内でもエンジニアとしてスキルアップ頂ける環境がございます。 どのようなキャリアをご希望されるか次第なものの、現在、当部署では常時2、3名がアメリカの関連会社に出向しており、海外の関連会社への出向やメイン顧客である韓国と台湾への出張など、海外経験を積む機会もございます。 ●キャリア入社者向け育成プログラム、階層別研修、集合研修、外部講座受講による自己開発(費用会社負担)など、日立ハイテクには多種多様な教育・育成支援制度が設けられています。 働き方 ●入社後すぐは業務を覚えていただくために、基本的出社をしていただきますが、後々は在宅勤務と出社勤務、ハイブリットに使い分けて業務していただくことも可能です。 ●残業時間は部内平均で20～25時間程度と比較的少なく、ワークライフバランスの取りやすい環境です。

freeeにおけるAIラボのミッションは、機械学習や統計処理を用いてユーザーに本質的価値（マジ価値）を届けきる事です。「ルーチンワークを自動化して経営状況をリアルタイムにモニタリングする」、「データドリブンな意思決定と経営のアクションをサポートする」など、freeeが提供するサービスにとって必要不可欠なコア技術を一から考えて実現し、継続的な進化を支えています。 本ポジションでは、従来の機械学習技術に加え、LLM, AI Agentを活用したプロダクトへの新しい価値提供や、AI時代のデータストアをリードするエンジニアとして、LLM, AIAgent領域の開発および評価を牽引していただきます。 ●業務内容詳細 freeeの全サービスにまたがる機械学習技術を活用したプロダクト開発、および新規技術分野の研究・調査をお任せします。 ・LLM, AI Agent関連の評価・開発（メインミッション） ・LLMやAI Agentを活用した新規プロダクトの企画・開発、およびモデルやエージェントの精度評価・検証・改善。 ・全社向けに、LLMを活用した業務効率化基盤の構築と運用、プロダクトへのLLM組み込み基盤の構築。 ・機械学習モデルの評価・開発 ・画像認識（OCR）、異常検知などのアルゴリズム開発。 ・MLOps / データ処理パイプライン ・プロダクトの継続運用、効率的な開発を支援するデータ処理パイプライン・学習・評価基盤の構築。 ・継続的改善の為のモニタリングパイプラインの構築と運用。 ●開発環境 AIラボでは、サービスの企画段階から実際の運用に至るまで、ワンチームで行っているという特徴があります。刻々と変化する業界トレンドに合わせて環境も柔軟にアップデートしています。 開発言語: Python（マイクロサービス・開発環境）、Ruby on Rails, Go（アプリケーション） 開発リソース: EKS上のJupyter notebook server on Kubeflow, コンテナ内部で開発, Visual Studio Code Remote MLライブラリ: TensorFlow, PyTorch, scikit-learn, その他状況に応じて選定 フレームワーク: vLLM, strands agent sdk 運用環境: EKS with GitOps CI/CD: Github Actions, Argo CD その他: Datadog, Slack, GitHub, MLFlow, Argo workflows, dbt, langfuse, Looker, Claude Code, terraform etc 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

●お任せする業務 まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。 AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム(Bedrock, Vertex AI等)やエージェント基盤(LangGraph, CrewAI等)を活用したシステムの構築 評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定 運用基盤の構築 : MCP(Model Context Protocol)や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計 可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決 業務ヒアリング・要件定義 : BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計 実業務への組み込み : AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進 標準化・プロダクト化 : 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開 ●直近で取り組んでいること セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備 BP業務へのAI実装 : 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり ●将来的に取り組みたいこと ・ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供 ・マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化 ・Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築 AI活用の標準化・プロダクト化 : 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる ●開発環境 ・LLMエンジニアリング : vLLM, OSS LLM(Llama / Qwen / gpt-oss), LiteLLM, RouteLLM, Semantic Router, LangGraph, CrewAI, NeMo Guardrails, Guardrails AI, Promptfoo, Ragas, PostgreSQL (pgvector), Langfuse (Self-hosted), Prometheus, Grafana, Ray 等 ・MLエンジニアリング : JAX, NumPyro, statsmodels, Dagster, Python, MLflow 等 ・データエンジニアリング : Snowflake, dbt cloud, Adverity, fivetran 等 ・インフラ(AI) : AWS, GCP (Amazon Bedrock, Google Vertex AI) ・共通 : Docker, Terraform, GitHub, Slack 単に特定技術を使うだけではなく、AIエージェントを安全に、継続的に、業務の中で使える状態にするための評価・監視・権限管理・ログ設計・ガードレール設計まで含めて取り組みます。 ●参考記事 (外部リンク) ・[テレシー コーポレートサイト](https://telecy.tv/) ・[脳内で、事業の「正解」を描き切る](https://evolution.cartaholdings.co.jp/article-0087/) 　・オウンドメディア『EVOLUTiON』 テレシー社員紹介記事 ・[データドリブンで実現するテレビCM変革!テレシーの取り組みとは?](https://telecy.tv/column/sendenkaigi-mmm-telecyanalytics/) ・[疲労回復パジャマ「BAKUNE」躍進の裏側](https://telecy.tv/column/crosstalk-sendenkaigi-tential/)

以下の中から個々のスキルや事業状況に応じた業務を担当いただきます。 ●ABEJA Platform / ABEJA LLM Series / ABEJA Insight for Retail などのプロダクトに関連する開発・運用業務の実施 ・AIパイプライン基盤、LLMOps基盤、数千台のカメラ・センサーデバイス等のデータ分析・可視化 B2B SaaS プロダクトなどの強化活動にバックエンドエンジニアとして参画し、提供価値を最大化、定期的なメンテナンス活動を実施 ●プロダクト研究・開発に必要な技術検証業務の実施 ・以下一例、スキルに応じて ・LLM/生成AIに関する技術検証 ・新しいフレームワーク、新しい基盤の技術検証 ・新しいIoTデバイスの価値検証 ●各種スクラムイベントへの参加 ・スプリントレビュー、レトロスペクティブ、スプリントプランニングの定例会議への参加 ・開発進行に関する議論に参加 ●サービスレベル改善と運用効率化業務(SRE業務)の実施 ・KAIZEN DAY(週1回)に参加し、デプロイ頻度の向上、変更リードタイムの短縮、変更障害率の低減を実現 ●その他の業務 ・エンジニアチームの強化のための採用活動や勉強会登壇などに積極的に参加 ・技術スタック一覧(StackShare)に基づいた開発や技術の選択と活用 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

●仕事概要 DeNAでは、AIネイティブな新規事業を次々と立ち上げています。 生成AIを活用した言語学習、受験学習の伴走型コーチング、AI×ゲームによる新しい体験など、その領域は多岐にわたります。 本ポジションは、AI技術開発部のソフトウェアエンジニア(LLM)として、これら複数の新規事業のいずれかに入り、LLMを活用した機能・ワークフローの開発と継続改善を担うポジションです。 業務では、サービス開発の現場に密に入り、PdMやフルスタックエンジニアとワンチームで、複雑なLLMワークフローの設計・実装、プロンプトとワークフローの改善、評価ハーネスやログ基盤の整備を担います。 作って終わりではなく、実ユーザーに提供されるプロダクトの中で、出力品質・応答速度・コスト・安定性を粘り強く改善していくことを期待しています。 必要に応じて、推論基盤、ファインチューニング用の実験・実行環境、GPUワークロード基盤など、LLMプロダクトを支える基盤領域にも関わります。 ●職務詳細 ご自身のスキル適性や志向性を踏まえ、以下のいずれかのプロジェクトでLLMワークフロー開発とLLMOpsを担当いただきます。 ●展開中の主なプロジェクト例 ●AI英会話アプリ ・LLMによるシナリオ生成とエージェント技術を用いた、挫折しない言語学習体験の構築 ●AI受験コーチング ・手書き答案の思考プロセス分析と学習計画の自動最適化により、教育格差を解消する伴走型プロダクト開発 ●AIネイティブゲーム ・AIをゲームバランスや体験の核に据えた、新しいエンターテインメントの創造 ●ミッション ・LLMプロダクトの「動く」を「ユーザー価値」に引き上げる ・個別プロダクトのLLMワークフローを、実ユーザーの反応やログに基づいて継続的に改善する ・評価、ログ、推論、運用の仕組みを整え、データドリブンな改善基盤を作る ●業務内容 ●LLMワークフローの設計・実装 ・多段プロンプト、条件分岐、ツール呼び出し、エージェントワークフローの設計・実装 ・LangChain / LangGraph等を用いたワークフロー構築、既存ワークフローの改善 ・ストリーミング、コンテキスト長・出力トークン管理、リトライ、タイムアウト、フォールバックなどLLM特有の挙動を踏まえた設計 ・LLMマイクロサービスの実装 ・評価用・アノテーション用社内ツールの実装 ●プロダクト開発・運用改善 ・PdMや事業部エンジニアと連携した要件定義、コア価値・コアユーザーの探索 ・ユーザー体験上の課題がLLMワークフロー、UI/UX、サーバー、データのどこにあるかを切り分けるための仕組みづくり ・立ち上げ期は検証速度を重視し、運用改善期は保守性・スケーラビリティを高める開発 ・本番運用に必要なセキュリティ、権限管理、監査ログ、障害対応、コスト管理 ●LLMOps・評価基盤の構築 ・入出力ログ、ユーザー行動ログ、評価ログの収集・構造化・保存設計 ・評価データセットや評価ケースを用いた評価ハーネスの構築 ・LLM-as-a-judge、自動評価、回帰テスト、品質モニタリングの仕組み化 ・プロンプトやワークフロー変更の影響を定量的に確認できるCI/CD・検証フローの整備 ・レスポンス品質、レイテンシ、コスト、エラー率などの可視化・監視 ●利用技術・開発環境 ●開発言語 ・Python ・SQL ●LLM / AIアプリケーション ・OpenAI API、Anthropic Claude、Google Gemini、その他LLM API ・LangChain、LangGraph ・RAG、ベクトル検索、Embedding、AIエージェント ・LLM-as-a-judge ●インフラ ●Google Cloud ・Cloud Run ・Cloud SQL ・BigQuery ・Vertex AI / Agent Builder ・Cloud Logging ●Docker ●Terraform ●GitHub Actions ●開発支援ツール ・GitHub ・Claude Code ・Codex ・Cursor ・Devin ●業務内容 雇入れ直後　仕事概要に記載のある業務内容 変更の範囲　会社の定める業務

本ポジションの役割 本ポジションでは最新のAI技術を活用し、業務効率化や開発支援ツールの設計・開発を担当します。主に、大規模言語モデル(LLM)やAI支援ツール(Devin、GitHub Copilot Workspace など)の導入・活用を検討し、エンジニアリングの生産性向上に貢献する役割を担っていただきます。 具体的な職務内容 ●AIを活用した開発支援ツールの設計・開発・導入 ●Devin、GitHub Copilot Workspace などの導入検討と最適な運用設計 ●LLMなどの最新AI技術のリサーチ・評価・実装 ●社内エンジニアがAIツールを活用しやすい環境の構築と推進 ●APIやクラウドサービスを活用したAIツールの統合・開発 <開発環境> ・ミドルウェア PostgreSQL, CloudRun, Cloud Pub/Sub, MongoDB, Cloud Storage, Okta, Tailor Platform ・監視 Datadog ・環境構築関連 Docker, docker-compose, Terraform ・言語 TypeScript, Go, Rust ・そのほか GitHub Copilot

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

JDSCは「Upgrade Japan」をミッションに掲げ、大企業のAX(AIトランスフォーメーション)・DX推進を支援するテクノロジー企業です。本ポジションでは、AIエージェント開発とデータ基盤・MLOpsの両軸を担うエンジニアとして、顧客の業務変革を技術面からリードしていただきます。 【担っていただきたい役割】 ●ビジネスコンサルタント・テクノロジーコンサルタントやデータサイエンティストと連携し、AIエージェントの構想・PoC開発・アジャイル開発を推進 ●顧客ビジネス環境の変化に応じたAIエージェントの継続的改善・運用 ●データパイプライン・データ基盤(DWH)の設計・開発・運用 ●MLOps環境の構築・整備、CI/CDパイプラインの運用 ●隣接するソフトウェア領域に関する開発・コミュニケーション・事業推進 【主な業務内容】 当社では多様なビジネス領域に向けてDX推進、AI実装等を代表とする様々なB2B系プロジェクトを推進しており、一つの枠に縛られない様々なソフトウェア開発をご経験いただくことができます。 物流領域、ヘルスケア、エネルギー、製造といった領域で事業を強化しており、事業状況に応じて様々なソフトウェア開発を行っています。下記のような段階のソフトウェア開発プロジェクトがあります。 ●プロトタイプ・試行錯誤の色彩が強い段階 ●顧客の業務で使用される本番運用段階 ●単一顧客向けから同一領域で広く使われるVertical SaaS的な運用開発の段階 当社の特長であるビジネスやデータサイエンスの文脈も交えた多様なチャレンジを通じて経験を積んでいただくことが出来るものと思います。 【主な開発環境】 言語:TypeScript, JavaScript, SQL, Python等 採用フレームワーク: GraphQL, Node.js, Prisma等 データベース:MySQL, PostgreSQL, BigQuery, Databricks, Microsoft Fabric等 クラウド環境:Google Cloud, AWS, Azure, Snowflake等 ソフトウェア管理ツール:GitHub, Jira, Slack, Confluence BIツール:Power BI, Tableau

業務内容 弊社は現在、データウェアハウス(DWH)を活用した最先端のデータソリューションに注力しており、その戦略の中核を担うデータエンジニアを募集します。DWHを中心としたデータ基盤の設計・構築から、データ活用、さらには高度な分析基盤の構築までを幅広く手掛け、お客様のビジネス課題解決とデジタルトランスフォーメーション(DX)を強力に推進していただきます。 具体的な仕事内容 ●顧客の課題ヒアリングからのソリューション提案、顧客との要件定義 ●データウェアハウス/データレイクの設計・構築・運用・改善 ●BIツールや分析基盤の導入・運用支援、データ可視化 ●データ活用のためのルール整備とセキュリティ強化 使用技術(例) ●クラウドプラットフォーム: AWS (S3, Kinesis, SQS等), Azure (Blob Storage, Event Hubs等), GCP (Cloud Storage, Pub/Sub等) ●データベース: PostgreSQL, MySQL, DynamoDB ●データウェアハウス: Snowflake, Amazon Redshift, Google BigQuery, Databricks ●データ処理基盤: Python, SQL, Java ●ETL/ELT サービス: TROCCO, Fivetran, Talend, dbt, AWS Glue, Azure Data Factory, Google Cloud Dataflow ●BIツール/データアプリケーション: Tableau, Power BI, AWS QuickSight, Looker, Streamlit ●その他: Git, Docker, Terraform メインとなる顧客業界は小売・流通業界となりますが、お客様の課題解決のため、その他の業界のプロジェクトにも積極的に取り組んでいます。 特定の業界経験や深い知識は入社時点では必須ではありませんが、プロジェクトを通じて様々な業界のドメイン知識を習得し、顧客業務への理解を深めていただくことを期待しています。 データエンジニアとして幅広いフィールドで活躍したいという意欲のある方を歓迎します。 顧客課題の解決やプロジェクトの成功を最優先にITプロフェッショナルとして、自身のスキルセットを柔軟に変容させながら、データ技術の進化と共に、自らも成長し続ける意欲のある方をお待ちしています。 ※担当案件によっては当社正社員として、客先企業へ無期雇用派遣となる可能性があります 【変更の範囲※1】 会社内の全ての業務、客先の業務、将来的に出向を実施した場合は出向先の全ての業務(ただし本人と相談の上で決定します) ※1 「変更の範囲」とは、将来の配置転換などによって変わり得る就業場所・業務の範囲を指します。

生成AIを活用して現場の課題解決を最短最速で実現いただくことを期待します。 急速に進む技術革新の中で、事業・プロダクトの両方の成長に対して主体的に関与し、推進し、意思決定する機会を得られるチャレンジングなポジションです。 ●現場の課題特定とソリューション開発 ・人事、法務、ファイナンス、事業部門などの各現場における業務プロセスに潜む課題の特定 ・特定した課題に対し、AIを中核とした実行アーキテクチャを構築し、PoCに留まらない実装・運用・現場定着までを担う ●全社基盤への統合、昇華 ・部分最適で構築されたAIツール群を横断的に再設計し、社内AIプラットフォームへと統合 ・Rapid Prototypingから本番運用までを一気通貫で担い、AIによる業務実行モデルを構築 ●業務プロセスの再定義(Re-design) ・現場業務をAI前提で再構築し、実行可能な形で実装・定着までを担う ・人とAIの協働を前提とした体験設計および実行フローの最適化 技術環境(全社共通の一例) ・クラウドインフラ 　AWS, Google Cloud, Azure ・コラボレーション 　Google Workspace, Slack, Confluence, Linear, GitHub etc. ・AI関連ツール 　Claude Code, Cursor, GitHub Copilot, Devin, Langfuse etc. ・思考支援・問題解決ツール 　ChatGPT, Gemini, Claude, NotebookLM ・AI 開発プラットフォーム 　Dify, n8n ※業務の変更の範囲:会社の定める業務