カジュアル面談可 SnowflakeのITエンジニア求人・転職情報

K&Kソリューション株式会社

・AI Agent/RAGアプリケーションを支えるクラウド基盤の設計・構築・運用 ・AWS/Azure環境におけるインフラ設計、権限管理、ネットワーク設計 ・Amazon Bedrock、Amazon SageMaker、Amazon Q、Kiroなどを活用したAI基盤構築 ・Bedrock Knowledge Bases、Agents、Guardrailsなどを用いたRAG・AI Agent基盤の設計支援 ・IAM、KMS、VPC、PrivateLink、ゼロトラストなどを踏まえたセキュリティ設計 ・ECS、EKS、Lambdaなどのコンテナ/サーバーレス環境の構築・運用 ・Terraform、AWS CDKなどを用いたIaC・自動化 ・OpenSearch、pgvector、Snowflakeなどを活用した検索基盤・データ基盤の構築支援 ・CloudWatch、モデル呼び出しログ、トークン利用量などの監視・コスト最適化 ●入社後の役割・キャリアパス 入社後は、まずクラウドインフラの設計・構築・運用経験を活かせる領域から参画いただきます。 その後、AI Agent基盤、RAG基盤、Bedrock活用、クラウドセキュリティ、LLMOps/MLOps、データ基盤など、経験や志向に応じて担当領域を広げていただきます。 将来的には、以下のようなキャリアを目指せます。 ・AI基盤/クラウドインフラエンジニア ・AI Agent・RAG基盤の設計・構築リード ・クラウドセキュリティ/ガードレール設計担当 ・LLMOps/MLOps領域の技術リード ・AI駆動開発を支えるクラウドアーキテクト ・インフラ領域のテックリード/アーキテクト クラウドインフラの経験を軸に、AI時代の基盤設計・運用に強いエンジニアとして市場価値を高められる環境です。

株式会社タイミー

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。

株式会社GA technologies

●ミッションと課題 当社のデータプラットフォームは構築フェーズから、グループ全体をカバーする大規模スケールと極めて高い信頼性の両立フェーズへとシフトしています。 ・データパイプラインをプロダクトとして扱い、SLI/SLO(サービスレベル目標)の策定、可観測性インフラ(IaC/CI/CD)の徹底的なコード化によって、手作業や属人化したトイルをゼロに近づける。 ・ビジネスの実行スピードを落とさずに、個人情報保護や機密性を保つガバナンス体制を、DMBOKなどのフレームワークに則ってアーキテクチャレベルで実装。 ・GAグループ横断的なデータ基盤・データマネジメントシステムの構築・運用。 ●仕事概要 国内外のグループ会社を含めた全社共通のデータマネジメントおよびデータプラットフォームの進化をリードしていただきます。 CDO直下組織のもと、単なるデータ連携の実装にとどまらず、プロダクトとしての強固なデータプラットフォームのアーキテクチャ設計、高いサービスレベルの担保(SLM)、およびセキュアなガバナンス構築を推進する役割を担っていただきます。 ・Snowflake × dbt × Dagsterを主軸としたデータプラットフォームのアーキテクチャ設計・移行・最適化 ・TerraformおよびTerragruntを用いた、再現性が高く、複数部門・複数会社へ迅速に横展開可能なIaCプラクティスの整備 ・SRE観点に基づくパフォーマンスチューニング、データレイクハウス(Apache Iceberg等)の評価・検証および実運用 ・データモデリング(履歴管理、コンテキストモデリング)およびデータ品質テスト自動化システムの構築 ・権限設計、アクセスコントロール、マスキングルール構築を包括するデータガバナンス標準化の主導 ・ADR(Architecture Decision Records)を用いた技術選定プロセスの明確化と、メンバーに対するコードレビューやメンターシップの実施 ●開発環境 ・主要:Snowflake x dbt x dagster x Terraform ・詳細:Snowflake, Apache Iceberg, dbt, Dagster, Python, dlt, TROCCO, Airbyte, Treasure Data, Terraform, Terragrunt, GitHub Actions, ・Docker, OpenMetadata, Tableau, Prometheus, Grafana, AWS(ECR, ECS Fargate, S3, DMS) ※経営状況、配属先の状況等を総合的に勘案し、会社の指定する部署への配置転換及び会社が指定する業務内容へ変更する場合がございます。(グループ会社等への出向及び転籍を含む)

MNTSQ株式会社

<<業務内容>> ●業務の概要 「契約は、AIが交渉する時代へ」を目指すには、「既存プロダクトの伸長と新規プロダクトの開発」の両立が必要です。 本募集では、そのために必要不可欠な存在である技術的側面のリードをお任せします。 ・[MNTSQ 案件管理](https://mntsq.co.jp/product/casemanage) ・[MNTSQ 契約管理](https://mntsq.co.jp/product/contractmanage) ・[データベース](https://mntsq.co.jp/product/databasemanage) ・[契約レビュー](https://mntsq.co.jp/news/release/ai_keiyakureview) ・[AI契約アシスタント](https://lp.mntsq.co.jp/ai-agent) 基本的な考え方として、ご入社後まずは既存プロダクトでアーキテクチャを含めてキャッチアップしていただきます。その後、経験と希望を踏まえながら、新規プロダクトを担当していただく形となります。 ●業務の詳細 具体的にご担当いただく業務は以下となります。 ・リードエンジニアとしての技術的意思決定(技術選定、アーキテクチャ設計) ・プロダクト開発における生産性向上 ・技術負債解消に向けたアーキテクチャ改善、リファクタリング計画の策定～推進 ・コードレビューを通じたチームメンバーへの技術的なフォローおよび育成 ・チーム全体に知見を共有し、理解を深めコラボレーションを促進するためのドキュメンテーション ※職種の変更範囲:会社の定める業務 <<開発環境と体制>> ●技術スタック ・言語:Ruby, Python, JavaScript, TypeScript ・Webフレームワーク:Ruby on Rails, FastAPI, Vue.js ・CSSフレームワーク:ElementPlus, TailwindCSS, PostCSS, Storybook ・プラットフォーム:Amazon Web Services, Google Cloud ・データベース:Aurora MySQL ・検索エンジン:Elasticsearch, OpenSearch ・監視ツール:CloudWatch, Datadog ・コンテナ基盤:Docker, Docker Compose, ECS/Fargate ・構成管理:Terraform, Itamae ●エンジニア組織の概要 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 ・CLMチーム ・法務エージェントチーム ・事業部向けチーム ・イネーブリングチーム 今回の募集である、サービス開発を担う組織はイネーブリングチーム以外の3つのチームです。 ご入社いただいた際の想定配属先はそのいずれかとなります(2026年8月時点)。 各チームはそれぞれ6-10名程度の構成となっています。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●リードエンジニアとテックリードの役割の違いについて ・テックリードの役割 　アーキテクチャー設計 　全体最適をふまえた技術意思決定 ・リードエンジニアの役割 　担当開発アイテムのリード 　技術的意思決定・テックリード補佐 【参考記事】 [デリバリーを担保するリードエンジニア](https://tech.mntsq.co.jp/entry/2025/10/17/173401) ●26年度のエンジニア組織のテーマは「開発の高速化」 AI活用はもはや前提です。 26年度は開発スピードのギアを上げ、すでに新機能の立ち上げは加速しはじめています。 組織が拡大し、AIで開発のあり方が急速に変わる中で、自律的に課題を拾い、組織全体で解決していく。自走する人材・牽引する人材で組織力も高めるフェーズにはいっています。 AI活用への積極投資は引き続き行っています(Claude Code、Cursorなど)。 【参考記事】 [AIで変わる開発プロセス。MNTSQのエンジニアが実践する”AI前提”の開発環境について](https://note.mntsq.co.jp/n/n781c05a95daa) 【参考記事】 [MNTSQがAI活用を加速する理由と目指す未来](https://note.mntsq.co.jp/n/ndccc7f6ed56c) 【参考記事】 [「AIにできること/できないこと」を理解し、共に進化する。MNTSQエンジニアのAI活用最前線](https://note.mntsq.co.jp/n/na266148b8d69) <<入社受入の体制>> ●前提となる働き方 コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、Mtgを入れない日や時間帯を設けながら、生産性を追求しています。 【参考記事】[ MNTSQエンジニアの1日に密着!](https://note.mntsq.co.jp/n/n4d1c895ea9eb) ●3ヵ月のオンボーディングプログラム MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。 【参考記事】 [個を見て、伴走し、後押しする。個に向き合うオンボーディングと成長支援文化](https://note.mntsq.co.jp/n/nf1accf0660ae)

株式会社SmartHR

具体的な技術に関する情報は「[歴史に残る模範的なソフトウェアを作ろう](https://hello-world.smarthr.co.jp/)」をご覧ください。 ●役割 私たちが期待するのは、Customer Observabilityという新しい技術領域の構想を、実際に動くシステムと社内外に届く成果へと変えていく役割です。これまでエンジニアリングに対する取り組みやその文化・プラクティスを土台に、Webアプリケーション開発とデータ分析基盤の双方を横断しながら、「お客さまがSmartHRから何を得ているのか」を把握する仕組みをかたちにしていただきます。 まだ確立されていない領域だからこそ、既存の枠にとらわれず、プロダクト開発チーム・ビジネスサイド・データ基盤チーム、といった様々な部署と積極的に協働し、事業と組織の成長に直結する成果を生み出していただきたいと考えています。SmartHRのCREを「この業界における普遍的な技術」として位置づけていく、その中核を担っていただくポジションです。 ●具体的な業務 入社直後は、CREユニットが取り組んでいるCustomer Observabilityの現在地と目指す姿、そしてすでに動き始めている隣接部署(プロダクト開発/データ基盤/ビジネスサイド)の取り組みへの理解を深めることから始めていただきます。その後、マネージャーと連携しながら、BigQueryを中心としたデータ基盤やLookerなどの可視化基盤、既存のプロダクト観測環境(NewRelicやSentryなど)を活用し、プロトタイピングから着手します。 得られた知見をもとにトライアンドエラーを重ねながら、プロダクトチームやビジネスサイドと連携し、意思決定や組織としての学びを支えるインサイトを届ける仕組みへと育てていきます。実装にとどまらず、そのプロセスや成果を社内外に発信していくことも重要な取り組みのひとつです。 ●開発規模・開発体制 ・現在のCREユニットは、プロダクト改善を担うメンバー3名と、本ポジションから本格的に立ち上げていく「Customer Observability」領域で構成されています。 ・Customer Observability領域は、現時点ではマネージャー兼チーフエンジニアが兼務でリードしている立ち上げフェーズです。ジョインいただく方には、その初期メンバーとして構想・実装・発信を一緒に推進いただきます。 ・SmartHR全体のデータ基盤・観測基盤・AI活用の取り組みと密接に連携し、部署の枠を越えたコラボレーションが日常的に発生する環境です。 ・個人コントリビューター(IC)またはプレイングマネージャーとしての活躍を想定しており、将来的にはCREユニット全体のリードをしていただくことを期待しています。 ●配属先 選考を通して、経験や志向性などをもとに配属先を決定しています。現在募集している配属先は以下です。 ・人給基幹プロダクト開発本部 / CREユニット / CRE(Observability) └[SmartHR の CRE チームに興味をお持ちの方へ](https://tech.smarthr.jp/entry/cre-matome) └[テックブログ](https://tech.smarthr.jp/archive/category/CRE) ●現在取り組んでいる課題 「CRE」という、いまだこの業界にデファクトスタンダードと呼べる技術として確立されていない領域において、私たちが「Customer Observability」という概念・プラクティスを提唱したのが2026年4月(["Customer Observability" の対象となりうるものは何かを考えてみる](https://tech.smarthr.jp/entry/2026/04/13/094613))。 ここからの数ヶ月間でのプロトタイピングにより、少なくともSmartHRのビジネスサイドに対しては、とても有用な取り組みになり得ると判断するに十分な結果を出すことができました。 一方で、プロダクト開発サイドに対しては未だに構想止まりの状況のため、「2030年1000億円」という高い目標を達成するためにも、いち早く仮説検証・プロトタイピング・仕組みの構築に着手する必要があります。 ●業務内容変更範囲 会社の定める業務

株式会社クーリエ

ミッション 介護領域における「施設探し」と「仕事探し」を利用者/クライアント両面から繋ぎ、ベストマッチングを提供する「リボンモデル」のビジネスを展開し、既存事業から得られる「市場の一次データ」からプラットフォームを構築することで、売上最大化をさせることがミッションです。 業務概要 業界トップクラスの自社プラットフォームで生成・蓄積されるデータを管理・活用することで、プラットフォームとしての競合優位性を構築していただきます。 具体的な業務内容 ・プラットフォームで蓄積するデータの整理・加工・管理 ・蓄積されたデータのビジネスへの活用 ・データ活用・データメンテナンスのためのオペレーションの仕組化、現場への落とし込み ・データの蓄積・活用ためのインフラの設計・構築 ・プラットフォームのマスタデータの管理・活用 ・AIや機械学習などへの活用 ※従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある

株式会社GA technologies

● 本ポジションにおけるミッション グループ横断のデータ利活用を支える、堅牢かつ柔軟なデータプラットフォームの構築・推進がミッションです。 DMBOK(Data Management Body of Knowledge)の知識体系を基盤とし、データパイプライン構築からデータモデリング、権限・ガバナンス設計、品質管理、運用の標準化まで広範に担っていただきます。 単なるパイプラインの実装に留まらず、再現性・保守性・安全性を兼ね備えた「組織の資産」となる仕組みを構築し、全社が迷いなくデータを活用できる状態を実現することを期待しています。 ● 仕事概要 国内外のグループ会社含めたデータマネジメント業務をお任せします。 ・データ基盤の設計・構築・運用 ・データパイプラインの設計、開発、改善 ・データモデリング、履歴管理、品質管理の設計 ・権限設計、セキュリティ設計、データガバナンス整備 ・CI/CDやコード管理を前提とした、再現性の高い基盤運用の整備 ・属人化した運用や手作業の多いフローの標準化、自動化 ・各部門・各グループ会社におけるデータ基盤立ち上げ支援 ・AI活用や分析活用の前提となるデータ整備、運用設計 ※経営状況、配属先の状況等を総合的に勘案し、会社の指定する部署への配置転換及び会社が指定する業務内容へ変更する場合がございます。 (グループ会社等への出向及び転籍を含む) ● 開発環境 主要:Snowflake x dbt x dagster x Terraform 詳細:Snowflake, Apache Iceberg, dbt, Dagster, Python, dlt, TROCCO, Airbyte, Treasure Data, Terraform, Terragrunt, GitHub Actions, Docker, OpenMetadata, Tableau, Prometheus, Grafana, AWS(ECR, ECS Fargate, S3, DMS) ● Data Managementチームについて 当チームは、高品質で安全なデータ基盤の整備・提供に留まらず、データを武器に事業や業務課題の解決を加速させるプロフェッショナル集団です。 これまでは、意思決定を支えるデータ基盤の構築、品質向上、ガバナンス推進といった「土台作り」に注力してきました。 今後はその基盤を活かし、各事業組織の課題に対して、AI活用や業務支援の仕組みづくりまで踏み込み、データによる直接的な価値創出を担う役割を強化していきます。 ● 私たちが大切にしている価値観 ・高品質で安全なデータ提供を大前提とする ・属人化を排除し、再現性のある仕組み・運用を構築する ・手作業やトイル(作業的負荷)を放置せず、エンジニアリングで解消する ・基盤整備をゴールとせず、常に「現場の価値」に結びつける ・技術的な理想を追求しつつ、現場で機能する「現実的な解」を出す