年間休日120日以上 KaggleのITエンジニア求人・転職情報

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

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。

配属部署 ●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。 ●仕事内容 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。 スキル ●活かせるスキル/身につくスキル ・自動車/農機・建機/医療/FA/金融/物流/マーケなど、複数に渡る分野におけるAIを用いるシステムの業務知識 ・画像認識、データ分析、自然言語処理、機械学習、深層学習、3D点群処理、OpenCV、Edge AI、生成AI・AIエージェント、フィジカルAIなどの開発技術 ・Python/C++/C/C#/Java/JavaScript/各種LIB/各種FW/Cloud/WebUIなどソフトウェア開発者として幅広く活躍いただける技術 ・要求分析、顧客折衝、チームマネジメント ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務

●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。

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

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。

【ミッション】 ソフトバンクの基地局の展開効率最大化を達成するために、データ基盤の整備/業務プロセスの改善/無線機のロジスティクスの最適化を推進いただきます。 【主な業務】 無線機器の需要予測/機器発注予実/納品と配布状況の集計および自動化 基地局工事の進捗データの集計/自動化 【具体的な業務】 無線機需給分析とその自動化に向けたツールの開発/構築/運用 基地局工事進捗データ集計の自動化に向けた開発/構築/運用 基地局の工程管理に必要な社内システムオペレーション 社内外向け報告資料の作成(総務省向けなど) AI活用による業務効率化 ※Google Apps Script(GAS)、データ分析Platform(KNIMEなど)、RPAツール(Velox RPAなど)を活用いただきます。

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 ・LLM/RAGを活用した業務アプリの開発(要件整理→プロトタイプ→本番実装まで) ・データ整備・検索設計(ドキュメント分割、メタデータ設計、検索精度の改善) ・評価・品質担保の設計(評価指標、テストケース、ガードレール/プロンプト改善) ・既存システムとの連携実装(API連携、権限、ログ/監視、運用手順の整備) ・学びを資産化(実装パターンのドキュメント化、社内共有、再利用できる部品化) 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 得られるキャリア・ベネフィット ・LLM/RAGを“触る”で終わらせず、要件→実装→運用までを経験できる ・プロンプトだけに寄らない設計力が身につく(評価指標、データ整備、ガードレール設計) ・PoCの先にある“現場で使われ続けるAI”をつくる実装力が鍛えられる ・キャリアの分岐が広い(生成AIアプリ/AI×バックエンド/AI-PM・テックリード など) ・キャリアを逆算したアサイン:伸ばしたい軸(上流/技術深掘り/リード)から役割を設計します ・複数の視点で成長を支える体制:定期面談やレビューで、次の一手を一緒に決めます 仕事の難しさ ・LLMは挙動が揺れるため、“動いた”で終わらず評価指標・ガードレール・運用まで作り込む必要があります。 ・要件が曖昧なまま始まることも多く、仮説→検証→改善のサイクルを自走できることが重要です。 ・セキュリティ/権限/ログ/コストなど、プロンプト以外の論点が成果を左右します。

●生命保険または損害保険の業務プロセス全般に関する分析・改善提案 ●保険商品、契約管理、保全、支払査定等の業務要件定義の作成 ●業務担当者とのコミュニケーションによる現状把握及びニーズのヒアリング ●システム開発プロジェクトにおける業務要件定義、設計、テスト支援 ●ベンダーやエンジニアとの調整・折衝業務 ●プロジェクト進捗管理及び課題管理 ●ドキュメント作成(業務フロー、要件定義書、議事録等)

先端AIのNeuromorphic技術の研究開発を担当いただきます。主に、省電力化(脳型コンピューター/AI chip実装、生体模倣センシング、時系列信号処理、ロボット制御AI)の領域から、適性に基づき配属を決定します。 ●具体的な業務内容 【事業優位性を提供するための、新手法の実用化および課題解決方法の提案】 【新事業を創成するための革新技術の研究】【AIの理論的/実験的研究】 ・担当テーマに関する研究開発業務(文献・他社調査、計画立案、実験、手法確立、インプリ、性能評価、技術移管など) ・研究開発に伴う成果物(技術報告書発行、特許出願、学会発表、論文誌投稿など) ・国内外の大学、研究機関、外部企業との連携 ・社内協業部門との連携 職種の変更範囲:技術職・事務職・技能職業務

機械知覚機能を支える先端AI技術の研究開発(Ex. 学習効率化)を担当いただきます。 主に、画像認識、マルチモーダル生成AI、機械学習方法論・理論といった専門性にもとづいて、テーマを決定します。 ●具体的な業務内容 【事業優位性を提供するための、新手法の実用化および課題解決方法の提案】 【新事業を創成するための革新技術の研究】【AIの理論的/実験的研究】 ・担当テーマに関する研究開発業務(文献・他社調査、計画立案、実験、手法確立、インプリ、性能評価、技術移管など) ・研究開発に伴う成果物(技術報告書発行、特許出願、学会発表、論文誌投稿など) ・国内外の大学、研究機関、外部企業との連携 ・社内協業部門との連携 職種の変更範囲:技術職・事務職・技能職業務

先端AIのNeuromorphic技術の研究開発を担当いただきます。主に、省電力化(脳型コンピューター/AI chip実装、生体模倣センシング、時系列信号処理、ロボット制御AI)の領域から、適性に基づき配属を決定します。 ●具体的な業務内容 【事業優位性を提供するための、新手法の実用化および課題解決方法の提案】 【新事業を創成するための革新技術の研究】【AIの理論的/実験的研究】 ・担当テーマに関する研究開発業務(文献・他社調査、計画立案、実験、手法確立、インプリ、性能評価、技術移管など) ・研究開発に伴う成果物(技術報告書発行、特許出願、学会発表、論文誌投稿など) ・国内外の大学、研究機関、外部企業との連携 ・社内協業部門との連携 職種の変更範囲:技術職・事務職・技能職業務

●業務概要 パーソルグループ企業もしくは提携企業にて顧客や社内の部門に対して、お客様が保有する様々なデータを活用可能な形に処理し、データ分析のための基盤構築をお任せします。 データサイエンティスト/アナリストが行う仕事の基盤をつくり、お客様が抱える課題を解決まで導く業務となります。 ●業務詳細 ・データ収集・連携 　└外部SaaS/業務システムなど異なるソースからのデータ取り込み 　└バッチ開発やストリーミング処理 ・データ基盤の設計・構築・運用 　└DWH・DB・テーブルの設計(SQL、スキーマ、パーティショニング) 　└クラウドインフラの構築(AWS/GCP/Azure)、セキュリティ・ネットワーク設定、コスト最適化 ・データ整備・品質管理 　└ETL/ELTパイプラインの実装(dbt、Apache Kafka、Apache Spark) 　└データモデリング(スタースキーマ・Snowflake)、メタデータ管理、データカタログ整備 ・データ品質監視 　└検査ルール、データガバナンスの設定 　└アラート対応、テスト設計 ・提供・可視化支援 　└分析用マートの提供、BIツールへの接続最適化・可視化(Looker、Tableau、Power BI) ・運用・信頼性 　└パイプラインの監視・障害対応・パフォーマンスチューニング 　└Gitによる変更管理 プロジェクト例 ●Databricksを用いたデータ基盤の設計構築 <業務内容> 　・Databricks上のデータ基盤の設計/構築/検証 　・SAPのテーブルをDatabricksに連携 　・S3のテーブルをDatabricksに連携 　・ストリーミングテーブルの実装、ジョブ作成 <技術> 　Databricks, PySpark, SparkSQL, PowerBI, Git ●dbtを用いたETL、データパイプライン構築 <業務内容> 　・データパイプライン構築、フロー図作成 　・Bigqueryからのデータ抽出、データマートの設計・開発 　・ワークフローの監視 　・バッチ処理開発・運用 　・Tableauダッシュボードの設計・構築・運用 <技術> 　GCP(Bigquery,GCS), dbt, Tableau, Git

●ポジション SE、PG 開発メンバー ●案件の特徴 ・AI、機械学習、3次元データ(SLAM)に関わる研究開発、プロダクト、サービス開発を行います ・エンドユーザーは多岐にわたり、製造業、建築、建設、インフラ、医療など幅広い業界の案件が中心です ・案件の多くがプライム案件のため、顧客(メーカー)との距離が近い点も特徴です ・顧客の課題解決に向け、技術提案から検証、成果報告までを一貫して担当し、PDCAを回していきます ・PoCで開発したアルゴリズムをもとに、社会実装に向けたシステム開発にも携わることができます ・チームは30代～40代のベテランから20代の若手まで、幅広い世代で構成されています ・社内コミュニケーションが取りやすく、相談しやすい環境です ●対応フェーズ ・課題定義(顧客課題の整理・要件の明確化) ・技術提案(解決に向けたアプローチの検討・提案) ・技術検証(アルゴリズム開発や実データを用いた検証) ・成果報告(検証結果の取りまとめ・次フェーズの提案) ・技術雑誌や論文の執筆など ●入社後の業務 社内で請け負っているPoC案件に従事していただきます。 ・技術提案 ・技術検証 ・成果報告 社内での経験を積んだのち、顧客折衝(課題定義、見積もりなど)も行っていただきます。 また、スキルや意欲がある方はリーダーとしてのポジションもご担当いただきます。 ●変更の範囲 その他会社の定める業務 ●眼底検査装置への先端技術導入 □概要 AIモデルを使用したアプリ開発、眼底検査装置の制御開発案件です。 セグメンテーションAI技術を使用し、眼底画像の自動色分けAIモデル開発を行っています。 また、生体組織情報の取得、診察から結果提示までの高速化などを対応します。 □開発環境 OS:Windows10 □開発言語、技術:C++、Python、CUDA □関連技術:DeepLab V3+(セグメンテーション) ●リサイクル選別機開発 □概要 AIを利用したリサイクル選別機器の開発案件です。 複数種類の物体をラインカメラで撮像し、物体検知にて判別を行うAIモデルを開発しています。 判別結果を表示するGUIアプリケーションの開発や、選別機の周辺機器の制御などを対応します。 □開発環境 OS:Windows、Ubuntu □開発言語:Python、C++、CUDAなど □関連技術:DeepLearning(物体検知) ●CutPaste手法の高度化による精度改善 □概要 既存手法をベースとした、アルゴリズム改造による精度向上検証案件です。 論文調査から手法検証までを対応しています。 こちらは大学との産学連携案件であることも特徴です。 □開発環境 OS:Ubuntu □開発言語:Python □関連技術:CutPaste、DeepLearning、異常検知 以下に弊社の過去開発事例がまとまっています。 (ダウンロード可能) ●開発事例集 ・製品/システム開発編:https://www.compmind.co.jp/wp-content/uploads/2025/04/Development_case_collection.pdf ・研究開発/PoC編:https://www.compmind.co.jp/wp-content/uploads/2025/04/Development_case_collection_rd.pdf

具体的な業務内容 ・顧客に価値を届けるための新規機能開発 ・エンジニア起案の技術課題解消や、より効率的な処理を用いた実装改善 ・膨大な不動産データをより活かすためのアイディア出しやPoCの実行、プロトタイプの実装 ・新規プロダクト・プロジェクトの立ち上げ ・複利的な価値を生み出すチームへの貢献と技術的成長の推進 開発環境 [フロントエンド] Next.js, React, TypeScript [バックエンド] バックエンドは、以下の3つの環境があり、プロダクトによって異なります。 共通コンポーネントはマイクロサービスとして切り出されていて、言語間の差異による不便さはほぼありません。 フロントエンドとのインターフェイスには GraphQL を使っています。 ・Rust + actix-web + async-graphql ・Ruby on Rails ・TypeScript + Node.js + NestJS また、社内向け分析ツールとしては Python + Streamlit が用いられています。 [開発ツール] ・コード管理: GitHub ・CI/CD: GitHub Actions ・運用監視: Sentry, Datadog ・タスク管理: JIRA ・コミュニケーションツール: Slack ・開発支援: GitHub Copilot, Claude Codeなど