研究開発（R&D）エンジニア(Docker)の求人・転職情報

【具体的には】 お客様の生活を豊かにするエネルギーV2Xエコシステム実現に向けて家電や電気設備など家庭・電気自動車で使用するエネルギーの可視化・最適な充給電制御システムの開発で必要となる ・Honda独自のV2Xサーバー構築(PoC/量産環境) ・アーキテクチャ設計・ソフトウェア機能設計及び検証 ・サーバー向けソフトウェア構築のためのDevOpsの定義/開発 ・上記システムに関連するスマホアプリUI/UX設計及び検証・ハードとソフトウェアを統合したシステム実証実験　等 ・サーバー構築技術のリーディングとロードマップの策定 ・システムの目標値の策定・KPIマネジメント・予算管理 ・グループメンバーのマネジメント業務 (1on1やコーチングやメンタリングを通した育成支援/人事評価を通した成長促進やキャリア支援等) ※V2X(Vehicle-to-X)とは、電気自動車(EV)と家庭・社会インフラ(電力系統、クラウド、アプリ等)を通信でつなぎ、相互にエネルギー/情報をやり取りする仕組みです。本ポジションでは、主にV2H(Vehicle-to-Home:車から家へ電力を供給)およびV2G(Vehicle-to-Grid:車と電力系統の双方向連携)を含むユースケースを想定し、車両データや電力データ、ユーザーの利用動向をもとに、コネクテッドアプリ等を活用したスマート充電/充給電制御サービスの価値創出に取り組みます。 ※パートナー企業様との共同開発において、戦略検討段階から実証実験まで連携しながら業務推進いただきます。 ※業務上、海外現地法人・取引先等とのやり取りが発生します。 ※将来的には、海外駐在の可能性もございます。 ※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】 使用言語:Python/Java/JavaScript/SQL クラウド環境:AWS　バージョン管理ツール:Git/AWS(CodeCommit)/SVN そのほか知識:Jira/Confluence/Docker/Shell/RESTful API/RDBMS(MySQL)/NoSQL DBMS 【推奨の資格】 AWS Solutions Architect

【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 運転支援・自動運転システムの次世代開発に向けた ・車外通信システムの開発 ・ローカルダイナミックマップ活用した自車位置推定技術の開発　 ・車両プローブ情報を活用した大量データ解析と運転支援活用 ・ADAS map/HD mapを活用した運転支援・自動運転用 車載地図情報ユニットの機能設計 ・車両コントロールユニットへの各種情報提供機能開発 ・車載センサーシステムを活用した自動地図生成の研究・開発 ・高精度測位システム、ロケータ開発 ・地図更新等のバックエンドシステム(クラウドサーバ)の開発(アーキテクチャ設計・要件定義) ・運用及びバックエンドシステムとの通信機能の開発 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】　 ●言語:R, Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch) ●AWS: Amazon SageMaker, Amazon Athena, Amazon Redshift ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等

【お任せする業務内容】 自律移動作業ロボット(自動搬送ロボット、自動操船支援システム、自動芝刈機)に関わる ●UIアプリ開発、フロント/バックエンド研究開発 ●クラウドプラットフォーム開発、研究用開発環境構築 をお任せします。 【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 ●知能化機能開発 ●クラウド・サーバーシステム・アプリの要求仕様検討、アーキテクチャ設計、環境構築、テスト ●自律移動作業ロボットから収集したデータの分析 ●IoT技術を活用したサービスのコンセプト立案 をお任せします。 <システム・サービス例> ・自律移動作業ロボットの経路生成、行動計画 ・自律移動作業ロボットオペレーション用UI、アプリ ・自律移動作業ロボットの地図更新バックエンドシステム ・製品の位置情報を用いた監視サービス 等 IoTサービスシステムのソフトウェア開発やハード製品・アプリとの組み合わせテスト等を開発チームのメンバーとして担当いただきます。 仕様検討時はお客様の要望要求獲得のため、現地調査や海外拠点含む事業部門との整合業務、実装段階時は外部ベンダー様とのやりとり、テスト・実証実験では実機チームと連携しながら専用テストサイトやお客様現場でのテスト実施、などがあります。 ※国内外の出張が発生いたします。 将来的に海外駐在の可能性がございます。 ※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】 ※担当業務によって異なります。 ・C、C++、Python、React、AWS(EC2/S3/Kinesis/IoT Core/Lambda/Fargateなど)、Docker、Figma ・GitHub/JIRA/Confluenceなどのソフトウェア構成管理、プロジェクト管理・情報共有ツール

【具体的には】　 自動運転(AD)/自動運転支援ソフト(ADAS)のCI/CDパイプラインの構築を行っていただきます。 自動車開発の中心がハードからソフトに移行する中、従来の完成車メーカだけでなく,IT企業も参加することで開発のスピードが劇的に早まっています。そこでAD/ADASソフトウェア開発においても、従来の品質重視のプロセスにソフトウェア開発の手法を取り入れることで、品質とスピードの両立を目指しています。具体的には、組込ソフトのビルドやバーチャルテストをCloud上で行い、その後ECU/実車テストに繋げるため,Cloud/オンプレ双方を跨るシステム基盤の設計や開発を行って頂きます。 ※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】　 ●JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker等 ●OS:Linux,Windows ●スクリプト:シェルスクリプト ●クラウド:AWS,Azure 等

【お任せする業務内容】 自律移動作業ロボット(自動芝刈機(AWM)、自動搬送ロボット等)の知能化システム、ソフトウェア開発に関わる以下業務をお任せします。 ・知能化システム、ソフトウェアの要求仕様検討、アーキテクチャ設計、ソフトウェア実装、テスト ・オフロード環境の外界認識技術、移動経路、行動計画 ・プロの作業データから学習する作業の知能化 自律移動作業ロボット(自動芝刈り機(AWM)、自動搬送ロボット等)の知能化技術開発 ●LiDAR、GNSS、Radar、カメラを用いた自己位置推定、経路計画等の機能開発 ●センシングデバイスと、画像処理、AIを使用した外界認識・物体認識・領域認識の開発 ●上記各種機能を実現する知能化ソフトウェア・アルゴリズムの設計・実装・シミュレーション、テスト ●上記各種機能を実現するためのセンシングデバイスの要求仕様の抽出、開発 ●要件/設計検討および検証の高効率化のためのSILS/HILS環境構築 入社後は、新商品である自動芝刈機や自律移動台車、既存商品である小型ロボット芝刈機や除雪機の知能化システム設計、ソフトウェア開発、実機テスト等を開発チームのメンバーとして担当いただきます。 仕様検討時はお客様の要望要求獲得のため、現地調査や海外拠点含む事業部門との整合業務、実装段階時は外部ベンダー様とのやりとり、テスト・実証実験では実機チームと連携しながら専用テストサイトやお客様現場でのテスト実施などがあります。市場調査から新技術・新商品の提案を行い、先行検討から量産化に向けた開発ができる環境です。 ※国内外の出張が発生いたします。将来的に海外駐在の可能性がございます。 ※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】 ※担当業務によって異なります。 ・C、C++、Pythonなどのプログラミング言語 ・ROS、OpenCV、Autowareなどのミドルウェア ・GitHub/JIRA/Confluenceなどのソフトウェア構成管理、プロジェクト管理・情報共有ツール ・MATLAB/Simulinkの設計、シミュレーション、Linux、Dockerなどの開発環境

【具体的には】 ※ご経験/スキル/志向に合わせ詳細業務を決定します。 AIを実行するロジック半導体の省電力化と演算性能向上を目指し、以下研究開発をお任せします。 ーSoC向けAIモデル研究開発ー ・AI SoCに用いるAIモデルの調査および選定 ・アルゴリズム設計・実装・学習・最適化 ・AI SoC上での推論性能評価 ※様々な開発部門、お取引先様・共同研究先様と連携して業務を進めていただきます。 ※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】 ●プログラミング言語(C/C++/Python 等) ●開発環境(Github/Docker/AWS等) ●ライブラリ(PyTorch/ONNX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 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)

※ご経験/スキルに合わせて詳細業務を決定します ◇次世代自律システム(ロボット、ドローン等)の開発 ◇制御・知能化アルゴリズムの構築、および実機・管制システムへの実装、テスト、評価 ◇提供価値のPoC(概念実証)を通じた、継続的なシステム改善 など ●具体的な業務 三菱電機の多様な事業ドメイン(宇宙、電力、交通、ビル、製造等)における自律型システムの社会実装に向け、以下のサイクルで開発を推進いただきます。 ◇最新技術の調査・アルゴリズム設計 ・ロボティクス、AI、制御に関する最新論文の調査と、自社課題への適用検討 ・ROS2等のミドルウェアを活用した、統合システムのアーキテクチャ設計 ◇デジタルツインを用いた仮想検証 ・シミュレータを用いた、実環境を模した仮想空間の構築 ・開発したアルゴリズムのシミュレーションによる検証 ◇実機実装およびフィールド検証 ・自律システム(ロボット、ドローン等)へのソフトウェア実装 ・実験場や実際の現場における実機検証の実施、および発生した課題に対するデバッグと改善 ◇継続的学習基盤の構築と改善 ・実機検証やシミュレーションから得られたログデータを収集・解析し、システムの知能を向上させるためのデータパイプラインの構築 ・現場でのフィードバックを基にした、UI/UXやインターフェースの改善 ◇領域横断的なチーム連携 ・各事業部門の専門技術者と連携し、現場特有の制約条件を考慮したシステム要件の定義 ・スピード感を持ったプロトタイピングを通じて、技術の確からしさを早期に証明する活動 【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 ●使用言語、環境、ツール、資格等 ・使用言語: Python, C++ 等 ・環境: ROS, Linux, Omniverse (Isaac Sim) 等 ・ツール: Git, Docker 等 ・資格: 特定の資格は不問

【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 市場でのシステム利用状況や弱点を早く正確に把握することが、競争力を高める鍵です。そのため、市場走行車両データやテストデータ、市場の声など多様なデータを収集・分析し、商品開発にフィードバックするデータドリブン開発/ユーザーインザループ開発を推進します。 当部門は、この開発を支えるデータサイエンス・データ分析・データ利活用を担い、以下の業務を行います。 ・市場走行車両データやテストデータの分析を通じ、商品改善や価値創出につながる提案を行う ・データに基づく製品改善(データドリブン開発)や、ユーザーの声の継続的反映(ユーザーインザループ)を実現するためのデータ活用環境の構築・展開 ・プロダクトにデータで寄与する自由な企画～実装～実現 尚、他部門や外部パートナーとの連携、海外拠点との共同研究・デモンストレーションなど、グローバルなやり取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】　 ●言語: Python, SQL等 ●データ分析・AIライブラリ: pandas, Polars, NumPy, SciPy, scikit-learn, PyTorch等 ●AWS: Amazon Athena,Amazon Redshift, Amazon SageMaker等 ●CI/CD: GitHub, Docker,CDK, Terraform等 ※全てについて使用経験がある必要はありません。

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

【職務概要】 アイリスオーヤマグループのシンクロボ社にて制御系ソフトウェアの開発業務を担当いただきます。 【具体的には】 ・自律清掃ロボットのためのアルゴリズム・ソフトウェア開発 ・ロボットOSのシステム(OTAアップデート、セキュリティ、ライセンス管理)構築 ・ソフトウェア部品の統合 ・センサ・制御・AIの連携 ・シミュレーター(Gazeboなど)での検証

【募集概要】 JR西日本グループ全体のデータ駆動型経営(DX)を技術面から支える、横断組織のマネージャーを募集します。 本ポジションは、特定の事業部を支援するのではなく、全社で利用する「データの土台(基盤)」や「分析のルール・標準」を整備し、組織全体のデータ活用レベルを引き上げる「技術のハブ」としての役割を担っていただきます。 【具体的な業務内容】 「技術開発・先行導入」の観点から、以下の業務を遂行いただきます。 ●技術力向上と成果のアセット化: データサイエンスのケイパビリティを持つメンバーの技術力底上げ、共通ライブラリの開発、R&D 活動を通じビジネス成果の技術的な観点からのアセット化の推進。 ●ピープル・組織マネジメント: 技術志向の強いデータサイエンティストの育成、キャリア支援、チームビルディング、および組織マネジメント。 ●技術的課題解決と推進: 全社的なデータ活用における技術的課題を特定し、その解決に向けたロードマップの策定と進捗管理。 ●社内外との技術連携・調整: 新しい技術基盤の構築や技術導入に伴う、JR 西日本本体、IT 子会社、外部 SI ベンダーとの技術的な合意形成と連携。 【技術スタック】 ●言語・フレームワーク ・Python(pandas / polars を用いたデータ加工・分析) ・PySpark(分散データ処理の運用) ・FastAPI / Flask(API開発・運用) ・pytest(テスト設計・運用) ●データベース / SQL ・複雑なクエリ設計(window関数を用いた時系列データ処理・順位付け) ・WITH句(CTE)を活用した可読性の高いクエリ設計 ・explainを用いたクエリチューニング ・JSON等のネストデータ処理 ●クラウド ・Azure(Blob Storage / ファイル共有 / VM運用・コスト管理 / ネットワーク) ・GCP(BigQuery / Gemini API) ・AWS(S3 / ECR / EKS / Bedrock / CloudShell) ●データ基盤 / ワークフロー ・Databricks(コード管理 / ダッシュボード / ワークフロー運用 / Apps) ・Airflow / dbt / Dagster / Airbyte(データパイプライン構築・運用) ●インフラ / DevOps ・Docker / Terraform(IaCによる環境構築) ・GitHub(バージョン管理 / GitHub Actions / Copilot活用) ●開発環境 ・VS Code / Claude Code / GitHub Copilot

具体的にお任せしたい業務領域は以下です。 ・みんかい システム開発に関わる業務全般 ・みんかい システムの新規・既存案件のアーキテクチャ設計および実装 ・みんかい システムの安定稼働に必要な保守運用業務 ※業務の変更の範囲:会社の定める業務

データドリブン経営の推進がミッションです。 エンドユーザーが利用するためのデータ整備、データ・AI利活用のための環境整備と、環境を使っていくユーザーに対してのスキルアップの機会を提供します。 下記①、②が主な業務となります。 <①ビジネスサプライ事業のデータ分析基盤構築・運用・利活用促進> 1.データパイプラインの開発・運用 様々なデータソースからデータを収集し、データ分析基盤に連携し、ビジネスユーザーに提供するまでのETL/ELTパイプラインの構築 2.データ分析基盤内のデータ管理 データウェアハウスの設計・構築・運用、データの正確性・一貫性を保つためのデータ品質管理 3.データ分析AIエージェントの提供 データ分析基盤において、セマンティックレイヤーを整備し、それを活用するためのAIエージェントを開発し、エンドユーザーに提供 4.データ分析基盤の設計・構築・運用 ビジネスユーザーと協力しながらデータ活用による課題解決や価値創造につながるユースケースの実現とそれを可能にするデータ環境の整備 5.データ分析環境の提供 ビジネスユーザーやデータアナリスト・データサイエンティストが効率的にデータを分析するためのBIツールやAI環境の整備 <②コクヨグループとパートナー企業へのデジタルスキル向上支援> 6.KOKUYO DIGITAL ACADEMYでの技術支援 AI・IT・データに関する知識の獲得とスキル向上を目的としたプログラム(講座と実践)のテクニカルサポート 【部門について】 <データドリブン推進ユニット> データドリブン推進ユニットは2023年5月に発足し、コクヨ内でデータとテクノロジー利活用において最先端を走るチームです。 私たちは、開発とユーザーサポート活動のスピードと質を継続的に高めるために、アジャイル(スクラム)手法を導入しています。 2週間を1スプリントとし、スプリントプランニング(計画)、スプリントレビュー(成果確認)、レトロスペクティブ(振り返り)のサイクルを回しながら、日々の業務に取り組んでいます。 <組織構成> ①データテクノロジーグループ:ユニット長兼グループリーダー1名、メンバー2名(データエンジニア、データサイエンティスト) ②データアナリティクスグループ:グループリーダー1名、メンバー3名 他、コクヨの人材プログラムである「20%チャレンジ(全工数の20%を社内複業として別ミッションに充てる)」で参画しているメンバーが4名所属 【ビジネスサプライ事業について】 配属先となるビジネスサプライ事業は、文具や家具にとどまらずオフィスで使うものをトータルでお届けする流通事業を担っています。ニーズに合わせてサービスを多角化させながら、オフィス用品購入の効率化と販売店側の受発注業務の効率化をサポートしています。EC購買のニーズが高まっている法人向け通販市場をベースに継続的な事業拡大を目指しています。

●ミッション 「テクノロジーの力で産業構造を変革する」 フィジカル領域にも生成AIの波が押し寄せる中で、大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を推進し、実現場で安全かつ安定して価値を発揮する形で社会実装することで、お客様の現場課題を根本から解決へ導きます。 そのために本ポジションでは、Embodied AI/VLA(Vision-Language-Action)を含む大規模基盤モデルの研究開発を中核として、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。 プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、現場要件に沿ったモデル方針の策定から、品質を担保する評価設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。 また、組織としての研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。 ●業務内容 大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を中核として推進いただくポジションです。単にモデルを作って終わりではなく、学習データ収集からシミュレーション構築、sim2real、実機での検証・改善を回しながら、得られた成果をプロダクトやソリューションへ落とし込み、現場価値として継続的に届け切るところまで一気通貫で担っていただきます。 ・Embodied AI / VLAの研究開発 　ｰEmbodied AI/VLAを用いたロボット制御・動作生成の調査、設計、学習、実装 　ｰ模倣学習や強化学習等を用いたエンドツーエンド方策の開発、実験設計、性能評価 　ｰ実機制約(レイテンシ、計算資源、安全性)を踏まえた推論最適化、モデル軽量化・高速化、バスト性向上(ノイズ/外乱/環境変化への耐性) ・学習データ収集・データ基盤整備 　ｰ実機・現場からのセンサデータ/操作ログ/デモの収集設計(テレオペ、デモ収集、計測設計)、評価用データ整備と継続的なデータ更新 　ｰデータ品質管理、アノテーション方針、学習/評価に使える形への整形・再現性確保(データセット/メタデータ設計) 　ｰ合成データの作成戦略作りおよび活用 ・シミュレーション環境構築 　ｰ物理シミュレーション/閉ループシミュレーションの開発・運用、学習や評価を回せる環境・ツールの整備(キャリブレーション、センサ/アクチュエータ/制御のモデリング含む) ・評価・ベンチマーク設計 　ｰタスク成功率だけでなく、安全性、異常系耐性、環境変動への頑健性、運用時の安定性を含めた評価設計 　ｰオフライン評価(ログ/リプレイ/シミュレーション)とオンライン評価(実機/現場)を組み合わせた継続的な性能モニタリング 　ｰデータ収集と評価を一体で回し、改善の根拠を定量化 ・プロダクト/現場価値への接続(価値提供まで一気通貫) プロジェクトマネージャと連携した現課題の整理、要件定義(安全・品質・コスト・運用制約)とモデル方針への落とし込み 　ｰプロダクト/プラットフォームを支えるエンジニアと連携し、学習・評価・推論のパイプライン、運用設計、現場導入、改善運用(再学習/再評価/リリース)まで推進 　ｰ導入後の運用データを活用した継続改善、再利用可能なコンポーネント化・横展開 ・チームリーディング、技術横展開・技術発信 　ｰ技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上 　ｰメンバー育成やカルチャー醸成への貢献 　ｰ技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・テックブログ等) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

当社のマルチモーダルAI技術全般をリードするAIエンジニアとして、最先端モデルの研究・開発・PoCを担当いただきます。 ・マルチモーダル機械学習におけるアルゴリズムの調査・検証および個別ドメイン向けカスタマイズ・追加学習 ・テキスト、画像、音声等の異種データを統合した独自データセットの構築 ・先進的なAI技術のビジネス展開に向けたプロトタイプ開発および事業部連携によるPoC ・研究成果の知財化(特特許化)および査読付き国内・国際学会での論文発表 【開発環境】 ・言語:Python(PyTorch、Transformers、FastAPI 等) ・クラウド:Microsoft Azure(Container Apps、GPU workload profile 等) ・ツール:Docker、GitHub、VS Code、Jupyter ・データ:動画(YouCook2等の公開データセット、独自収集データ)、音声、センサ時系列データ 【研究支援】 ・GPU計算資源(クラウドGPU利用可) ・論文執筆・学会参加費用の会社負担 ・関連書籍・オンラインコースの受講支援 ※共同研究に伴い、共同研究先(国外含む)での業務が発生する可能性あり

●主に担当する業務内容 画像認識AIを用いたプロダクト開発・ソリューション開発 プロダクト開発・運用 アルゴリズム・モデルの組み込み実装 プロトタイプの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。 肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術‧開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務