機械学習・データ活用 PythonのITエンジニア求人・転職情報

「データ分析はしたが、結局ビジネスに使われなかった」……そんな経験はありませんか? 当社では、ECの売上を最大化させるレコメンドエンジンの実装や、総合商社の意思決定を支える統計解析など、事業の根幹に関わるプロジェクトが主戦場です。 【具体的な業務例】 自然言語処理(NLP): 故障受付のメモなどのテキストデータをAmazon Comprehend等で解析し、タグ付けや分類モデルを構築。 データエンジニアリング: AWS GlueやSnowflakeを用いたデータクレンジング、前処理の自動化、ダッシュボード化(QuickSight等)。 統計解析・EDA: Python(Pandas/Matplotlib)を用いた探索的データ解析、特徴量エンジニアリング、モデルの精度改善。 ●あなたらしい働き方をサポート 【会社概要】 「個」の才能を解き放つ。クラウドワークスグループが描く、新しいエンジニアの在り方。 私たちクラウドワークスコンサルティング(CWC)は、日本最大級のクラウドソーシングプラットフォームを展開する、東証グロース上場・クラウドワークスのグループ会社です。 私たちが目指しているのは、エンジニア一人ひとりが「会社都合の案件」に縛られることなく、自らの意志でキャリアを切り拓ける環境です。 1. 圧倒的な背景:グループ累計90万社超の顧客基盤 大手企業の基幹システムから最先端のDXプロジェクトまで、グループが持つ膨大なネットワークの中から、あなたの「次に伸ばしたいスキル」に合致する案件をプロの視点でマッチング。この「選択肢の広さ」が、あなたのキャリアの自由度を支えます。 2. エンジニアファーストの体現:アサインへのこだわり 「会社がアサインを決める」のではなく、「あなたのキャリアから逆算してプロジェクトを選ぶ」。この文化を徹底するため、現在も給与・評価制度や福利厚生を現在進行形でアップデートし続けています。 3. 共に創る、ITの未来 エンジニア、コンサルタント、そしてプラットフォームに集う多くのプロフェッショナルたち。多様な才能と共創しながら、顧客の課題を解決し、同時にあなた自身の市場価値を最大化していく。 CWCは、技術を愛するすべての人が、もっと自由に、もっと欲張りに成長できる場所であり続けます。 【当社の特徴】 “成長も、安定も。 選べる機会がここにある。” クラウドワークス コンサルティングでは、一人ひとりの意思を尊重したキャリア形成と働き方を大切にしています。 上流から下流まで幅広い工程、開発からインフラ・クラウドまで多彩な技術領域、金融・製造・通信など多業種にまたがる案件。その中から、自分の志向やライフステージに合わせて選択できる環境があります。 挑戦したい人には成長の機会を 、 安定を求める人には働きやすさを 。 エンジニア一人ひとりが主体的に未来を描ける、それが弊社の特徴です。

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 当社SaaSプロダクト「PROEVER」のプロダクトエンジニア(AI・アプリケーション基盤)として、競争優位性の核となるAIエージェント機能の開発と、それを支えるバックエンド基盤の実装をリードしていただきます。 現在は少数精鋭の体制のため、定型的な管理業務ではなく、自ら手を動かして未知の技術課題をブレイクスルーしていく役割です。 ・AIエージェント基盤構築: Azure AI Foundry / Azure OpenAI をフル活用し、LangGraph.js等を用いたマルチステップ推論・自律型ワークフロー制御のバックエンド実装。 ・RAG(検索拡張生成)の最適化: Azure AI Search や Vector DB を用いた検索拡張生成システムの設計・チューニング。 ・LLMの品質・ガバナンス担保: AIの回答精度向上、およびZod等を用いた出力構造化、ガードレール(安全性・セキュリティ)の仕組みづくり。 ・データアクセス&パイプラインの構築: 複雑なプロジェクトマネジメントデータをAIが最適に解釈・処理できる形式へ変換するパイプラインの開発、および Hasura (GraphQL) / PostgreSQL を用いた効率的なAPI開発。 ・技術組織への還元: コードレビューや設計レビュー、最新のAI技術調査・評価を通じて、チーム全体のAI技術力の底上げ。 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数体制(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

画像生成を用いたクリエイターの支援開発 《関連記事》 ●サイバーエージェント × エンタメについて ・[【エンタメ×テクノロジー】エンタメテックを次の事業の“柱”にエンタメテックにおける強み](https://www.cyberagent.co.jp/way/list/detail/id=28674)

●役割 アドバンスドテクノロジー部門のコアメンバーとして、当社のAI戦略の土台と最前線の両方を担っていただきます。 「どのLLMを使うか」という外部依存の設計ではなく、GPT, Claude, Geminiなどをコストやレイテンシーに応じて動的にルーティングする自社ゲートウェイや、570万超の人事データを絶対に他社と混ざらないよう分離制御するセキュアなRAG基盤をあなた自身の設計でゼロから生み出す、エンジニアとしての最高峰の挑戦ができるポジションです。 ●職務内容 Webアプリケーション基盤の設計から、新製品への組み込み(PoC〜本番化)までを一気通貫でリードしていただきます。 ● 共通AI/Webアプリケーション基盤の開発 ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Amazon Bedrock等)のAPI統合、およびモデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズSaaSに必須となるマルチテナント性やデータ分離(他社データを混在させない強固なセキュリティ)を徹底した、セキュアなAIデータパイプラインの構築 ● フルスタック開発・スケーリングの主導 ・プロトタイプの高速な開発(PoC)による仮説検証のリード ・PoCで得たロジックを、数万人以上のユーザーが同時に利用する本番環境へ耐えうるアーキテクチャに昇華させるスケーラブルな実装・パフォーマンスチューニング ・フロントエンドの状態管理(ストリーミング応答のUI/UX等)から、非同期処理・インフラ構築に至る全レイヤーの実装 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) 言語:Java/TypeScript/Kotlin/Python Cloud: AWS/Google Cloud/Azure/OCI DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform 開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma 生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

●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

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化・AIOpsの共通基盤化を推進するSRE組織のマネジメントをお任せします。 技術戦略の策定とピープルマネジメントの双方をリードする重要なポジションです。 ● 組織・ピープルマネジメント ・3～10名規模のSREチーム(メンバー・リーダー)のマネジメント(1on1、評価、目標設定、キャリア開発支援) ・AIOpsなど新たな技術領域に挑戦するエンジニアの採用活動、およびオンボーディング ・運用自動化・信頼性向上に向けた、自律的・主体的に課題解決が行われる組織文化の醸成 ● 運用効率化・自動化の技術戦略リード ・大規模環境(数千〜数万インスタンス)における、IaCの高度化・共通化の戦略・ロードマップ策定 ・AI/機械学習を活用した障害の予兆検知や根本原因特定の自動化(AIOps)の共通基盤化の推進 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化の意思決定リード ・SLO/SLI設計をはじめとする信頼性指標の定義と、それに基づく組織的な改善活動の推進 ・他チーム・他組織と連携した、運用要件・非機能要件の調整 技術がわかるマネージャー(プレイングマネージャー)として、現場の技術力と組織のアウトプット最大化の双方にブリッジをかけていただきます。

【役割】 高いエンジニアリング力を活かし、自社製AI/LLMゲートウェイのスクラッチ開発や他社データを混在させないセキュアなRAG基盤構築の設計・実装の先頭に立っていただきます。 基盤の開発進捗とご自身の希望・適性を見ながら、半年〜1年を目安に以下のステップでシームレスにマネジメント領域を拡張していただきます。 ・コアコンポーネントの設計・実装、および技術的リーダーシップの発揮 ・PdMや各プロダクトチームとの仕様折衝、ロードマップの共同策定 ・メンバー(5〜10名規模)の目標設定・評価・1on1、およびエンジニア採用の主導 ※「コードから完全に離れるピープルマネジメント専任」ではなく、「技術がわかる強いEM(プレイングマネージャー)」としての活躍を期待しています。 【職務内容】 ●共通AI/Webアプリケーション基盤の開発リード ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI統合、モデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズ要件(マルチテナント性、強固なデータ分離)を徹底したセキュアなデータパイプラインの構築 ・PoC(仮説検証)から、数万人規模の同時接続に耐えうる本番環境へのスケーリング・パフォーマンスチューニング ●プロジェクト及びピープルマネジメント ・プロダクトマネージャー(PdM)と連携した、全社AI基盤の要求定義と開発マイルストーンの策定 ・開発チーム(5〜10名規模)のスクラムイベントのファシリテーション、タスクアサインと進捗管理 ・メンバーのコードレビュー、技術的メンタリングによるAIエンジニアリング力の底上げ ・将来的な、メンバーの目標設定・評価・キャリア開発支援(1on1)、および新規エンジニアの採用面接 ●部門説明 【所属部署・配属組織】2026年6月現在 アドバンスドテクノロジー部門 約80名※協力会社社員含む └先端技術の研究・開発に取り組む研究開発部門(立ち上げ当初30名から倍以上に成長) └各製品/開発領域で組織が分かれ、それぞれ5~10名規模のグループ(チーム)が存在 【特徴・チームワーク】 ・エンジニアが企画から開発まで一貫して携われる、一部門としてはスタートアップのような運営形態 ・「COMPANY」に蓄積された膨大かつ豊富な種類のデータを活用して新しい価値を創造するやりがい ・チーム内での技術の情報共有が積極的、デイリーミーティングによるサポート体制、アットホームな雰囲気 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

●主に担当する業務内容 画像認識AIのアルゴリズム・モデル開発 調査テーマの提案 アルゴリズム・モデルの調査・評価 アルゴリズム・モデルの改善・軽量化 PoCの実施 プロダクトの開発 ●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

【役割】 圧倒的な実装力を活かし、「自社製AI/LLMゲートウェイのスクラッチ開発」や「他社データを絶対に混在させないセキュアなRAG基盤」のコアロジック実装(プレイングの先頭)を担っていただきます。 その後、半年〜1年を目安に以下のステップで「技術への責任範囲」を全社規模へと拡張していただきます。 ・基盤のコアコンポーネントの自らによる実装、および技術的ブレイクスルーの体現 ・全社プロダクトが利用するAI組み込みガイドライン、自動テスト戦略、CI/CDパイプラインの策定 ・部署横断での技術選定、難解なシステムトラブルの最終エスカレーション対応、およびADR(アーキテクチャ決定記録)の主導 ※ピープルマネジメント(評価・労務管理)の責務はありません。「純粋に技術とプロダクトの品質でチームを引っ張るスペシャリスト」としてのキャリアをお約束します。 【職務内容】 ●基盤アーキテクチャの設計・技術選定 ・AI Readyなデータ基盤のアーキテクチャ設計、開発のアーキテクチャ全体のグランドデザイン ・非機能要件(レイテンシー、スケーラビリティ、可用性、強固なマルチテナントセキュリティ)を担保するクラウドインフラ(AWS等)およびバックエンドの設計 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI動的ルーティング、およびコスト・応答速度最適化ロジックの考案 ・中長期的な視点に立った技術的負債の返済計画策定と、CI/CD環境のモダン化 ●コアコンポーネントの実装・品質担保 ・基盤における「最も技術的難易度の高い10%のコード」のハンズオン実装 ・PoC(仮説検証)コードから、数万人規模の同時接続に耐えうる本番クオリティへのリファクタリング主導 ・厳格な自動テスト(Unit, E2E, 負荷テスト等)の設計と仕組み化による「落ちないインフラ」の実現 ・チームメンバーへの高度なコードレビュー、およびペアプログラミング等を通じた技術メンタリング ●技術スタック ・チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

CTO直下のAI Labチームにソフトウェアエンジニアとして所属し、各事業及び経営基盤の業務における生成AI応用のイネーブリングを行います。 仕事の進め方 プロジェクトに携わる前の段階で、CARTAの20ある事業を横断し、生成AIで解くべき課題を探します。以下のようなプロセスで課題を網羅的に探索しています。 ▼基盤整備 ・全社の土台を整え、各事業で自走して生成AIのビジネス成果を開発できるよう、再利用できるインフラ基盤、ツール、ライブラリ、ガードレール、データフロー類を整備し、横断的に提供する ・新技術の探索と研究を通じて、この先使うべき手段を見定める ・社内外に知見を発信し、CARTAとしての開発生産性とプレゼンスを高める ・AI Lab自身の業務エージェント適応度を向上し、モデルケースとして展開する ▼事業適用 CARTAの生成AI推進ステアリングコミッティと連携し、全社として取り組むべき課題を探索し、真に取り組むべきものを自ら選定します。 以下のようなプロセスで取り組みを進めます。 ●ヒアリング・要求分析 優先度の高まった事業のチームへのヒアリングや観察を通じて問題の解像度を高め、真に事業価値として必要なものを見出す ●何をどのように進めるのかを決める ・どのような方法で、課題を解くのが効果的かつ効率的なのかを考え、事業メンバーと共に決定する ・変化の激しいAI進展と事業環境に耐えうる堅牢性・柔軟性を両立する技術選定が求められる ●実装する 高速なフィードバックサイクルを回し、"作らない"手段も含めて解決策を実現する ●継続して改善する プロダクトのバックグラウンドとなる、Web開発技術・生成AI技術関連のツールセットや開発手法について、継続して投資し、良いプラクティスを探索する。CI/CD、LLM-as-a-judge、LLM自体のモニタリング、ソフトウェア自体のオブザーバビリティの向上など、システムを継続して利用する上でのツール及び運用改善に取り組む ●成果を横展開する 成功事例も学びも含めて、得られた知見をもとに伝播・展開・研鑽することまで全て業務範囲です 開発環境・利用しているツール ●バックエンド Python, Go ●フロントエンド TypeScript, React ●生成AI関連ツール ・基盤モデル: OpenAI, Anthropic Claude, Google Gemini (Vertex AI) ・ツール: LangChain, Langfuse ●インフラ Google Cloud, AWS ●プロビジョニングツール Terraform, CDK ●コード管理 GitHub ●コラボレーション Google Meet, Slack

メディア事業の横軸組織であるData Science Center (DSC)に所属しながら、WINTICKETのビジネス課題解決に向けてコミットします。主に、プロダクトマネージャーやマーケティングチームといったビジネスサイドのメンバーと密に連携しながら、データサイエンスを用いた効果検証、施策立案、機能設計など事業成長につながる意思決定を推進する役割を担っています。また、事業やプロジェクトの状況によって、施策実行、機能開発、研究開発、事業全体のデータ利活用環境といったデータに関わる幅広い領域を担当しています。 新規ユーザーの獲得や既存顧客の投票最大化といったプロダクトの主要チームの一員として、データサイエンスの領域を牽引し、事業成長を加速させる主力データサイエンティストの役割を担当していただきます。 具体的な業務例1. 新規ユーザー獲得の効率化と競技理解の促進 WINTICKETは、「競輪を若者の新たなエンタメへ」を掲げ、新規ユーザーの獲得による市場拡大と事業成長を目指しています。ユーザーの獲得効率や新規登録後の利用状況を分析・予測し、効果的な獲得戦略に貢献しています。また、登録意向のあるユーザーの登録率を高めるため、登録導線の状態把握、課題発見、施策立案、A/Bテストの設計・実施を担当し事業改善に取り組んでいます。 他にも、競輪未経験の新規ユーザーがより競輪を楽しむための取り組みとして、的中確率の高いレースを予測し、提示する機能をリリースしました。これによって、的中体験に加えて、競輪が持つチーム戦のような競技性の理解を促進され、継続利用につながりました。この予測結果は、「ABEMA」の競輪・オートレースチャンネルのオリジナル番組「WINTICKET ミッドナイト競輪」内でも活用されています。 https://abema.tv/now-on-air/keirin-auto その後、予測対象の拡張と精度改善をデータチーム主導で実施し、AI予想のアップデート施策につながりました。 https://www.winticket.jp/keirin/column/n4ugtMn1hWayiVERBqWQnC 具体的な業務例2. チェックイン施策のレバー決定支援 2024年にチェックイン機能がリリースされました。チェックイン機能は、チェックインキャンペーン対象のレースが開催されている競輪場に来訪することで利用でき、投票に使えるポイントが付与される機能です。 https://www.winticket.jp/keirin/column/tHMhLp78wN3epXm7Rp6gUE チェックイン機能による来場者目標の達成のためのポイント決定を支援するため、実施計画の検討やアンケート設計を通した来場予測を担当しています。また、効率的な機能運用を実現するため、来場促進によるユーザー行動の変化や位置情報を用いた不正チェックインの判定・抑制にも取り組んでいます。 その他の業務について ・キャンペーン施策やリテンション施策の効果検証と最適化 ・過去の不正利用ユーザーの行動パターンからリスク判定する機能の検討・開発 ・アンケートデータを用いたユーザー観点でのサービス改善 ・各種施策のA/Bテストの設計・実施 ・ダッシュボードやBIツール活用環境の改善検討 ・事業全体のデータ利活用成熟度向上のための取り組み といった様々なプロジェクトがあり、データチームからの提案で始まるプロジェクトも増えつつあります。 現在利用している主な環境、言語・ライブラリ、ツール ・プログラミング言語: Python, R, SQL ・インフラ: Google Cloud Platform (BigQuery、Vertex AIなど), Docker ・開発支援ツール: GitHub, GitHub Copilot, VSCode, Cursor, ChatGPT Enterprise ・BIツール: Tableau 会社概要 1998年の創業以来インターネットを軸に事業を展開し、スマートフォン向けに多数のコミュニティサービスやゲームを提供しているサイバーエージェント。 メディア事業部は2004年にブログを中心とした「Ameba」をリリース。 アバターサービス「アメーバピグ」、「タップル」「CROSS ME」をはじめとするマッチングアプリ、 ビジネスパーソン向けWEBメディア「新R25」や新しい未来のテレビ「ABEMA」を開始するなど、インターネット産業の変化にあわせて様々なメディアサービスを提供しています。 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています!

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化・AIOpsの共通基盤化を推進するSRE組織のマネジメントをお任せします。技術戦略の策定とピープルマネジメントの双方をリードする重要なポジションです。 ● 組織・ピープルマネジメント ・3～10名規模のSREチーム(メンバー・リーダー)のマネジメント(1on1、評価、目標設定、キャリア開発支援) ・AIOpsなど新たな技術領域に挑戦するエンジニアの採用活動、およびオンボーディング ・運用自動化・信頼性向上に向けた、自律的・主体的に課題解決が行われる組織文化の醸成 ● 運用効率化・自動化の技術戦略リード ・大規模環境(数千〜数万インスタンス)における、IaCの高度化・共通化の戦略・ロードマップ策定 ・AI/機械学習を活用した障害の予兆検知や根本原因特定の自動化(AIOps)の共通基盤化の推進 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化の意思決定リード ・SLO/SLI設計をはじめとする信頼性指標の定義と、それに基づく組織的な改善活動の推進 ・他チーム・他組織と連携した、運用要件・非機能要件の調整 技術がわかるマネージャー(プレイングマネージャー)として、現場の技術力と組織のアウトプット最大化の双方にブリッジをかけていただきます。 ●技術スタック サーバーサイド: Java, Python フロントエンド(言語):HTML, CSS, JavaScript フロントエンド(ライブラリ):Vue.js データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat クラウド: Amazon Web Service CI/CD: Jenkins, AWS CodeBuild, AWS CodePipeline 構成管理:AWS CloudFormation, AWS CDK, Ansible モニタリング:CloudWatch, AppDynamics, Datadog ソースコード管理: Git, Gitlab, GitHub タスク管理:Redmine 開発ツール:Visual Studio Code コミュニケーション: Slack, Google Workspace

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化とAIOpsの共通基盤化における技術的リードをお任せします。SRE領域の技術責任者として「大規模運用をどう自動化・最適化するか」の道筋を立て、最適な技術選定とアーキテクチャ設計を行います。 【アーキテクチャ設計・技術選定】 ・大規模環境(数千〜数万インスタンス)における、プロビジョニング・パッチ適用・設定管理を徹底的に自動化するIaCの高度化・共通化のグランドデザイン ・膨大なインフラログ・メトリクスを効率的に集約し、AI/機械学習を活用して障害の予兆検知や根本原因特定を自動化する仕組み(AIOps)の共通基盤の設計 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化 【開発リード・技術的品質担保】 ・難易度の高いコアコンポーネント(自動化基盤、オブザーバビリティ基盤、AIOpsパイプライン等)の自らによる実装(ハンズオン) ・PoC(概念実証)の実施による新技術の検証と本番適用のリード ・SLO/SLI等の信頼性指標を担保する非機能要件の設計 ・コードレビューやADR(アーキテクチャ決定記録)を通じた、SREチーム全体の技術力底上げ・メンタリング 技術選定からコア実装、品質基準の策定までを一貫して牽引し、当社の開発プロセスにおける技術的支柱(テックリード)として、組織全体の開発者体験と技術力を一段引き上げていただくことを期待しています。 プレイヤーとして最前線で手を動かしながら、自ら確立した「型」を全社の標準として浸透させ、エンジニアが本質的な開発に集中できる環境を技術の力で実現していただきます。 【技術スタック】 サーバーサイド: Java, Python フロントエンド(言語):HTML, CSS, JavaScript フロントエンド(ライブラリ):Vue.js データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat クラウド: Amazon Web Service CI/CD: Jenkins, AWS CodeBuild, AWS CodePipeline 構成管理:AWS CloudFormation, AWS CDK, Ansible モニタリング:CloudWatch, AppDynamics, Datadog ソースコード管理: Git, Gitlab, GitHub タスク管理:Redmine 開発ツール:Visual Studio Code コミュニケーション: Slack, Google Workspace

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化とAIOpsの共通基盤化における技術的リードをお任せします。SRE領域の技術責任者として「大規模運用をどう自動化・最適化するか」の道筋を立て、最適な技術選定とアーキテクチャ設計を行います。 【アーキテクチャ設計・技術選定】 ・大規模環境(数千〜数万インスタンス)における、プロビジョニング・パッチ適用・設定管理を徹底的に自動化するIaCの高度化・共通化のグランドデザイン ・膨大なインフラログ・メトリクスを効率的に集約し、AI/機械学習を活用して障害の予兆検知や根本原因特定を自動化する仕組み(AIOps)の共通基盤の設計 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化 【開発リード・技術的品質担保】 ・難易度の高いコアコンポーネント(自動化基盤、オブザーバビリティ基盤、AIOpsパイプライン等)の自らによる実装(ハンズオン) ・PoC(概念実証)の実施による新技術の検証と本番適用のリード ・SLO/SLI等の信頼性指標を担保する非機能要件の設計 ・コードレビューやADR(アーキテクチャ決定記録)を通じた、SREチーム全体の技術力底上げ・メンタリング 技術選定からコア実装、品質基準の策定までを一貫して牽引し、当社の開発プロセスにおける技術的支柱(テックリード)として、組織全体の開発者体験と技術力を一段引き上げていただくことを期待しています。 プレイヤーとして最前線で手を動かしながら、自ら確立した「型」を全社の標準として浸透させ、エンジニアが本質的な開発に集中できる環境を技術の力で実現していただきます。 【技術スタック】 サーバーサイド: Java, Python フロントエンド(言語):HTML, CSS, JavaScript フロントエンド(ライブラリ):Vue.js データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat クラウド: Amazon Web Service CI/CD: Jenkins, AWS CodeBuild, AWS CodePipeline 構成管理:AWS CloudFormation, AWS CDK, Ansible モニタリング:CloudWatch, AppDynamics, Datadog ソースコード管理: Git, Gitlab, GitHub タスク管理:Redmine 開発ツール:Visual Studio Code コミュニケーション: Slack, Google Workspace

●組織のミッション DXイノベーションセンターは、「循環型 デジタル・エンジニアリング企業」の実現に向け、Serendie戦略を推進しています。グローバルで競争力のある事業DXを実現するため、技術・共創・人材・プロジェクト推進の4つの基盤を構築し、当社のイノベーティブ・カンパニーへの変革を牽引します。プラットフォーム設計開発部は、このうち技術基盤の中核として、共通プラットフォームの開発・運用・展開を担い、DX事業の立ち上げ迅速化とビジネスのスケール拡大に貢献します。 ●業務内容 事業部門と連携しながら、デジタルサービスの創出・高度化を支えるデジタルプラットフォームの開発・運営・展開、およびデジタルサービスの開発に携わっていただきます。加えて、関係者との調整やチーム内でのリードを通じて、プロダクト開発を主体的に推進いただくことを期待しています。 具体的には ・SaaS事業運営基盤、データ分析基盤、WebAPI連携基盤などの技術基盤の開発・運用・展開 ・アジャイル開発のもと、要件整理から設計・実装・運用まで一貫して関与し、関係者を巻き込みながらプロジェクトを主導 ・上記基盤の活用を前提とした各種デジタルサービス開発を、事業部門と連携しながら推進 【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 ・AWS, Azure, Google Cloud ・Snowflake(DB) ・GitHub(バージョン管理),GitHub Copilot(コーディングアシスタント) ・Python,TypeScript,Next.js,Node.js ・Teams (コミュニケーション),Jira (タスク管理),Confluence(ナレッジ共有),Miro(ホワイトボード)

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化・AIOpsの共通基盤化を推進するSRE組織のマネジメントをお任せします。 技術戦略の策定とピープルマネジメントの双方をリードする重要なポジションです。 ● 組織・ピープルマネジメント ・3～10名規模のSREチーム(メンバー・リーダー)のマネジメント(1on1、評価、目標設定、キャリア開発支援) ・AIOpsなど新たな技術領域に挑戦するエンジニアの採用活動、およびオンボーディング ・運用自動化・信頼性向上に向けた、自律的・主体的に課題解決が行われる組織文化の醸成 ● 運用効率化・自動化の技術戦略リード ・大規模環境(数千〜数万インスタンス)における、IaCの高度化・共通化の戦略・ロードマップ策定 ・AI/機械学習を活用した障害の予兆検知や根本原因特定の自動化(AIOps)の共通基盤化の推進 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化の意思決定リード ・SLO/SLI設計をはじめとする信頼性指標の定義と、それに基づく組織的な改善活動の推進 ・他チーム・他組織と連携した、運用要件・非機能要件の調整 技術がわかるマネージャー(プレイングマネージャー)として、現場の技術力と組織のアウトプット最大化の双方にブリッジをかけていただきます。

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

●あなたが決めること ご経験・キャリア志向に合わせて、以下を単独または組み合わせでお任せします。あわせてPMO/PM/PLとしてのプロジェクトマネジメントも担っていただきます。 ・ 評価の設計| LLM・AIシステムのコスト・品質を定量評価する指標の設計、効果測定、精度検証、ベースライン比較、LLM-as-a-Judgeの設計 ・要件の定義 |顧客のビジネス課題を、システム要件の前提となる論理的で明確なルールとして定義する。KGI/KPIの設計 ・価値の定義| そもそもこれをAIで作ることでビジネスにどうインパクトを与えるかを見極め、投資判断に踏み込む ・データ基盤・分析基盤の要件定義とリード| データパイプライン・DWH・データマート・CDPの設計、生成AI活用に向けたデータ整備 ・育成・マネジメント| 若手データサイエンティスト/データエンジニアの育成・マネジメント 【役割とプロジェクト推進体制】 ●アサインはこう決まります 入社後にどの案件から入るのかは、多くの方が気にされる点です。仕組みをそのまま書きます。 ・キャリア希望を、上長が定期的に吸い上げます。「次はこの領域に行きたい」という意思を出す場があります。 ・それに対して上長が「そのために何が必要か」を提示します。(必要な資格、身につけるべき技術、経験しておくべき工程) ・準備が整った段階で、営業が戦略的に次の案件を取りに行きます。本人の希望に合う案件を、こちらから顧客に提案する動き方をしています。 年功序列はありません。次の案件は勤続年数ではなく、本人の伸び方で決まります。単価は同一案件の中ではほぼ上がらず、案件が変わるタイミングで上がる構造です。だからローテーションを意図的に設計しています。 ●一人にはしません エンタープライズ企業の現場に入りますが、1人で放り出されることはありません。当社メンバーが複数名参画するチーム体制が基本です。事業部全体で約190名の組織で、修士・博士を含む専門家100名以上が在籍しています。案件で詰まったときに社内で聞ける相手がいること -常駐型で働くうえで、ここは決定的に重要だと考えています。 【事業部としてのバックアップ体制と働く環境】 ●評価と昇給 年功序列はありません。20代・30代前半で部長になったメンバーが複数います。管理職へのステップアップも、専門性を深めるキャリアも選択できます。 ●勤務スタイルについて 在宅勤務を組み合わせたプロジェクトが中心ですが、参画先によっては現場への常駐が基本となるプロジェクトも存在します。形式的な在宅比率に拘泥するのではなく、プロジェクトの価値創出のために最適な場所でパフォーマンスを発揮する姿勢を重視しています。 ●育成環境 資格取得支援:270種以上が対象、前期221名が利用(年600件・3年で5,000万円の支給実績)/AMBL PANEL(約460コンテンツの自己学習システム)/社外研修費 会社負担/修士・博士を含む専門家100名以上。機会は最大限・平等に用意します。掴むかはご本人次第です。

ゲーム領域における機械学習・AI活用を支えるためのML基盤、MLOps環境、データパイプライン、モデル運用基盤の設計・開発・運用を担当していただきます。 モデルやアルゴリズムを、再現性・拡張性・保守性の高い形で実運用へ接続する役割です。 研究開発とプロダクト運用の間にある技術的なギャップを埋め、ML活用を継続的にスケールさせるための基盤づくりを推進していただきます。 ●業務例 ・機械学習パイプラインの設計・構築・運用 ・モデル学習、評価、デプロイ、監視を行うMLOps基盤の整備 ・実験管理、モデル管理、特徴量管理、データバージョニングの仕組みづくり ・ゲーム内データ・ログデータ・シミュレーションデータの処理基盤構築 ・バッチ推論・オンライン推論・社内ツール向け推論APIの設計・運用 ・モデル性能、データ品質、推論結果のモニタリング・アラート設計 ・GPU・クラウド・コンテナ環境を活用した学習・推論環境の最適化 ・MLエンジニア・リサーチャーが効率よく開発できる社内開発環境の整備 ・セキュリティ、権限管理、コスト管理を考慮したML基盤運用 ●プロジェクト例 ・ゲームAI開発向けの学習・評価パイプライン構築 ・運営型ゲームにおけるバランス調整支援システムの基盤開発 ・生成AI・LLMを活用した社内制作支援ツールのバックエンド基盤 ・複数プロジェクト横断で利用可能なML実験・モデル管理基盤 ・非公開プロジェクトにおけるAI開発基盤の設計・構築

●プロダクト概要 本プロダクトは、サイバーエージェントのインターネット広告事業を支える営業支援プラットフォームです。CRM・SFAの概念を取り入れ、広告実績・配信データのリアルタイム可視化と案件管理を一元化した社内システムとして構築しています。 社内の開発者・依頼者・利用者が一体となってプロダクトを育てられる環境で、国内取扱高No.1のインターネット広告事業をシステムの側面から直接支えるポジションです。 ●業務内容 サイバーエージェントのインターネット広告事業を支える営業支援プラットフォームの開発を担当していただきます。 広告実績・配信データの可視化や案件管理を一元化する社内システムにおいて、Python(FastAPI)を用いたバックエンド開発を中心に、要件整理から設計、実装、運用改善まで一気通貫で携わっていただきます。 また、SnowflakeやAWSなどを活用しながら、大規模な広告事業を支えるデータ連携・システム基盤の整備や、新規機能開発、既存機能の改善にも取り組んでいただきます。 ●開発環境 ・言語:Python(Fastapi) ・FW : Next.js ・データ基盤:Snowflake ・インフラ : AWS, GitHub Actions, Datadog ・その他 : Claude Code

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。AI実装を支えるスケーラブルなデータパイプラインの設計・実装やエンジニアリングにおけるデータ活用高度化プロジェクトにおいて、そのスペシャリストとして参画いただくポジションとなります。 ・日本を代表するエンタープライズ企業をメインクライアントとするDX支援、AI実装、データ活用等の支援 ・DX化、AI活用を推進するために必要なデータ基盤の設計、構築・刷新推進 ・データ収集・加工・蓄積プロセスの設計による分析基盤の最適化 ・分析チームやビジネス部門と連携したデータ活用環境の高度化 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。機械学習モデルの実装から推論最適化、MLOpsの構築、実運用における保守・改善までを主導いただくスペシャリストとして参画いただくポジションとなります。 ・顧客のビジネス課題に基づいたAIシステムの設計・開発・運用 ・機械学習・深層学習を用いたAIモデル実装、および推論パイプラインの構築・最適化 ・MLOps基盤の構築、およびモデルのデプロイ・監視・継続的な精度改善フローの運用 ・生成AI(LLM等)を含む先端技術の調査・検証、および実務プロジェクトへの実装 ・データサイエンティストと連携したPoCの推進、技術選定・ベストプラクティスの確立 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

ゲーム開発・運用現場に深く入り込み、機械学習・最適化・生成AIなどの技術を活用して、プロダクト課題の発見から仮説設計、実装、運用改善までを一気通貫で推進していただきます。 単にモデルを構築するだけではなく、ゲーム開発に携わるプランナー、エンジニア、クリエイター、プロデューサーなど多様な職種と連携しながら、実際の開発・運用フローに組み込まれる形で技術を価値に変える役割です。 ●業務例 ・ゲーム開発・運用現場における課題探索、要件整理、技術的な解決方針の設計 ・機械学習、数理最適化、生成AI、強化学習などを用いたプロトタイプ開発 ・ゲーム内データ・ユーザー行動データ・レベルデータ等を活用したモデル構築 ・機械学習モデルや支援ツールの実運用導入、改善、効果検証 ・プロジェクト固有の課題に応じた技術調査、PoC、実装方針の提案 ・研究成果・技術成果の社内外発信 ●プロジェクト例 ・運営型ゲームタイトルにおけるバランス調整支援 ・パズルゲームにおけるレベル生成・難易度推定 ・対戦型ゲームにおける敵AI・行動AIの開発 ・非公開の新規ゲーム・研究開発プロジェクト

検索連動型広告において、MLエンジニアと協力して、高品質な広告文を自動生成・評価する手法の研究開発を行います。データパイプラインの構築と維持管理などのデータエンジニアリングや機械学習モデルのサービングなどの開発・運用業務を担当いただきます。また、希望に応じて、LLMなどの機械学習技術の活用し、MLエンジニアのサポートを得ながら、上記研究開発にも取り組んでいただきます。 ●クリエイティブがもたらす広告効果の探求 ●より強力なクリエイティブ効果予測AIの探求 ●質の高いクリエイティブの自動生成の探求 ●多種多様なデータの戦略的な活用と実践 ミッション インターネット広告事業で国内トップの事業者であり続けるために、最先端のAI技術を最速で導入し広告効果の最大化に貢献していくことが重要です。 広告クリエイティブの「品質」「量」「スピード」の向上を目指すべく、 機械学習および自然言語処理の技術を用いた極予測TDプロダクトの開発に取り組んでいただきます。 チーム体制/文化 ・現在ビジネスメンバー・エンジニア計4名ほどの組織 ・ビジネスメンバーとの距離も近く議論する文化があり、分析のフローや実験の設計などを決める裁量があります。 ・プロダクト内だけでなく、AI事業本部内の横軸として、データサイエンティスト/機械学習エンジニアメンバーによる勉強会や、実データを使った事業部内コンペも開催されています。 ・海外カンファレンスへの参加制度も豊富です。

募集ポジション 部署概要 AI事業本部 組織全体の7割以上が技術職で構成されているサービス開発組織です。 主に、AI を活用した広告クリエイティブの制作・マーケティング支援・対話サービスや小売・医療・行政領域の DX 支援サービスなど、 デジタルマーケティング分野をはじめとした約30の幅広い事業開発を行っています。 ●特徴 ・内部にAI研究組織「AI Lab」やデータサイエンティストの横断組織「DataScienceCenter」などの専門組織を設置 ・部署の垣根を問わず、ビジネス・開発・研究がシームレスに連携しより良い事業づくりに挑戦 ・技術選定/ツール/プロセスなどは各プロダクトごとで大きな裁量を持って決定、推進 ・技術者向けのキャリア支援、評価制度、カンファレンス補助などの環境整備にも注力 極予測TDとは 極予測TDは、AIを活用した広告テキストの効果を予測・自動生成するツールであり、広告事業の未来を切り拓くべく、最先端のAI技術を駆使したプロダクト開発を進めています。 常に変化する検索連動型広告の運用に対応し、広告効果の自動最適化を実現するため、「自動検知から即時生成、そして配信まで」を一貫して行う「トリガー運用」という機構を開発・導入し、より高精度な広告運用を可能としております。 今後は、Googleなど主要媒体が注力するサービスにも積極的に対応し、テキストにとどまらず多様なクリエイティブを幅広く展開していきます またAI技術の研究開発組織である「AI Lab」と連携することで、予測精度の向上や新しいクリエイティブ価値の創出を目指しています。 私たちは、AIの力で広告のあり方そのものを変革していく、刺激的な開発に取り組んでいます。 <参考> [AI Lab、情報検索・推薦システム分野のトップカンファレンス「SIGIR 2024」にて論文採択](https://www.cyberagent.co.jp/news/detail/id=30417) [AI Lab、自然言語処理分野のトップカンファレンス「ACL 2025」にて5本の論文採択](https://www.cyberagent.co.jp/news/detail/id=32078) チーム体制/文化 ●現在ビジネスメンバー・エンジニア計4名ほどの組織 ●ビジネスメンバーとの距離も近く議論する文化があり、分析のフローや実験の設計などを決める裁量があります。 ●プロダクト内だけでなく、AI事業本部内の横軸として、データサイエンティスト/機械学習エンジニアメンバーによる勉強会や、実データを使った事業部内コンペも開催されています。 ●海外カンファレンスへの参加制度も豊富です。 業務内容 検索連動型広告において、LLMなどの機械学習技術を活用し、高品質な広告文を自動生成・評価する手法の研究開発を行います。 ・クリエイティブがもたらす広告効果の探求 ・より強力なクリエイティブ効果予測AIの探求 ・質の高いクリエイティブの自動生成の探求 ・多種多様なデータの戦略的な活用と実践 ミッション インターネット広告事業で国内トップの事業者であり続けるために、最先端のAI技術を最速で導入し広告効果の最大化に貢献していくことが重要です。 広告クリエイティブの「品質」「量」「スピード」の向上を目指すべく、 機械学習および自然言語処理の技術を用いた極予測TDプロダクトの開発に取り組んでいただきます。

漫画のローカライズ性能を評価・改善するアルゴリズムの開発に取り組みます。 CV・NLPいずれか、または両方の専門性を活かしながら、漫画というマルチモーダルデータ(画像×テキスト)を対象とした高度な技術課題に挑戦していただきます。 画像内のコマ・物体・文字構造理解から、翻訳文脈制御・LLM活用まで、視覚と言語を横断した技術開発を担っていただきます。 <例> ●CV領域 ・ページ内のコマ、テキスト、フキダシ、オノマトペ、物体などの検出 ・オノマトペの文字認識 ・文字の除去と除去領域の生成 ・ページ内のオブジェクトの関係のグラフ化(SGG) 等 ●NLP領域 ・翻訳後のキャラクター口調の整合性を評価する手法の開発 ・LLMによる文脈を考慮した翻訳生成プロンプトの開発 ・特定ジャンルに特化した専門用語表現LLMの開発 ・長期コンテキストを活用する知識表現・RAGの開発 ・マルチモーダルLLMを活用した画像×テキスト統合理解 事業内容 ・日本エンタメ作品のローカライズ化におけるデジタルマーケティングの戦略策定および実行支援 ・原作者はもちろん、作品に携わる翻訳者や写植者、編集者など全てのクリエイターの作業をサポートするAI技術の研究・開発 ・当社がこれまで取り組んできた高度な自然言語処理技術を応用した、配信国や地域の文化や特性を考慮した表現方法および多言語対応や文脈理解などへの研究 等 これらのAI技術の研究・開発に一緒に挑戦していただける方を募集しています。 チーム体制/文化 ・立ち上げ部署のため、事業統括1名・PM1名・エンジニア1名が所属し、アドバイザーとしてMLエンジニアが2名の少数精鋭体制です。 ・プロダクト内だけでなく、AI事業本部内の横軸としてデータサイエンティスト/機械学習エンジニアメンバーによる勉強会や実データを使った事業部内コンペも開催されています。 ・海外カンファレンスへの参加制度も豊富です。 AIローカライズセンター設立背景 世界から注目を集める漫画やアニメをはじめとした日本コンテンツの海外展開においては、翻訳のプロジェクトチームによる徹底的なキャラクターや文脈の理解、原作の一貫性を担保するためのルール制定、写植作業者(レタラー)による文字入れや作画修正、ネイティブによる翻訳チェックといった膨大な翻訳工程が必要であるとともに、原作者の意図や原作の世界観を損なわずに、展開先であるその国の文化や特性も考慮してローカライズしていくことが重要です。 さらに、各国の文章読み順への最適化や縦読みフォーマットへの変更および、最適なオンラインプラットフォームでの販売方法の検討など、販売チャネルの多様化に伴う関係各所との権利調整やプロモーション企画など、海外特有のデジタルマーケティング戦略の策定と実行が必要となってきます。 そこで当社AI事業本部は、これまで培ってきたAI研究・開発力とデジタルマーケティング力の強みを活かすべく、AIを活用し漫画などの海外展開に向けたローカライズを支援する専門組織「AIローカライズセンター」を、2024年6月に設立いたしました。 サイバーエージェントが取り組む理由 当社は「広告効果の最大化」を戦略として掲げており、2016年にAI研究開発組織「AI Lab」を設立するなどAI研究と社会実装に必要な開発力を高め、強みとするデジタルマーケティング力を磨いてまいりました。 また、大学との産学連携を積極的に推進し、AIで広告効果を最大化する「極予測シリーズ」を提供するなど、AIを活用することでクリエイターがより広告効果の高いクリエイティブ制作を行えるような業務支援にも向き合ってまいりました。 2023年11月には広告クリエイティブ表現に特化した独自日本語OCR(光学文字認識)モデルを開発するなど、複雑化するクリエイティブ内の文字フォントやレイアウトに対し高精度な文字認識を実現しています。さらに近年は日本語LLMの開発にも取り組み、2023年5月にはCyberAgentLLMを商用利用可能なオープンソースとしてリリース。2024年7月にはバージョン3※も一般公開するなど自然言語処理技術発展への貢献に努めています。 ※ NIKKEI Digital Governanceと米Weights & Biases​による共同調査(2024)によってChatGPTやClaude、Geminiに次ぐ性能と認定され、日本語LLM比較において、​日本国内で最高水準のモデルとして評価されています。 <参考> 効果を出す「AIの共同研究」東京工業大学 奥村・高村研究室と創る自然言語処理の未来 https://www.cyberagent.co.jp/way/list/detail/id=25604 AI Lab 「CVPR2024」にて4本の主著論文採択 https://www.cyberagent.co.jp/news/detail/id=30072 産学連携先一覧 https://research.cyberagent.ai/academic-relations/

漫画のローカライズ性能を評価・改善するアルゴリズムの開発に取り組みます。 NLPの専門性を活かしていただきながら、漫画のコマ等の画像情報と組み合わせた高度な技術課題に挑戦していただきます。 <例> ・翻訳後のキャラクターの口調の整合性を評価する手法の開発 ・LLMによる文脈を考慮した翻訳の生成プロンプトの開発 ・特定ジャンルの専門用語表現に特化したLLMの開発 ・長期的なコンテキストを効果的に翻訳に活用するための知識表現とRAGの開発 等 チーム体制/文化 ・立ち上げ部署のため、事業統括1名・PM1名・エンジニア1名が所属し、アドバイザーとしてMLエンジニアが2名の少数精鋭体制です。 ・プロダクト内だけでなく、AI事業本部内の横軸としてデータサイエンティスト/機械学習エンジニアメンバーによる勉強会や実データを使った事業部内コンペも開催されています。 ・海外カンファレンスへの参加制度も豊富です。 AIローカライズセンター設立背景 世界から注目を集める漫画やアニメをはじめとした日本コンテンツの海外展開においては、翻訳のプロジェクトチームによる徹底的なキャラクターや文脈の理解、原作の一貫性を担保するためのルール制定、写植作業者(レタラー)による文字入れや作画修正、ネイティブによる翻訳チェックといった膨大な翻訳工程が必要であるとともに、原作者の意図や原作の世界観を損なわずに、展開先であるその国の文化や特性も考慮してローカライズしていくことが重要です。 さらに、各国の文章読み順への最適化や縦読みフォーマットへの変更および、最適なオンラインプラットフォームでの販売方法の検討など、販売チャネルの多様化に伴う関係各所との権利調整やプロモーション企画など、海外特有のデジタルマーケティング戦略の策定と実行が必要となってきます。 そこで当社AI事業本部は、これまで培ってきたAI研究・開発力とデジタルマーケティング力の強みを活かすべく、AIを活用し漫画などの海外展開に向けたローカライズを支援する専門組織「AIローカライズセンター」を、2024年6月に設立いたしました。 サイバーエージェントが取り組む理由 当社は「広告効果の最大化」を戦略として掲げており、2016年にAI研究開発組織「AI Lab」を設立するなどAI研究と社会実装に必要な開発力を高め、強みとするデジタルマーケティング力を磨いてまいりました。 また、大学との産学連携を積極的に推進し、AIで広告効果を最大化する「極予測シリーズ」を提供するなど、AIを活用することでクリエイターがより広告効果の高いクリエイティブ制作を行えるような業務支援にも向き合ってまいりました。 2023年11月には広告クリエイティブ表現に特化した独自日本語OCR(光学文字認識)モデルを開発するなど、複雑化するクリエイティブ内の文字フォントやレイアウトに対し高精度な文字認識を実現しています。さらに近年は日本語LLMの開発にも取り組み、2023年5月にはCyberAgentLLMを商用利用可能なオープンソースとしてリリース。2024年7月にはバージョン3※も一般公開するなど自然言語処理技術発展への貢献に努めています。 ※ NIKKEI Digital Governanceと米Weights & Biases​による共同調査(2024)によってChatGPTやClaude、Geminiに次ぐ性能と認定され、日本語LLM比較において、​日本国内で最高水準のモデルとして評価されています。 <参考> 効果を出す「AIの共同研究」東京工業大学 奥村・高村研究室と創る自然言語処理の未来 https://www.cyberagent.co.jp/way/list/detail/id=25604 AI Lab 「CVPR2024」にて4本の主著論文採択 https://www.cyberagent.co.jp/news/detail/id=30072 産学連携先一覧 https://research.cyberagent.ai/academic-relations/

【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下記いずれかの業務をお任せいたします。 ・物体認識/走路認識のための画像認識アルゴリズム開発及び機械学習モデルの構築 ・認識情報を用いて交通環境を理解するアルゴリズム開発及び機械学習モデルの構築 ・交通環境に応じた行動計画アルゴリズム開発及び機械学習モデルの構築 ・機械学習モデルのエッジデバイスへの実装 ・カメラと他の外界センシングデバイスを用いたRaw Data Fusion技術の開発 ・DNN/LLM(大規模言語モデル)を活用したドライバー状態及び車内空間認識技術の開発 ・自己位置推定及び自動地図生成技術の開発 ・MLOps環境の構築 ・最適化/確率推論/データマイニング ・画像処理/機械学習/データマイニング技術を応用した知能化技術創出 ※自動運転車のための各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】 Matlab, Simulink, MBD系ツール(Rational、Rapsodyなど)、C、C++、Java、Python、SysML、UML AI系ツール(Caffe、Chainer、TensorFlowなど)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 Software Defined Vehicleに必要な自動運転、コネクティッドサービス、車両データ解析の実現に向けたAIエンジニアとして、下記いずれかの業務をお任せいたします。 ●機械学習のモデル構築 ●物体認識、画像認識、走路認識などの認識アルゴリズム構築 ●認識情報に応じた行動計画アルゴリズム構築 ●構築したアルゴリズムのデバイス実装 ●ドライバー状態、車内空間認識技術の開発 ●各種データ収集およびデータマイニング技術の開発 ●生成AIを活用した新サービスの開発 ●MLOps、自動テストなどの開発環境の構築 ●AI技術のトレンド調査、技術評価、お客様のニーズ調査 ●AIセキュリティガバナンス構築 上記に伴う研究開発業務、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。また、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】 ●プロジェクト管理: Azure Boards、Teams、MS Loop等 ●開発言語: Python、Java、TypeScript、HTML、CSS、Kotlin等 ●データベース:MySQL、Oracle等 ●使用ツール:ChatGPT、Gemini、BigQuery、TensorFlow、PyTorch、Tableau等 ●開発環境: Azure、GCP、AWS、Android Studio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 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