機械学習・データ活用 機械学習のITエンジニア求人・転職情報

サーバーサイドチームは現在、プロダクト・ミッション毎に、5つのグループから構成されています。各グループは約5〜7名程のメンバーで構成されており、それぞれ1〜2名のリーダーがとりまとめています。 加えて、サーバーサイドチーム全体に対して、エンジニアリングマネージャーが2名、テックリードが2名という体制で開発を進めています。 メインの技術スタックは、Python、Go、Javaを用いており、全てAWS上で構築しています。サーバー数は2000台以上と、国内でも上位に入るサーバー数を有している、巨大なアーキテクチャが特徴です。 それぞれのグループの特色によって、開発方式が分かれていますが、基本的にはアジャイル開発(スクラム、カンバン)の形を用いています。 <カルチャー> コード/設計レビューを重視:品質の担保だけでなく、チーム全体のスキルアップ・知識の属人化解消の場としてレビューを大切にしています 具体的には、スプリントごとにレビュー会を実施し、メンバー全員で一緒に、リファクタリングできるポイントが無いか、実装指針でずれているところはないかなどの確認をしながらレビューを行っています フラットな議論ができる:役職や経験に関わらず、技術的な議論やプロダクト改善の提案を歓迎するフラットな雰囲気です 設計や実装方針の相談はデイリーミーティング等を活用して行っています 個々のチャレンジを推奨:新しいアイデアや技術的探求・チャレンジを歓迎しており、戦略的にリソースを投資しています 日々の振り返りの中で、KPTだけでなく、思いついたアイデアなどを共有するオープンな文化が根付いており、実際にそこからチームの技術的チャレンジに採択されることもあります 主な業務内容 既存システムのリアーキテクチャ設計および実装の推進 カメラやビューアーの新規機能開発(API開発) パートナー向け管理アプリケーションの機能開発 100万台規模のクラウド録画サービスを安定して提供できるアーキ テクチャの設計‧開発 サーバコストを抑えるための各種最適化 画像‧動画の解析システムの設計‧開発 ライブ再⽣時の遅延を⼩さくするためのチューニングや新しいコー デックへの対応 サーバ間連携のための各種配信プロトコルへの対応 (※各グループによってミッション・業務内容の詳細は異なります) リーダー候補について 開発の最前線で活躍し、エンジニアとしての技術力をストイックに磨き続け、その力でプロダクト開発をけん引していただくシニアエンジニアとは異なり、リーダーは業務内容にマネジメント要素を含んでおり、メンバーの育成や開発プロジェクトのマネジメントなども担っていただくポジションです。 <具体の業務イメージ> 既存システムのリアーキテクチャ設計チームのマネジメント 5〜6名ほどのチームメンバーに対する育成‧教育 組織目標に向かって継続的に活動することでメンバーを鼓舞し組織力を高めていく役割の実践 組織的なプラクティスやプロセスの改善提案と実践、他グループとの共有 ※リーダーとなっても一定の開発・プレイング業務は含まれます セーフィーでは、技術力で開発を導くシニアエンジニア、ピープルマネジメント特化で組織づくりを担うリーダー、どちらのキャリア観も最大限尊重し、個人が思い描く、それぞれの活躍を遂げられるよう、組織でサポートしています。 「マネジメントスキルの有無」によって年収・評価への差をつける一般的な基準とは異なり、エンジニア職専用の、シニアエンジニアとリーダー、それぞれのキャリアに合わせた並列の基準を持っており、その職能自体でのパフォーマンス・活躍によって正当に評価される環境です。 尚、具体の方向性の決定は、選考にてすり合わせを行っております。また、ご参画後に関しても、常時の1on1にてご相談いただきつつ、キャリアチェンジいただける仕組みになっています。 使っている技術・ツール 開発言語:Python、Go、Java インフラ:AWS データベース:MySQL、Redis、PostgreSQL 構成管理ツール:Terraform、Ansible、Packer 監視:Prometheus、Grafana、PagerDuty、StatusCake、Sentry、Datadog CI/CD:GitHub Actions その他:GitHub、Docker、Fluent Bit、Redash 部署全体の今後の目標‧現在の課題 ●クラウド録画サービスの品質向上 現在出荷数30万台を突破し更なる利用者数の急増に伴い、より高品質‧ハイパフォーマンスなサービス基盤の開発‧運用を行います。カメラを通してクラウド上に収集した"映像データ"を、必要に応じ配信や解析し、付加価値のある情報を抽出する事によりお客様の課題解決を実現しています。 ●上記クラウド基盤上でのアプリケーション開発 動画の収集/配信システムだけでなく、"映像から未来をつくる"というビジョンを達成すべく、それらの動画を利用した顧客課題の解決に繋がるようなアプリケーションの開発を行っております。様々なアプリケーションを提供していくことでより多くの課題解決を実現して参ります。 ●オープンAPI等による他社参画のためのプラットフォーム開発 上記は自社で行っているアプリケーション開発ですが、映像から解決できる問題は多数あり、且つ、業界業種によっても異なります。この全ての課題を解決するためには弊社一社のみで行うのではなく、オープンなプラットフォームを構築し他の技術を持った企業様が参画ですることで顧客解決に繋がるサービスをより多く世に出していき、"映像から未来をつくる"を実現していきます。このように、「我々の基盤上で構築〜展開できるようなプラットフォーム開発」を進めております。 開発関連で私達がこれからやりたいこと、やりたいけど出来ていないこと 様々な業界の現場DXに繋がるプロダクト、アプリケーション開発 上記プラットフォームを利用し、現場DXを実現するアプリケーションの開発 動画データ録画配信サービスとしての更なる強化 競争力のある画質・レイテンシー・プライシングの実現 AI含む様々な解析系サービスが柔軟に構築できる仕組みをPaaSとして提供 多様な外部サービスと連携するための公開APIの拡充

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)

INTLOOPグループでは、中期売上目標として1,000億円の達成を掲げています。 2030年問題として社会課題化している労働人口減の加速に伴い発生する産業課題の解決に向けて、従来のプロフェッショナル/ヒトによる課題解決を行う事業に加えて、AIなどの先端技術を活用してヒトとテクノロジーを融合した新事業を創出し、新たな収益の柱としていくことを目指しています。 ストラテジックデータ/UXマネジメントのポジションは、プロダクト・セールス・マーケティング領域のデータ分析を通じて、顧客行動や事業課題を可視化し、プロダクトの機能/UX改善施策を企画/推進できるポジションです。 【AIエージェント「INTLOOP Pocket」】 コンサルティング業務でのAI活用から業種を問わず転用可能な取り組みを汎用化したAIエージェントソリューション群「INTLOOP Pocket」として事業展開しています。2026年6月より以下の第1弾ソリューションのPoCおよび開発を順次開始しており、今後さらにラインナップを拡大予定です。 ・Sales Pocket:営業の商談創出から提案勝率アップまで、トップライン拡大を支援。 ・Training Pocket:AIの力で自律的な人材成長を促進し、組織力を強化。 ・PMO Pocket:PMOタスクの先回りアドバイスで、PMのスキルレベルに依存せずプロジェクト完遂を支援。 【今後の注力取り組み】 事業の急拡大に向け、以下の3点に注力しています。 ・ソリューションの多角化:コンサル派生領域から業務領域全般へ、新たなAIエージェントの企画・開発 ・オファリング提供モデルの構築:INTLOOPグループのコンサル/エンジニアなどと連携したユースケースオファリングやBPOなどAIのみに閉じない事業モデルの構築 ・ディストリビューションネットワーク構築:スタートアップ、VC、行政、金融機関等のパートナー連携を通じて地方中堅・中小企業(SMB)市場へもアプローチし、新たな収益の柱を確立

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。

急成長中の人材プラットフォーム事業が運営する、『ジョブメドレー』や『ジョブメドレーアカデミー』といったプロダクトにおけるデータ分析基盤の開発・運用をお任せします。 ELT パイプラインを中心とした『安心して分析に使える(Analytics-ready)、かつ AI による利活用が可能(AI-ready)』なデータ提供が主なミッションになりますが、まだ立ち上げ期のフェーズということもあるため、これまでのご経験や今後のキャリアプランに応じて、データ分析も含めた様々な業務に取り組んでいただくことが可能です(一般的にアナリティクスエンジニアと呼ばれる職種の領域も含まれます)。 ご参考までに、データ組織としての直近の取り組みと今後取り組んでいきたいことをご紹介します。 <直近の取り組み> ●Google BigQuery x Data Transfer Service x Dataform によるデータ基盤の開発・運用 ●Trocco x dbt の導入による、運用効率および拡張性の高い ELT パイプラインの実装 ●dbt による既存 BigQuery 環境のデータリモデリング、および dbt MCP x AI ツール(Cursor, Claude Code など)による効率的なデータモデル開発 ●Metabase の導入による、事業標準ダッシュボード環境の構築に向けた取り組み、および Lightdash x 生成 AI による Generative BI の検証 ●Google 広告や App Store / Play Connect といった 3rd party データの連携、および Kintone などへのリバース ETL 連携開発・運用 ・参考記事:[BigQuery Data Transfer Service を通して学ぶ Google 広告のデータモデル](https://developer.medley.jp/entry/2025/07/24/120228/) ●事業の意思決定支援のための各種アドホック分析、見通しの予測・レポーティング、およびそのための予測モデルの開発・運用 <今後取り組んでいきたいこと> ●dbt docs / Open Metadata などのデータカタログ + MCP 提供による、AI ツールを含めた社内でのデータ利活用のしやすさの改善 ●Snowflake や Iceburg といった基盤技術や、Google Datastream をはじめとする CDC の導入によるデータ連携・運用効率性の改善 ●レコメンドや検索をはじめとしたプロダクト機能への機械学習モデルの導入、および MLOps の実現 ●データサイエンスを通した、マーケティングを含むより精密な事業構造のモデリング、およびそこから得られたインサイトによるプロダクト利用者の課題解消 ●ダッシュボード提供による営業現場の業務効率性改善 ●個人情報の取り扱いからメタデータ管理まで、データマネジメントの更なる強化・運用効率性の改善 <主な技術スタック・利用ツール> ●BigQuery ●dbt, Dataform ●Trocco, Embulk, Datastream, Google BigQuery Data Transfer Service ●Looker Studio, Redash, Metabase ●MySQL, PostgreSQL ●Cursor, Claude Code, Devin ・参考記事 : [メドレーのAI活用戦略:「AI for All」 | MEDLEY Developer Portal](https://developer.medley.jp/entry/2025/04/25/112655/) ※業務の変更の範囲: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。 ●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

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

●具体的実例(入社後のイメージ) 年功序列なし。2年で大きく飛躍したメンバーの実例を紹介します。 当社には年功序列の評価はありません。意欲と成果次第で、誰もがスピーディーに活躍の場を広げられる環境です。 ・未経験から生成AIシステムの実装主担当へ 大学院で心理学を専攻し、実務未経験で入社したメンバーが2年でNext.js/FastAPIによる生成AI連携システムの実装主担当に成長。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円へと大幅な改善を達成しました。 ・年次を問わない早期キャリアアップ 新卒入社1年1ヶ月でサブリーダー、2年でプロジェクトリーダーに抜擢された事例や、20代・30代前半で部長を務めるメンバーも複数在籍しています。 ・自分らしく描ける3つのキャリアパス 技術を極める「エキスパート」、組織を牽引する「マネジメント」、技術基盤を支える「AIスペシャリスト(MLOps/LLMOps)」など、ご自身の志向に合わせたキャリアを選択できます。 【職務内容】 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。 AIがビジネス価値を生み出すためのプラットフォーム設計・構築を軸に、開発から運用、データ基盤整備まで幅広く手掛け、顧客のビジネス課題解決に伴走します。 ・AIプラットフォームの設計・構築 ビジネス価値の創出に向けたAI基盤の設計・構築 ・Web/バックエンド開発 堅牢で拡張性の高いアプリケーション・システムの開発 ・高品質なデータ基盤の構築 AI利活用を最大化・スムーズにするデータパイプラインの整備 ・クラウドネイティブ環境での開発・運用 AWS / Azure / GCP を活用したシステム開発および伴走型の運用支援 【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。 【事業部としてのバックアップ体制と働く環境】 一人にしない、事業部のバックアップ体制 ● 助け合い、高め合える「チーム体制」 当社メンバーが複数名参画するチーム体制が基本です。社内の専門家コミュニティも活発で、高度な技術的課題もいつでも気軽に相談・解決できる安心感があります。 ● 柔軟でメリハリのある「働き方」 基本スタイルは週4日リモート・週1日出社。プロジェクトの状況に応じて客先常駐が発生する場合があります。リモートの比率より、必要な場所で成果を出すことを優先できる方を求めます。 ● 成長を強力に後押しする「育成・学習環境」 270種以上の資格取得支援制度をはじめ、自社オリジナルの学習システム「AMBL PANEL」や社外研修費の会社負担など、エンジニアの成長機会を最大限に用意しています。 ●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。 1.生成AI・LLM領域 グラフRAG・Advanced RAGの構築 AIエージェントの設計・実装(LangGraph/Dify等) LLM基盤の最適化(Context Engineering等) 2.AI・データインフラ領域 MLOps/LLMOps基盤の構築 Snowflake/dbtによるデータ基盤構築 Azure OpenAI/AWS Bedrock上でのシステム構築 3.高度技術・社会実装領域 画像解析・数理最適化の社会実装

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

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

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。経営課題を技術で解決するためのデータアーキテクトのグランドデザインおよびデータモデリングを主導する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、および中長期的なデータ利活用戦略の立案とアーキテクチャ設計支援 ・AWS、Azure、GCPなどのクラウド環境を活用したデータ基盤・分析基盤の設計 ・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。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。

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 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 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

【こんな方におすすめ】 ●データ活用で製品価値や開発プロセスを革新したい方 ●大規模データやクラウド基盤を活用して意思決定や改善を推進したい方 ●データ解析・AI技術を使って組織横断の課題解決に挑戦したい方 ●分析結果を現場に還元し、プロセスや製品に影響を与える仕事にやりがいを感じる方 ● 新しい技術や仕組みを自ら試し、チームやプロセスに展開できる方 ● データ活用によってソフトウェア開発の生産性を高めたい方 ● 技術とビジネスの両面から価値を生み出すことに興味のある方 【業務委細】 ●データ基盤の設計・構築 ●車両開発・ソフトウェア開発の各種データを統合・可視化するデータパイプライン構築 ●クラウド上でのデータ収集・加工・分析環境整備(ETL/ELT設計) ●データ分析・機械学習の活用 ●ソフトウェア開発効率や製品品質向上に向けた分析・予測モデルの構築 ●生成AIや機械学習モデルの運用 ●開発プロセスの改善支援 ●データに基づいた開発プロセス改善提案 ●ダッシュボード作成やデータ可視化による現場へのフィードバック ●組織横断でのデータ活用推進 ●SDV開発に関わる複数部門と連携し、データ活用の標準化・最適化 ※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。 【開発環境・ツール】 ● プログラミング言語・スクリプト:Python, SQL, Shell Script, JavaScript, C++(一部領域) ● データ基盤・分析環境:AWS(S3, Redshift, Glue, Lambda等)、GCP(BigQuery, Dataflow, Vertex AI等)、Azure(Synapse, Databricks等) ● 開発・運用ツール:Docker, Kubernetes, Jenkins, GitHub / GitLab, JIRA, Confluence ● データ分析・可視化ツール:Tableau, Power BI, Superset, JupyterLab, Pandas, Scikit-learn ● 機械学習/AI関連:TensorFlow, PyTorch, MLflow, Generative AIツール(LLM活用基盤等) ● 車載開発・統合設計ツール(連携領域):AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz Platform

【業務委細】 ●データ基盤の設計・構築 ●車両開発・ソフトウェア開発の各種データを統合・可視化するデータパイプライン構築 ●クラウド上でのデータ収集・加工・分析環境整備(ETL/ELT設計) ●データ分析・機械学習の活用 ●ソフトウェア開発効率や製品品質向上に向けた分析・予測モデルの構築 ●生成AIや機械学習モデルの運用 ●開発プロセスの改善支援 ●データに基づいた開発プロセス改善提案 ●ダッシュボード作成やデータ可視化による現場へのフィードバック ●組織横断でのデータ活用推進 ●SDV開発に関わる複数部門と連携し、データ活用の標準化・最適化 ※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。 【開発環境・ツール】 ● プログラミング言語・スクリプト:Python, SQL, Shell Script, JavaScript, C++(一部領域) ● データ基盤・分析環境:AWS(S3, Redshift, Glue, Lambda等)、GCP(BigQuery, Dataflow, Vertex AI等)、Azure(Synapse, Databricks等) ● 開発・運用ツール:Docker, Kubernetes, Jenkins, GitHub / GitLab, JIRA, Confluence ● データ分析・可視化ツール:Tableau, Power BI, Superset, JupyterLab, Pandas, Scikit-learn ● 機械学習/AI関連:TensorFlow, PyTorch, MLflow, Generative AIツール(LLM活用基盤等) ● 車載開発・統合設計ツール(連携領域):AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz Platform

【こんな方におすすめ】 ●生成AIや機械学習を使い、ソフトウェア開発の生産性向上・自動化に取り組みたい方 ●コーディング支援や品質検証の自動化など、AIを開発の中に組み込みたい方 ●クラウド/組込み/データなど多様な領域と連携し、大規模プロジェクトにAIを適用したい方 ●既存の開発手法を刷新し、Honda全体の開発プロセスを変革したい方 【業務委細】 SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※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】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

【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

【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 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

【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