和歌山県 機械学習のITエンジニア求人・転職情報

●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

● D.Node(デロイト トーマツ ノード合同会社)とは? デロイト トーマツ コンサルティング(DTC)グループの一員として、日本を代表する大企業(エンタープライズ)のDX(デジタルトランスフォーメーション)戦略の実現を担うテクノロジー集団です。 単なる「システムの受託開発」ではありません。日々変化する経営環境に適応するため、ビジネスの仕組みづくりそのものを変革します。業界の深い知見と高度な技術力を武器に、戦略構想から開発・運用まで「End to End(一気通貫)」で支援できる圧倒的な実績と難易度の高い案件が集まる環境です。 ● 業務内容 プロジェクトマネージャーとして、プロジェクト推進(チームビルディング/タスク・課題管理/スケジュール管理/顧客折衝/戦略策定なプロジェクトマネージャー(PM)として、エンタープライズ領域における「ミッションクリティカルなシステム開発」「大規模クラウド移行」「プラットフォーム開発」「アプリケーションモダナイゼーション」などのプロジェクト推進をお任せします。 システムのグランドデザインを描き非機能要件を見据えながら、不確実性をコントロールして大規模なプロジェクトを成功へと導く中核ポジションです。 ● 具体的な業務 ①プロジェクト全体の推進・管理 ・複数チームで構成される中〜大規模プロジェクト(30人月以上)における体制構築 ・不確実性の高い環境における、先回りしたタスク・リスク・スケジュール・品質管理の徹底 ②最上流のステークホルダーマネジメント・顧客折衝 ・クライアントやグループ内のコンサルタント等の多様な関係者との要件調整、期待値調整 ・グランドデザインを理解した上で、課題の抽出・整理および「そもそも何を作るか」の合意形成 ③現場のボトルネック打破・障壁の排除 ・開発チームが迷わずモノづくりに集中できるよう、推進の障壁(プロセスの不備や課題など)を能動的に見つけ出し、解決に向けて周囲へ働きかけ・排除を実施 ④モダンツールを用いたチームリード ・Jira / Confluenceなどをフル活用したプロジェクト管理 ・ハイクオリティなドキュメンテーションの作成、およびチームメンバーの円滑な牽引・サポート ⑤スコープやチーム体制の「大胆な意思決定」 ・状況の変化に応じてプロダクトオーナー(PO)と対等に議論・相談を実施 ・リリーススケジュールの見直し、開発範囲(スコープ)の変更、チーム体制の刷新などを臆せず柔軟に決断・実行 ● 案件事例 ※本求人だけではなくD.Nodeでの過去案件を一部記載させていただきます※ ・自動車業界クライアント向け:複数システムのデータを一元的に連携するクラウドサービス基盤の設計 ・自動車業界クライアント向け:車両から発信される情報を集約、管理、活用するグローバル基盤構築 ・自動車業界クライアント向け:車両から発信されるデータの蓄積と再利用のためのDB基盤構築 ・電気通信事業クライアント向け:デジタルマーケティングシステムにおけるAPIリアルタイム連携構築 ・小売業クライアント向け:オンプレミスのクラウド移行 ・電気ガス事業クライアント向け:生成AIアプリケーション(RAG/AIエージェント)のプロトタイプ、本番開発におけるRAGチューニング・評価など対応 ・デジタル通貨のパイロット実験のアドバイザリー ●取り扱うソリューション ビジネスのスピードに合わせ、モダンな開発環境を採用しています。 開発手法: アジャイル(スクラム開発) ※クライアントや案件属性によって変更あり。 Cloud: ・AWS,Azure,Google Cloud,OCI AI/ML: ・AWS Bedrock,SageMaker,Knowledge Base for Amazon Bedrock etc ・Azure AI Foundry,OpenAI Service,Machine Learning,AI Search, Prompt Flow etc ・Google Cloud Vertex AI,Agent Engine,Vertex AI Search,Gemini Enterprise etc ・NVIDIA NIM,NeMo,Omniverse,Databricks - Agent Bricks データ基盤/活用: ・AWS Redshift / Athena,Glue,Kinesis Data Analytics,EMR,Kinesis + SNS/SQS,Glue Studio etc ・Azure Synapse Analytics,Data Factory,Synapse Pipelines,HDInsight,Event Hubs,Data Factory etc ・Google Cloud BigQuery,Pub/Sub,★Dataplex,Dataflow etc ・Databricks,Snowflake ローコード/ノーコード: ・Power Automate /Power Apps,UiPath,Blueprism,AutomationAnywhere ・Dify,Gemini Enterprise,MS Copilot Studio EMTech: ・★量子コンピュータ,★Physical AI - Robotics,★Web4 プログラミング言語/FW: ・Python,Java,TypeScript,Node.js ・Flask,FastAPI,SpringBoot,React,Next.js,Vue.js,Nuxt.js ・LangChain/LangGraph,MLflow ・★MicrosoftAgentFramework,★SemanticKernel,AutoGen ・★MCP,★MCPPythonSDK,★FastMCP,★ROS2 ・★A2A,★AP2 laC/CI: ・Terraform,CloudFormation,Ansible ・GitHubActions,AWSCodePipeline,AzureDevOps,Jenkins AIツール: ・MSCopilotStudio,M365Copilot,ChatBot(ChatGPTライク) ・GitHubCopilot,★Devin,★v0 AIロボティクス: ・★SLAM,★Navigation,★強化学習・模倣学習・ロボット言語モデル データベース: ・各種RDS,NoSQL,★NewSQL,VectorDB,★GraphDB 監視/評価/セキュリティ: ・★Langfuse,★RAGAS,★RAGChecker,★mlFlow,★Datadog,Snyk ※1　★印以外:D.Nodeに組織としてノウハウがあるもの ※2 　2025年12月時点

データプラットフォーム導入・構築の引き合い増加に対応するための増員です。 クライアントの業務システムなどの膨大な量のデータを蓄積・加工・分析し、経営層の意思決定に活用する BI(Business Intelligence)を含むデータプラットフォームの導入から実行支援までを行っています。 ●クライアントの要望に沿ったデータプラットフォームの企画、設計、実装まで、プロジェクトに一気通貫で関わっていただきます。 ●主に要件定義からテストまでお任せします。 開発だけでなく、DB、インフラ、プロジェクト管理、エンドユーザーとのコミュニケーション能力など、幅広い経験に基づくスキルアップ・キャリアアップが可能な環境です。 ●エンドユーザー様と直接やり取りをする立場であり、要件定義など上流工程に携われます。

機械学習領域の技術方針・技術判断 ・事業課題・プロダクト要件を踏まえた機械学習の活用方針の検討 ・機械学習を使用する/使用しない判断を含む技術的な実現方法の選定 ・モデル・アルゴリズム・特徴量等の選定と技術的な妥当性の検証 ・複数の機械学習テーマを見据えた技術方針・開発優先順位の検討 ・精度、開発工数、運用負荷、保守性、コストを考慮した技術的な意思決定 大規模LLMとの連携・活用に向けた技術設計・開発 ・業務要件やユースケースに応じた大規模MLMの選定・評価および技術的な活用方針の策定 ・大規模LLMとのAPI連携や既存システムへの組み込みを見据えたアーキテクチャの設計・実装 ・Pythonを用いたモデル連携機能の開発および推論処理・データ連携の最適化 ・出力精度・応答速度・コストなどの評価指標の設計および検証結果に基づく継続的な改善 ・大規模LLMのプロダクション環境への導入・運用における技術的課題の解決や難易度の高い開発テーマのリード システム設計・MLOpsの推進 ・機械学習モデルをプロダクトに組み込むためのAPI・バッチ処理・推論基盤の設計 ・データ処理・学習・推論パイプラインの設計・構築 ・モデルの本番環境への導入、監視、運用改善 ・精度低下やデータ変化を踏まえた再学習・改善プロセスの設計 ・再現性、可観測性、保守性、運用コストを考慮したMLシステムの改善 開発品質・技術基盤の整備 ・モデル・コード・実験結果・評価設計に関する技術レビュー ・モデルの評価方法や開発手順の標準化 ・技術的負債や運用課題の可視化、改善方針の策定 ・実験管理、CI/CD、モデル監視等を含む開発・運用環境の改善 ・機械学習領域における技術知見のドキュメント化・共有 関係部門との連携・技術支援 ・PdMや事業側と連携した課題整理、技術的な実現可能性の検討 ・アプリケーションエンジニア等との連携によるプロダクトへの機械学習機能の実装 ・AIデータ品質担当との連携による学習・評価データの品質向上 ・開発メンバーへの技術レビューや設計・実装面での支援 ・技術選定の理由、評価結果、リスク等の関係者への説明 ※人員管理や組織マネジメントはEM等と役割を分け、本ポジションでは機械学習領域の技術的な意思決定と開発・運用品質を中心に担っていただきます。 課題や事業上の優先順位はPdM等と連携し、AIデータ品質担当とはデータ品質に関する役割を分担します。