関東 KaggleのITエンジニア求人・転職情報

●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

ゲーム開発・運用における高度な技術課題に対して、機械学習、強化学習、数理最適化、生成モデルなどの技術を用いた研究開発を推進していただきます。 論文や先端技術の調査にとどまらず、実データ・実プロダクトに適用可能な形でアルゴリズムを設計・実装し、プロトタイプから実運用を見据えた検証まで担っていただきます。 ●業務例 ・ゲームAI、強化学習、生成モデル、数理最適化等に関する技術調査・研究開発 ・ゲームデータやシミュレーション環境を用いたアルゴリズム設計・実装 ・レベル生成、バランス調整、敵AI、プレイヤー行動予測等に関するモデル開発 ・研究論文・OSS・先端技術の調査、再現実装、応用可能性の検証 ・実プロダクトへの適用を見据えたPoC設計、実験、評価 ・モデル性能やアルゴリズムの定量・定性評価手法の設計 ・学会発表、論文投稿、技術ブログ、イベント登壇等による研究成果の発信 ・社内外の研究者・開発者との共同研究・技術交流 ●プロジェクト例 ・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・NPC行動生成 ・運営型ゲームタイトルにおけるバランス調整支援 ・強化学習を用いたゲームプレイエージェントの開発 ・数理最適化・組合せ最適化を用いたゲーム設計支援 ・非公開の新規研究開発プロジェクト

【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

●部門(領域)の役割 車を軸としたクロスドメインプロダクトのスピード企画/開発/配信に向けた一気通貫体制の構築及びバリューチェーン拡大を目指しております。また、車購入後もクルマが進化/成長していく【SDV】(※ソフトウェアディファインドビークル)を実現するための業務を推進しております。 部門の業務例: ・SDVプロダクト コンパニオンアプリの 企画/開発/配信 (機能集約) ・データドリブンで顧客ニーズ・ビジネス課題を抽出し、デジタルプロダクトの進化を通じてSDV事業へ貢献 ・クルマ操作走行データ/スマホアプリのデータの分析 ・お客様の利用実態の把握および継続的により良い体験を提供し続けるための企画開発業務 など ●任せる業務と期待役割 カスタマーにとってパーソナライズされたサービスやプロダクト開発に対し、データドリブンで寄与いただきます。ユーザ行動の可視化とモビリティライフの実態を把握することで、プロダクトUXの向上とサービス価値の最大化を実現頂くことを期待します。また分析業務だけでなくPJTリーディングも担いながら、社内ステークホルダーへの戦略立案や合意形成業務も想定をしております。 ※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。 ●具体的な想定業務 四輪製品におけるソフトウェア・サービスの企画・オーナー部門と連動し、問題や課題を把握しながら、市場・顧客データや、プロダクトのログデータ等を活用して、プロダクトオーナーと共に課題の仮説を構築し、分析設計をする業務。 具体的には ・ログ分析や定量インサイト抽出によるペインポイントの発見と仮説立案 ・分析結果に基づく改善施策/機能改善の立案 ・外部調査を自ら設計し、Honda保有データや生成AIと組み合わせて、最適なCX創出に向けた示唆を抽出 ・プロジェクト全体の進捗を可視化し、関係者とのスムーズな情報共有を推進 など ●使用ツール/開発言語など ・言語:Python(pandas) ・アナリティクス:Amplitude, Goggle Analytics, Jupyter, ・情報共有ツール:Teams

【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

●配属先 ・SDガンダム ジージェネレーション エターナル ・ちいかわぽけっと ・新規プロジェクト(超大型IP×マルチプラットフォーム展開×3Dゲーム) ※上記のほかにも開発ラインが複数あるため、お強みやご経験に応じて柔軟に検討させていただきます。 アプリボットの各ゲームタイトル開発を横断して支える技術組織「Applibot-LDX(Lead Developer Experience)」にて、各種ゲーム基盤の開発、プラットフォーム機能実装、開発効率化実現などの担当としてご活躍いただきます。 - アプリ・アセットビルド基盤の構築、運用、最適化、技術向上 - 通信基盤や課金基盤などのライブラリ開発、改良 - iOS/Androidなどのプラットフォーム機能実装 - セキュリティ対策のためのセキュリティ対応 - 開発効率化、低コスト化の提案、実現 - パフォーマンスチューニング 開発体制 LDX専任メンバーと、各プロジェクトから職務領域の近いメンバーが連携し、開発環境の改善に取り組んでいます。 各プロジェクトの状況や改善要望をヒアリングしたうえで、プロジェクト特性に即した改善施策の提案から実装までを担当します。 また、横断的に活用可能な取り組みについては、ライブラリ化や基盤化を進め、全体最適の実現を図っています。 開発環境 ・Unity (プロジェクトによりバージョンは異なります) ・使っているライブラリの一例 　 　UniTask、R3、UniRx、MasterMemory ・AI系ツール 　Claude Code、Codex、GitHub Copilot、Cursor

三井住友カードは、決済プラットフォーム「stera」を核に、決済と連動した新たな付加価値サービスを事業者様へ展開しています。 SMBCグループのキャッシュレス戦略の中核を担う内製開発組織として、2025年4月に「steraエンジニアリング室」を新設いたしました(2026年4月に「デジタルステーション部」へ組織名称変更)。 事業者様の視点に立ち、プロダクト開発を通じて体験価値を最大化することが私たちのミッションです。 立ち上げ期を経て現在は、約40名のプロフェッショナルが集まる組織へと急成長を遂げました。 グローバルリーダーとの戦略的業務提携による共同開発プロジェクトも本格化しており、決済の枠を超えた新たな価値創造に挑戦するエンジニアを募集しています。 【職務詳細】 ・Goを用いた決済システムのバックエンド開発 ・マイクロサービスアーキテクチャに基づく設計・実装 ・決済データの整合性を担保するためのDB設計および最適化 ・AIツールを駆使したプロダクト開発の効率化 【開発環境】 -バックエンド:Go -モバイル:Kotlin, Jetpack Compose -インフラ:AWS, Docker, Terraform, Datadog -データベース:PostgreSQL -CI/CD:GitLab CI/CD, AWS CodeDeploy -開発ツール:GitLab, Visual Studio Code, Android Studio, Claude Code 等 ※業務用端末(Windows)とは別途、開発用の端末はMacBook Proを貸与

AI活用を推進したいお客様に向けて、機械学習プラットフォームのDataRobot、SageMaker AI等を利用しデータ分析、予測の支援を担当していただきます。 機械学習で解決できるテーマを創出し、テーマを実現するためにデータを収集・整形し、DataRobotやSageMaker AI、独自技術を利用して予測モデルを構築、結果をレポーティングします。 予測結果をシステムと連携することで効果が見込まれる場合は連携ソリューションの構築を支援します。 また、お客様が自社のデータサイエンティストを育成する要望があれば、育成を支援します。

「データ×マーケティング」で経営の舵取りを担う、需要予測・販促最適化のデータサイエンティスト・データプランナー。 本田技研工業の四輪事業において、機械学習や生成AI、統計分析を駆使し、販売計画の精度向上(新車販売台数の台数予測)と収益最大化を牽引していただきます。従来の「モノ起点」の計画から脱却し、販促施策の感度分析や経済指標を統合した「モノ×カネ」の最適化モデルを構築し、経営層の意思決定をデータで支える「司令塔」を担うポジションです。 ●意思決定エージェントAIの構築:RAG(Retrieval Augmented Generation)を活用し、社内ナレッジや市場データを統合した意思決定支援AIの開発を推進します。多様な情報をもとにシナリオ提示や意思決定支援を行う新たな仕組みの構築に挑戦いただきます。 ●需要予測モデルの高度化:販売実績、在庫推移、季節性に加え、マクロ経済指標等の多角的なデータを基に、Pythonや統計的手法(時系列分析、回帰モデル等)を用いた高精度な需要予測モデルを実装します。AIによる予測値と現場の市況GAPを先行把握し、機会損失と在庫過剰を最小化します。 ●経営直結型プラットフォームの構築:S&OPシミュレーション基盤を活用し、複数の市場シナリオを迅速にシミュレートできる環境を整備します。販売・生産・調達・財務の各部門を横断し、フリーキャッシュフロー(FCF)最大化に向けた意思決定プロセスそのものを設計・変革します。 ●産学連携・グローバル推進:社内の関連部門や海外現地法人に加え、外部コンサルティングファームや大学研究機関とも連携。最新のアルゴリズムや学術的知見を取り入れたモデル検証と実務への適用を主導します。 ※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

●配属予定部署:クライアント・システム開発事業本部 ●配属予定部署の特色・PR 自動運転/先進運転支援システム(AD/ADAS)、医療機器、FA、通信、金融、物流、小売り、デジタルカメラなど、組込み機器やIoT、Webシステムなど様々なソフトウェア開発を受託しており、言語やOS、業務知識の幅を広げることが可能です。また、一次請けの案件が多く上流工程から携わることができます。客先常駐でも持ち帰りでも、Sky株式会社のチームの一員として参画いただきますので、未経験の領域も上司や仲間がサポートします。 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 AIエンジニアとしてご活躍いただけます。 自動運転/先進運転支援システム(AD/ADAS)や外観検査、病理診断や故障予測、来店者数予測、 生成AIを用いた業務・開発効率化など、 顧客の製品やシステムのAI開発や社内のAI活用、自社商品開発(AI-OCR等)に携わっていただきます。 ・画像認識・自然言語処理・音声認識を活用したDeep Learningアルゴリズム開発 ・数値ビッグデータを活用したデータ分析・機械学習アルゴリズム開発 ・学習済みモデルを実装した製品・運用システムの開発(Edge、Cloud、オンプレ、MLOps) ・OSS LLM/VLM オンプレ対応、ファインチューニング、AIエージェントなどの生成AIシステム開発 ・フィジカルAI開発 ※状況に応じてAI関連以外の業務に携わっていただく場合もございます。

会員数約25万人以上、累計成約件数5000件以上と業界No.1サービス(※)として急成長するM&Aプラットフォーム「BATONZ」や金融機関向けM&A支援SaaS「B MASS」を展開しています。 BATONZはM&Aという業務の特性上、高いセキュリティが求められます。M&Aプラットフォームとしての信頼性を高める、堅牢なシステム基盤の構築に携わっていただきます。 また、今後のM&Aのデファクトスタンダードを創出するべく、ビジネスサイドと開発チームが連携してプロダクトを磨き込んでいます。この開発チームが生産性高く創り続けるのを支援するプラットフォームやツールの構築に携わっていただきます。 ※ M&Aプラットフォーム市場における累計成約件数・総登録案件数・成約件数2021～2023年度(見込値を含む)No.1 出典:デロイト トーマツ ミック経済研究所 2023年発刊「国内ビジネスマッチングプラットフォーム市場の現状と展望【2023年版】」 <業務詳細> ・ビジネスロードマップに即したインフラ・プラットフォームの設計・構築 ・システムの運用、監視、管理を自動化するためのツールやプロセスの構築と保守 ・開発生産性を高めるツールセットやプラットフォームの設計・構築 ・ビジネス特性に合わせたSLI/SLOの検討 ・プロダクトを継続的に改善できる可観測性の検討・計装 ・トイルを減らすためのスクリプトの作成と自動化の構築 ・パフォーマンスボトルネックの特定と対処、システムアーキテクチャの最適化 <開発プロセス> ・プロジェクトごとにビジネスチームと週次〜隔週程度の頻度で行う定例で目線合わせを行いつつ、プロダクト開発を行っています。 ・日々の小規模な機能開発や改善は個々のエンジニアが裁量を持ってアジャイルに開発を行っています。 ・数ヶ月など一定規模のある機能開発はリードエンジニアクラスのメンバーが中心となってプロジェクトマネジメントを担い、ウォーターフォール的に開発を行っています。 <開発カルチャー> ・DX(開発者体験)改善カルチャーがあり、情報の共有、仕組みの改善、自動化などを自律的に行っています。 ・「フロントエンド改善」「ドキュメント管理改善」「UI/UX改善」などをテーマにした各論の技術課題解消に向けた分科会がメンバー主導で自律的に立ち上がり、改善が進んでいます。 ・エンドポイント単位でRspecなどで単体テストを記述しており、カバレッジは80%程度の水準です。専任QAチームがMagicPodを採用してE2Eテストを推進しており、リグレッションテストの強化に取り組んでいます。 ・マージリクエストの際はコードレビューを必須としています。ランダムで2名アサインされ、アサインされたメンバーが滞っているとリマインドする仕組みがあり、開発フローが何らかのボトルネックで停滞することを防ぐ仕組みを運用しています。 <マネジメント体制> エンジニア兼務の執行役員が経営メンバーにおり、評価や制度設計を含めたピープルマネジメントを担っています。そのためエンジニアとしてプロダクトの価値向上に集中して取り組むことができます。 またプロダクトの急成長に伴い、今後数年で現在の10名規模から3倍程度まで拡大する計画を持っています。 EM、テックリード、プロダクトマネージャーなど様々な役割が生まれていくため、新たな役割に挑戦する機会も数多くある環境です。 <開発環境> ■開発 ・バックエンド:Ruby/Ruby on Rails ・フロントエンド:JavaScript/TypeScript/Nuxt.js/Vue.js ・OS:Linux/Mac OS/Windows ・DB:PostgreSQL ・AI活用: GitHub Copilot/AWS Bedrock/Python/LangChain/OpenAI API/D-ID ・テスト: MagicPod, Rspec ■インフラ ・クラウド:AWS(Fargate/Aurora/OpenSearch/QuickSight等)/Google Cloud ・IaC:Ansible, Terraform ・監視:NewRelic/Sentry ■その他 ・コード管理:GitLab/GitLab CI ・タスク管理:Backlog ・コミュニケーション:Slack/Zoom ※開発機のOSは選択可能です。 ※貸与機のスペック一例:Macbook Pro M2 Max 32GB 500GB <エンジニア採用資料> 下記リンクからご確認ください。 https://speakerdeck.com/batonz/pitch-for-engineer

車載プラットフォームから取得したカメラ映像に深層学習を適用し、物体検出・追跡や自車の走行経路予測を行う先行開発を担当します。 組込み向けGPUマシンを中核に、CAN・(車載)Ethernet・カメラI/Fの入出力制御と表示出力(HDMI)を含むソフトウェア設計、計測データや画像/動画を保存・検索するDB設計、走行データのクラウド送信とAI学習向けの前処理・加工ワークフロー設計までを一貫して担います。 走行試験と性能評価で得た知見をもとに、要件定義から試作・検証・改善を社内でゼロから素早く回し、必要な仕組みを自ら考案して形にしていく業務です。 <具体的には> ADAS検証車両に搭載する機器の選定から、実際に搭載して走行できる環境構築までを担当し、以下の業務を複数担当します。 ・車両内で利用する各種センサーや計測器のセットアップ・相互接続 (例:地図情報利用のためにJetsonとLocatorをEthernetで接続) ・車両内で動作するソフトウェアの開発 (AI推論のためのSocket通信、GPUでの推論結果をCPUで演算し情報変換、CAN通信による車両制御) ・ソフトウェア管理用のWebUI・WebAPI開発 ・DBへの動作結果保存および検証結果確認 【使用するツール】 ・開発言語:Python, C, C++, JavaScript, HTML ・Web技術:React, Drogon ・OS/インフラ:LINUX (Shell script, rootファイルシステム) ・画像処理/AI最適化:OpenCV, CUDA, TensorRT ・データベース:PostgreSQL, SQLite, Redis (NoSQL) ・バージョン管理:Git, GitHub, SVN 【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。

機械学習技術を用いて自動運転に必要なアルゴリズムの研究・開発を行います。 文献調査やアルゴリズム考案から、実環境での有効性の実証まで行うことで新技術を創出します。 【主要な開発テーマ】 ・Depth Estimation ・Opticalflow Estimation ・Motion Prediction ・Scene Recognition ・Multitask Learning ・Unsupervised Learning ・Reinforcement Learning ・Generative Adversarial Network 【使用するツール】 ※状況により柔軟に変わります ・C言語/C++/Python ・Tensorflow(Keras)、PyTorchなどのDNNフレームワーク 【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。

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。

【お任せする業務】 Python/SQLによるビッグデータ処理、データベース構築、サーバー環境構築、可視化、機械学習、解析レポート作成 【具体的な仕事内容】 ・動作ログ情報・製造工程データ収集、データベース構築、EDA、可視化、機械学習、予測モデル構築 ・機械学習設備(サーバ)の管理、運用 ・新規ツール、ユーティリティの開発・実装 ・データの理解と、顧客・開発製造拠点とのディスカッションを通じた真の課題の抽出 ・課題解決に向けたシステムビジョン、コンセプト、アーキテクチャの策定 ・プロトタイプ開発、検証、PoCの実施 ・データサイエンス技術マネジメント ※当ポジションは、IT/AIの技術力を自ら高めながら、システムアーキテクチャの設計からプロトタイプ開発、PoCの実施までを自社主導で推進できる環境です。 [従事すべき業務の変更の範囲] (雇入れ直後)上記の通り (変更の範囲)その他会社が指示する業務 【使用言語】 Python、SQL 【使用環境】 Windows、Linux、VS Code、Docker、RDBMS、Vector Database、AWS等クラウドサービス 【技術】 データサイエンス、機械学習、生成AI/RAG活用技術、Dify、CUDA、AIエージェント

【本ポジションのミッション】 ～10X(10倍の成長)に耐えうる、攻めのデータプラットフォームへの進化～ 現在、当社のデータ基盤は、主軸サービスであるロボアドバイザーがユーザー数45万人・預かり資産1兆9,000億円(2026年2月時点)を突破したことに加え、個人向け金融プラットフォームを目指し、新規事業の多角化により、扱うデータ量と複雑性が飛躍的に増しています。 単なるデータの蓄積や可視化に留まらず、10倍のデータ量や多様なステークホルダーの要望を先回りして解決する、スケーラブルなデータプラットフォームへと再構築することがミッションです。自ら課題を抽出し、技術で事業成長を加速させる攻めのデータエンジニアリングを作る仲間を募集しています。 【業務内容(期待する役割)】 ●データ基盤・パイプラインの設計と構築 ・AWSとGCPを跨ぐクロスクラウド環境において、セキュリティを考慮した権限設計および安全なデータ連携・受け渡しの仕組みの設計・構築 ・Airflow等のワークフロー管理ツールを用いた、Pythonによるメンテナンス性・可読性の高いデータパイプライン(DAG)の開発 ●事業要件に基づくデータモデリング・システム設計 ・事業チームと密にコミュニケーションを取り、分析要件をシステム仕様へ落とすコミュニケーション ・データ利用者にとって理解しやすく、かつや運用負荷を考慮した、持続可能なデータモデリングの設計・実装 ●データマネジメントの確立とセキュリティ・信頼性の担保 ・Knowledge Catalog等のデータカタログを活用したメタデータ管理と、データ品質チェックパイプラインの組み込み・自動化 ・金融機関に求められるセキュリティ(機密データの精査、アクセス権限設計等)の考慮、障害監視、およびパイプラインの依存関係の整理・最適化による高可用なシステム設計 ●パフォーマンス最適化とアーキテクチャ改善 ・今後の急激なデータ量増大を見据えた、各種マネージドツールのスケールアップ・バージョンアップ、およびパイプライン全体のボトルネック解消 ・ビジネスの拡大に合わせた、最適なツールやアーキテクトの選定・検証および移行計画の策定と実行 【データ基盤を強くするために今後取り組みたいこと】 ●データカタログの導入 ・複数プロダクト投入前にカタログの運用フローを固める ・AI Readyなデータ基盤の実現 ●複数プロダクトデータの投入 ・事業ごとのデータソースの違い ・個人情報のリスク ・分析したいKPIの定義 ・関連ツール(CRM・MA)のマルチプロダクト化 ●アーキテクトの強化 ・マネージドツールのバージョンアップ戦略 ・デジタルバンク開業による、データ増大への対応 ・データの連携処理の見直し ・全量洗い替え処理の改善 ・データ処理時間の削減・コスト対策 【技術スタック】 ・DWH:BigQuery ・インフラ:AWS, GCP ・IaC: Terraform ・ワークフローエンジン:Apache Airflow ・ETL: Amazon Appflow ・使用言語:SQL, Python など 【働き方】 弊社はフレックス制(コアタイム:10:00〜16:00)のハイブリット型の勤務形態で、週2日リモート可能です。 労働時間の清算期間は月単位(=営業日数×8時間を月単位で担保いただく)となるため、コアタイムを中心とし、柔軟に就業できます。 またチーム内には小さいお子様がいる社員もいるため、何かあった際に相談しやすい環境です。

最先端の生成AI(GPT-4oなどのLLM)を使った開発に挑戦できます。 具体的には、AIと外部システムをつなぐAPI連携や、高性能な検索システム(RAG)、AIエージェントなどのアプリケーション開発に取り組みます。 未経験の分野でも、新しいサービスを生み出すプロジェクトに参加し、エンジニアとして技術・キャリアの幅を大きく広げられる環境です。

このポジションのミッション ・LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる ・再現性ある実装パターンをチームの資産にする 業務イメージ ・RAG/LLMを本番運用前提で設計・実装(セキュリティ、監視、性能、障害時の設計) ・ユースケースの要件整理と設計(“何を自動化し、どこを人が見るか”の線引き) ・評価基盤の整備(自動評価、回帰テスト、プロンプト/検索の改善サイクル) ・クラウド上でのアーキ設計・実装(API、データ、権限、コスト最適化) ・チームの型づくり(実装標準、ナレッジ、再利用可能な部品・テンプレ整備) 案件事例はこちら https://saiyo.skywill.jp/jobs/ai/ ※従事すべき業務の変更の範囲 ￫【変更の範囲】会社の定める業務 仕事の難しさ ・本番運用前提で、セキュリティ・監視・性能・コストのトレードオフ判断が発生します。 ・評価(回帰)を作らないと品質が崩れるため、仕組みとして改善サイクルを回す必要があります。 ・関係者が多く、期待値調整と合意形成がプロジェクトのスピードに直結します。

事業拡大に伴い、機械学習アルゴリズムの開発を担っていただくエンジニアを募集します。 テーブルデータ・自然言語・画像などの幅広いデータを用いて、クライアントの課題を解決する機械学習アルゴリズムを中心に設計・実装していただきます。 コンサルタント、ソフトウェアエンジニアとチームを組み、金融、小売、製造業など、様々な業界の課題を解決するソリューション/プロダクトを開発していただきます。 AIの検証に留まらず、最先端技術をクライアントが利用し続けるソフトウェアの形にして社会実装し、未来のビジネスを実現するプロセスに関心がある方を歓迎します。 ●ビジネス上の課題、制約条件に適したアルゴリズムの提案 ●ユースケースに合わせた機械学習モジュールの設計、実装 ●クライアントに対する分析結果等のレポーティング ●ソフトウェアエンジニアと協力して、Web API等へのアルゴリズムの組み込み ●最先端技術を社会実装可能なレベルに引き上げるR&D ●自身の開発したアルゴリズムの他業界への横展開や自社プロダクトへの組み込み ※過去事例:クレジットカード不正検知、個人与信推定、小売や流通における需要予測とオペレーションの最適化、教育における出題最適化、レコメンドエンジン、不正投稿監視、コールセンターソリューション(チャット・音声・テキスト)等多岐に渡る

AIコンサルタント/AIテックリードとして、AIモデルの設計・開発・改善を中心に、プロジェクトの技術面をリードしていただきます。 入社後はデータ分析・モデル開発を中心に担当しつつ、徐々に設計や技術方針の検討にも関わっていただきます。 将来的には、AI開発プロジェクトにおけるコンサルタント/テックリードとして、チームを牽引する役割を期待しています。 ●AI/機械学習モデルの設計・開発・改善 ●データ収集・前処理・分析 ●Pythonを用いたAI実装・テスト ●モデル評価および精度改善 ●技術調査・新技術検証 ●エンジニアメンバーの技術サポート

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。

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 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。 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。 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

●データの統合と見える化を可能にするためのプラットフォームの開発 ●クライアントデータ分析におけるディレクション、運用 ●データ解析をもとにしたニーズ探索およびサービス企画デザイン

【配属組織名】 研究開発グループ Digital Innovation R&D　先端AIイノベーションセンタ　ビジョンインテリジェンス研究部 【配属組織について(概要・ミッション)】 日立グループ本社の研究開発部門として、イノベーション創生を主導。 我々、先端AIイノベーションセンタのビジョンインテリジェンス研究部では、画像処理・認識技術をベースに、人々の業務を革新する新たなソリューションやサービスの研究開発を行っています。 技術の適用先は、例えば、鉄道・工場・公共・ソフトウェア開発など広い分野にわたります。 画像・映像解析技術及びVision Language Model (VLM)をミッションクリティカルな領域で社会実装し、広く社会に貢献することが我々の強みであり、ミッションです。 【携わる事業・ビジネス・サービス・製品など】 下記の例のように、画像・映像解析技術・VLMの社会実装、システム開発に携わって頂きます。 ●ニュースリリース 「災害状況の把握に特化した独自AIで東京都の災害対応の高度化を支援する高所カメラ被害情報収集システムが本格稼働」 https://www.hitachi.co.jp/New/cnews/month/2024/03/0301.html 「画像・映像利活用のための類似画像検索システム」の開発に対して日立製作所が第56回市村産業賞・貢献賞を受賞」 https://www.hitachi.co.jp/information/info/20240523.html ●Qiita Zine 「リスクテイクしてこそ研究者だ。 音響と画像認識で成果を出し続ける日立研究員のマインド」 https://zine.qiita.com/interview/202103-hitachi/ ●関係の深い発表文献リスト ・Data Cleansing for GANs, IEEE Trans. on Neural Networks and Learning Systems, 2025 ・MILA: Memory-Based Instance-Level Adaptation for Cross-Domain Object Detection, BMVC, 2023 ・Class-Difficulty Based Methods for Long-Tailed Visual Recognition, IJCV, 2022 ・Sensor-Augmented Egocentric-Video Captioning with Dynamic Modal-Attention, ACM MM, 2021 ・QPIC: Query-Based Pairwise Human-Object Interaction Detection with Image-Wide Contextual Information, CVPR, 2021 ・Influence Estimation for Generative Adversarial Networks, ICLR, 2021 ●その他 文献リスト:https://hitachi-speech.github.io/ Kaggleメダル実績多数 【職務概要】 日立グループにおけるAI技術分野(特に画像・映像解析技術・VLM)の産業応用を主導するための研究開発の取り纏めを担って頂きます。 【職務詳細】 製品・サービスにおける差別化技術、イノベーションの創生のために、業務の取り纏め者として従事頂きます。 社内外の多様なステークホルダーとのバランスを加味して関係者との良好な関係を構築し、難易度の高い調整や折衝についても上位者の監督のもと、自らまたは下位の者に指示しながら進めて頂きます。 (次期)チームリーダとして、複数のテーマにおいてチームの現在及び将来を見通した研究戦略の提案を行うと共に、その実行に必要なリソース獲得活動を積極的に行い、リソースを適切に配分することで、チームの成果を最大化して頂きます。 【具体的な職務】 ・研究戦略の考案および、それに基づく新規研究・事業の提案と、その実行 ・国内外のお客様との共同研究やPOCの推進と、技術のエンハンス ・特許創出、ニュースリース、学会発表、展示会出展などの社外PRへの貢献 ・チームマネジメントまたはそのサポート、円滑な組織運営への貢献 【働く環境】 ①3～5名規模の単位でチームを作り、個々人がその技術の専門家として自主性を重視して開発内容を分担するとともに、他部門の研究者や事業部門のリーダおよびチームと連携して業務を進めます。 ②在宅勤務を主として、週に数回程度の出社頻度での業務実施が可能です。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。 予めご了承ください。

【事業概要】 持続的な企業成長には生産性向上が不可欠であり、「人的資本経営」の重要性がかつてないほど高まっています。その中核を担うのが「タレントマネジメント」です。本音の人材情報を活用し、個人と組織の潜在能力を最大限に引き出すことで、企業はさらなる高みを目指せます。 カオナビは、個の力を最大化し、組織をより強くするためのタレントマネジメントシステムです。人事業務の効率化から戦略人事の実現まで、幅広い目的に対応。人材データプラットフォームに蓄積された個のデータをAIと掛け合わせることで、「個の力の最大化」による盤石な組織を築き、企業の成長を力強く後押しします。 【募集概要】 自社サービスのタレントマネジメントシステム「カオナビ」において、新機能開発や機能拡張の実装、パフォーマンス向上のためのリファクタリングや新しい技術の導入など様々な業務をサーバーサイドエンジニアとしてご担当いただきます。 またSRE (Site Reliability Engineering) 活動を行なっているインフラグループと連携し、品質を維持しながらスピード感をもった開発を行っていただきます。 【業務内容】 (1)機能開発を主なミッションのエンジニアの場合 開発に伴う計画の作成および進捗の管理 新機能作成や既存機能の改善のためのサーバサイド側の設計および開発 機能のパフォーマンス向上に伴う改善活動 (2)技術横断的な保守や改善が主なミッションのエンジニアの場合 機能横断で利用されているモジュールのリアーキテクチャリング ライブラリや使用言語のバージョンアップ 開発効率や開発者体験向上を目的とした改善活動 また、ご希望や経験に応じて、以下のようなロールをお任せすることもあります。 テックリード エンジニアリングマネージャー その他にも有志で以下のような取り組みを行っています。 (主に若手の)メンバー教育のための企画/施策 エンジニア採用広報に関する活動 【チーム開発の具体例】 専門職の人やチームで企画した仕様書を元にエンジニアが設計と実装を行います。それぞれの企画の概要はRedmineで管理されており、チケット駆動やスクラムなど、チームごとに最適な開発プロセスで開発を行っております。開発タスクの管理はJiraを利用しており、ソースコードレビューをGitLab上で行っております。 【開発環境】 開発言語:PHP, Go, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter コード管理:GitLab DB:MySQL インフラ:AWS, Terraform, Docker 監視ツール:Mackerel, Datadog 社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma 開発環境: JetBrains IDE, Visual Studio Code AI開発環境:Github Copilot, Claude Code

ミッション(優先度順) クライアント事業変革の技術的な主体となる クライアント(主に金融・規制産業の大手企業)の現場に深く入り込み、まだプロダクトのない事業・業務領域でも課題を発見・定義し、AI Agentによる解を設計・実装・定着まで一気通貫で担う技術の当事者となること。 AI AgentソリューションのゼロからのPoCおよび社会実装を完遂する プロダクト未整備領域でのAI Agentゼロ設計から本番運用まで、「使われる状態・成果が出る状態」まで確実に持ち込む。概念実証(PoC)で終わらせない。 クライアントとの技術的信頼関係を築き、案件を次フェーズへ拡張する 単なる導入・実装担当ではなく、クライアントの技術パートナーとして機能し、案件スコープの拡大・長期継続につなげる。 FDEとしての知見を組織に還元する クライアント現場で得た課題・解決策・失敗から学んだことを社内ナレッジとして体系化し、後続メンバーの立ち上がりを加速させる。 主な業務内容 [顧客業務のAI Agent化・Platform構築] ・顧客先の業務・意思決定プロセスを理解し、AI Agent で構築できる形に分解・再設計 ・GV の Agent Platform を土台に、顧客固有の AI Agent ソリューションをゼロから設計・実装・本番運用 ・LLM・RAG を活用した業務自動化アーキテクチャの設計(PoC ではなく本番実装) ・予測・最適化モデル(需要予測・LTV最大化・顧客離反予測等)の設計・社会実装 ・運用定着KPIの設定とモニタリング(活用率・業務インパクトの数値化) [顧客への伴走・定着] ・課題定義・要件定義・提案(技術担当者〜経営層まで幅広いオーディエンスへの説明) ・定例MTGのファシリテーション、進捗管理、リスク管理 ・顧客担当者(非エンジニア含む)へのハンズオン・研修設計 ・障害対応・問合せ対応・継続改善の仕組みづくり [セキュリティ・コンプライアンス対応] ・金融機関・規制産業特有のセキュリティ要件(ネットワーク分離、データ保護、監査ログ等)への対応 ・クライアント側のセキュリティ審査・NDA・情報取扱規程への準拠 活用する技術スタック(例) AIエージェント:OpenAI・Claude 等の LLM を用いた設計・実装 言語:Python / TypeScript が中心(実装言語は案件により異なります) クラウド:AWS 等(クラウド種別は顧客環境により異なります) Webアプリケーション開発・運用、クラウドインフラ構築・運用 LLM / RAG を活用した本番システム開発(PoC ではなく本番実装) ※実際の技術構成は案件特性により異なり、入場後に最適な技術選定を行います。 チーム構成 FDEは、案件ごとに4〜5名程度のチームを組成して対応します。案件の特性・フェーズに応じて最適なメンバーでチームを編成し、課題定義から AI Agent の設計・実装・定着までをチーム一体で担います。

●職務概要 最先端の統計解析、機械学習、そしてLLM(大規模言語モデル)をはじめとする生成AI技術を駆使し、ビジネス課題の解決を推進します。 単なる分析PoC(概念実証)で終わらせるのではなく、データから得た示唆をアルゴリズムとして実装し、システム化・プロダクト化することで、「継続的なビジネス成果」を創出することがミッションです。 ●業務内容 プロジェクトの最上流から参画し、ビジネス課題の特定からアルゴリズムの選定、実装、社会実装まで一気通貫で携わっていただきます。 ・生成AI・LLM活用: RAG(検索拡張生成)を用いた社内知見の活用支援や、LLMによる業務自動化・コンテンツ生成アルゴリズムの技術検証およびシステム開発。 ・予測・最適化モデル構築: 需要予測、顧客離反予測、LTV最大化、マーケティング最適化など、大規模データを活用した数理モデルの設計。 ・社会実装とMLOps: 構築したモデルをWeb API等へ組み込み、運用・改善サイクルを回すことで、実ビジネスで活用され続ける仕組みの構築。 ・研究開発(R&D): 最新論文の調査・トレースを行い、最先端技術を商用利用可能なレベルまで引き上げる研究開発。 ・ステークホルダーとの折衝: クライアントや事業部門に対し、分析結果のレポーティングや、技術的背景に基づいた戦略的な意思決定の支援。

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

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

●担っていただきたい役割 本ポジションでは、データを中核とした開発・業務革新の推進役として、顧客とともに価値創造に取り組んでまいります。 あなたの強みと弊社のエンジニアリング、データサイエンス、ビジネスナレッジを組み合わせ、フルサイクルで開発を決めることができます。 「最速で価値を提供すること」:そのために様々な開発手法を学び改善プロセスに組み込む 「業務データの価値を引き出す」:そのために高い視座・広い視点、それを支える専門性が必要 「専門性のコラボレート」:隣接領域への理解とリスペクトが近づく 当社のエンジニアは、データを軸としながら多様なバックグラウンドと専門領域を持ち寄り、フロントエンド、バック エンド、データエンジニアリング、LLM活用、プロジェクトマネジメントなど、職能を超えて補完し合うスタイルで価値提供を行っています。 ●開発環境 スクラム開発をベースにしつつ、や課題チームに合わせて柔軟に開発サイクルを設計・改善しながら、継続的な価値を提供します。開発対象は、BtoBやBtoBtoBといった多様な形態の中、課題に対して最適な技術を柔軟に取り入れるための最新技術や複数のクラウドに触れる機会が多いです。 プラットフォーム開発・マルチテナント設計、億単位のOLTP・OLAP、PWAやWebScoketなどWeb技術活用、LLM、RAGなど多様な技術を活用し顧客の課題解決につながる開発を進めています 【使用技術の一例】 ・バックエンド:Python, TypeScript, Go など ・フロントエンド:React, Next.js ・データベース:PostgreSQL / MySQL ・インフラ:Google Cloud / AWS / Azure / Snowflake / Terraform ・データパイプライン:DataForm, dbt等 ・コード管理:Github ・バックログ管理:Jira ・コミュニケーション:Google Workspace / Slack / zoom / Microsoft Teams ●活用事例: ・ヘルスケアの事例 　https://jdsc.ai/news/news-3683/ ・LLMの活用事例: 　https://aws.amazon.com/jp/blogs/news/genai-case-study-jdsc/ 　https://jdsc.ai/news/news-5142/ ●働き方 JDSCでは、各メンバーのライフスタイルや価値観に合わせた多様な働き方が実現できます 現在の実績として、出社もしくはリモートを中心として働くことや育休取得、フレックスタイム制度を活用するなどそれぞれの事情に配慮した上で多様な働き方をしている人が多いです。 その他ポジションに関わる福利厚生の一例として以下が挙げられます。創業時代から「まずはやってみる」ということを大切にしている人が多くの結果として以下が実現されています ・書籍購入認証 ・オライリーオンライン ( https://note.com/jdsc/n/n8aced0fb1765) ・Claude、ChatGPT等 LLMの業務利用に対する補助 ・インディングエージェントの補助 ・Google Cloud、AWS証明書の資格取得支援 ・社会人修士・社会人博士支援制度