年収550万円以上 機械学習のITエンジニア求人・転職情報

顧客現場でAI×Security Operationsを実装するForward Deployed Engineer(FDE)型エンジニアとしてご経験や案件特性に応じて以下の業務を担当いただきます。 【顧客課題・AIユースケース設計】 ・ 顧客のセキュリティ運用業務に入り込み、現行プロセス、課題、属人化、ボトルネックを整理 ・ AI/自動化の適用候補を抽出し、ユースケース、優先順位、KPI、実現方式を設計 ・ 顧客担当者と協働し、要件が明確でない状態から仮説検証を通じて解決策を具体化 ・ AI活用施策について、削減工数、対応時間、利用率、品質改善等の指標を設定し、顧客業務への効果を可視化 【プロトタイプ・PoC・実装】 ・ 生成AI、LLM、AIエージェント等を活用したプロトタイプ/PoCの設計・開発 ・ Python、PowerShell、API等を用いた運用ツール・自動化処理の実装 ・ SIEM/XDR/SOAR、チケット、ナレッジ等とのシステム連携 ・ 必要に応じて自らコードを書き、技術課題の調査・デバッグ・解決を実施 【本番導入・運用定着】 ・ PoC結果を踏まえた本番化設計、運用フロー、Runbook、承認・エスカレーション設計 ・ AI出力の品質・精度を評価するための評価指標、テストケース、評価データの設計 ・ 評価結果をもとにしたプロンプト、RAG、Agent Workflow等の継続改善 ・ 本番運用を想定した権限管理、監査、モニタリング、障害時対応等の設計 ・ 顧客運用担当者への展開、トレーニング、利用定着支援 【標準化・サービス化】 ・ 案件で得られたAI活用ユースケース、コード、プロンプト、Runbook、評価方法等の標準化 ・ 再利用可能なテンプレート、ライブラリ、Playbook、共通コンポーネントの整備 ・ 他案件への横展開、サービスメニュー化 ・ 個別案件で得た実装パターンや成果を再利用可能な形に整理し、他案件・サービスへ横展開 セキュリティ運用高度化×AI活用案件における主担当者として、計画立案、課題整理、技術検証、導入、運用改善までをリードし、案件品質と再現性を担保する役割です。 あわせて、ナレッジ整備、標準化、社内展開を通じて、AI×Security Operations領域の技術基盤強化に貢献いただくことを期待します。 ●想定プロジェクトイメージ ※以下に記載する業務内容・技術領域をもとにしたプロジェクトイメージです。特定の実案件を示すものではありません。 【生成AIを活用したSOC分析業務高度化】 ・ 課題:大量アラートの分析・報告に時間を要している └対応:SIEM/XDRと生成AIを連携し、アラート要約、関連情報収集、調査支援、報告書生成を実装 └担当工程:現状分析/ユースケース設計/PoC/API連携/実装/制度評価/本番導入/効果測定 【AIエージェントによるセキュリティ運用自動化】 ・ 課題:複数ツールを横断した定型調査が属人化 └対応:AIエージェント、Python、APIを用いて情報収集・調査・チケット登録等を自動化 └担当工程:業務分析/Agent設計/Tool連携/実装/Human-in-the-loop設計/本番化 【RAGを活用したセキュリティナレッジ高度化】 ・ 課題:手順書・過去インシデント・FAQが分散し、調査に時間がかかる └対応:RAGを活用した運用ナレッジ検索・回答支援環境を構築 └担当工程:データ整理/RAG設計/PoC/回答精度評価/権限設計/本番導入/利用定着

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やAIOpsを活用した運用効率化・自動化の実務を担っていただきます。 ● AWSを活用したインフラの設計・開発・運用 ・CDK、AnsibleなどのIaCを活用した、プロビジョニング・パッチ適用・設定管理の自動化と構成スクリプトの開発・運用 ・運用における障害対応、および製品やシステムへのフィードバック・改善 ・サーバー、データベース(Oracle、PostgreSQLなど)のパフォーマンスチューニング ・運用コスト、クラウドコスト低減のための継続的改善・自動化 ● サービスのモニタリング、測定および改善 ・Datadog、AppDynamics、ELK Stack等を活用した障害検知・キャパシティプランニングのためのモニタリングシステムの開発・運用 ・障害検知時の自動復旧システムの開発・改善 ・インフラログやメトリクスの集約と可視化(オブザーバビリティ)の高度化 ● セキュリティ強化のための取り組み ・ベストプラクティスに基づくクラウドセキュリティの強化、運用統制の策定 ・ISO、ISMAPを通じたお客様へのセキュリティ・統制状況の説明 ほとんどの運用作業が自動化されているため、業務の約8割が開発、残り2割が運用作業や問い合わせ対応というイメージです。リーダー候補の方には、上記に加えてチーム内の技術的なリードや若手メンバーの育成にも携わっていただきます。 ●組織体制 COMPANYのSRE組織には、以下のようなグループがあります。1グループは3～10名で、グループに関わらず全員で運用作業を分担しています。 ・監視など運用基盤を開発、改善するグループ ・運用自動化(AIOps含む)を進めるグループ ・クラウドサービスインフラを設計し、改善するグループ ・セキュリティ、コンプライアンス強化を進めるグループ 採用後には1on1を実施し、お持ちのスキルや今後のキャリアパスを踏まえて配属先を決定します。 ●配属組織 SRE部門 約40名 ●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。

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を作る」から「AIを動かす」へ。ガバナンスと構造で挑む、社会実装の仕組みづくり。 つくるのはAIそのものではなく、AIが正しく動く「仕組み」です。 私たちのミッションは、単なるプログラミング(実装)ではありません。AIがビジネス現場で安全かつ確実に機能するための「統治(ガバナンス)」と「構造」を設計することです。 ※AI領域の専門知識は、入社後に実案件の中で身につけていただけます。 【具体的な役割・業務内容】 実行境界・信頼性の設計: アクセス権限策定、AIガードレール構築、監査対応、データガバナンスの設計 定量的評価・コスト最適化: LLM基盤の品質評価モデル策定、運用コスト構造の最適化 次世代アーキテクチャの定義: Advanced RAG(GraphRAG等)の設計、マルチエージェント構成のグランドデザイン ビジネス変革の要件定義: クライアントの曖昧な課題からAIが解くべき「真の問題」を抽出し、本番展開へ牽引 【キャリアパスと得られる成長】 調整役で終わらない。AI社会実装をリードし、次世代「AI PM」へ駆け上がりませんか? ・意思決定の主導権を握る 単なる受け身の調整役にとどまらず、技術選定からアーキテクチャ構築、評価指標の策定まで、顧客と共に主導権を持って決定します。 ・実戦派「AI PM」への最短ルート 現場でのアーキテクチャ設計と高度な顧客折衝を同時並行で経験。理論にとどまらない、市場価値の高いプロジェクトマネジメント能力を磨けます。 ・プロジェクトを導く司令塔 顧客の対等なパートナーとして、AI導入の構想策定から本番展開に至る全工程を牽引する役割を担っていただきます。 【成長を支えるバックアップ体制と働く環境】 確かなキャリア形成と柔軟な働き方。プロフェッショナルとして輝き続けられる環境がここに。 ・伴走型キャリア形成 定期的な1on1を通じて目指すPM像を深く理解し、成長に最適なプロジェクトへ優先的にアサインします。 ・知の共有コミュニティ 現場で一人抱え込むことはありません。社内コミュニティを通じ、トップクラスの有識者にいつでも技術相談ができる環境です。 ・持続可能なハイパフォーマンス 基本は週4リモート・週1出社(※プロジェクト状況により客先常駐の可能性あり)。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。 ・実力に報いる正当評価 年間平均昇給率6%という実績が示す通り、高めた市場価値や成果に対して確かな還元で応える評価体制を整えています。 ・育成環境 資格取得支援:270種以上が対象、前期221名が利用(年600件・3年で5,000万円の支給実績)/AMBL PANEL(約460コンテンツの自己学習システム)/社外研修費 会社負担/修士・博士を含む専門家100名以上が在籍しています。機会は最大限・平等に用意します。 【どのような市場価値向上が出来るか】 一生モノの市場価値を、AI時代の「ルールメイカー」として手に入れる ・「境界」を語れる希少な人材へ PoCで終わらせず、AIを本番運用まで牽引できるPM・アーキテクトは、現在の市場において極めて稀有な存在です。 ・経営と技術を繋ぐ視座を獲得 ガバナンス・コスト構造・要件定義を一手に担うことで、経営層と対等に渡り合い、事業成長を牽引する高度な視座が身につきます。 ・人間にしかできない「思考」の最大化 定型作業はAIアシスタントに委任。あなたは人間にしかできない「真の問いの定義」と「アーキテクチャの創造」に全エネルギーを注げます。 【具体的なプロジェクト例】 最先端AIからエンタープライズ基盤まで。【AI開発プロジェクトへの参画を前提に配属します】 ・LLM基盤最適化 トークン消費最適化と出力精度の定量評価による品質・コスト設計 ・GraphRAGエージェント 複雑な社内規定を構造化し、AIが論理的回答を行う自動化基盤構築 ・Azure/AKSインフラ エンタープライズ水準を満たす高信頼なSRE・AI基盤の運用設計 ・製造予兆検知 センサーデータ分析によるダウンタイム削減・予兆保全モデルの設計・実装

●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 さまざまなビジネスシーンにおいて、生成AIの活用が進んでいます。 生成AIを活用したパーソナライズされたサービスによるユーザー体験の向上や、 カスタマーサポートや社内ヘルプデスクの効率化など、生成AIの活用によって ビジネスのあり方が大きく変わろうとしています。 特に、クラウドプラットフォームを活用した生成AIシステムの開発は、その柔軟性、 拡張性やコスト効率の高さからニーズが高まっています。 日々進化するAI技術を迅速にキャッチアップし最新のソリューションを提供し続ける上でも クラウドを用いた開発はそのスピード感に大きなアドバンテージがあります。 生成AIとクラウド技術を駆使して、これまでのご経験を活かし、新たな価値を提供するシステム開発をリードしていただくことを期待しています。 <国内唯一。 社内研修でE資格の受験資格が得られる企業> Sky株式会社は、JDLA主催のE資格の認定プログラムを実施できる「E資格プログラム事業者」に認定されています。 これにより、社内研修によって受験資格を得ることができる国内唯一の企業です(2026年6月現在)。 この仕組みを活用し、積極的に資格取得を推進することで、一人ひとりがAIの知見・能力を身につけ、業務に生かしています。 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 クラウドインフラ上で生成AIモデルを組み込んだアプリケーションレイヤーの開発をリードしていただきます。 単なる開発に留まらず、企画・PoCから運用保守に至るAI開発ライフサイクル(AI-DLC)全体を俯瞰し、プロジェクトの技術選定、アーキテクチャ設計への貢献を期待しています。 AI Readyなデータ構築、RAG、ガードレール等を含めたAIエージェント開発など生成AI技術を用いた幅広い開発を、クラウドネイティブな開発手法を用いながら、バックエンドシステムの設計・開発・運用、APIの開発や外部システムとの連携、フロントエンドも含めた開発をリードします。 ●案件例 <車載システムへ搭載するエージェントの構築> 車載機器を制御するエージェントの開発案件です。 主に以下の対応を行います。 ・MCPサーバーのインターフェース設計、実装 ・エージェントの動作を決めるシステムプロンプトの設定、テスト ・クラウドプラットフォーム上へのシステムデプロイ 技術要素: Python、AWS、A2Aプロトコル、Docker <生成AIを活用した顧客内DX> 顧客の業務プロセスにおける課題を解決するために、生成AIやRPAツールを活用して取り組む案件です。 主に以下の対応を行います。 ・課題解決に用いる技術の選定(使用するツール、言語、モデルなど) ・モックアップを用いた顧客との認識合わせ ・選定した技術をもとに実際のシステムを設計、実装 技術要素: Python、Azure、Power Automate ●生成AIエンジニア育成のためのサポート体制 私たちは、生成AIエンジニアの育成をサポートする体制を整えています。 入社後には必要に応じて、生成AI技術を習得するためのトレーニングに参加していただきます。 このトレーニングでは、生成AI技術の基礎からしっかり学び、スキルを身につけることができます。 実際に、生成AIの開発経験がなかったWebエンジニアが、トレーニングを通じて生成AIエンジニアとして現場で活躍するようになっています。 <実践的なトレーニング> 主要なクラウドプラットフォームのサービスを活用し、RAGやエージェント開発に取り組む実践的なトレーニングを提供します。 このトレーニングを通じて、基本的な構築や運用技術が自然と身につき、実務に直結するスキルを習得できます。 プログラミングスキル、データベース、クラウドなどのWebエンジニアとしての知識さえあれば、生成AIエンジニアとして大きく成長することができます。 <集合技術研修> 生成AIやクラウドの基本概念や技術を学ぶための集合技術研修に参加できます。 研修では、専門の講師による講義やハンズオン形式の実習を通じて業務での活用方法を学ぶことができます。

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やAIOpsを活用した運用効率化・自動化の実務を担っていただきます。 ● AWSを活用したインフラの設計・開発・運用 ・CDK、AnsibleなどのIaCを活用した、プロビジョニング・パッチ適用・設定管理の自動化と構成スクリプトの開発・運用 ・運用における障害対応、および製品やシステムへのフィードバック・改善 ・サーバー、データベース(Oracle、PostgreSQLなど)のパフォーマンスチューニング ・運用コスト、クラウドコスト低減のための継続的改善・自動化 ● サービスのモニタリング、測定および改善 ・Datadog、AppDynamics、ELK Stack等を活用した障害検知・キャパシティプランニングのためのモニタリングシステムの開発・運用 ・障害検知時の自動復旧システムの開発・改善 ・インフラログやメトリクスの集約と可視化(オブザーバビリティ)の高度化 ● セキュリティ強化のための取り組み ・ベストプラクティスに基づくクラウドセキュリティの強化、運用統制の策定 ・ISO、ISMAPを通じたお客様へのセキュリティ・統制状況の説明 ほとんどの運用作業が自動化されているため、業務の約8割が開発、残り2割が運用作業や問い合わせ対応というイメージです。リーダー候補の方には、上記に加えてチーム内の技術的なリードや若手メンバーの育成にも携わっていただきます。 ●組織体制 COMPANYのSRE組織には、以下のようなグループがあります。1グループは3～10名で、グループに関わらず全員で運用作業を分担しています。 ・監視など運用基盤を開発、改善するグループ ・運用自動化(AIOps含む)を進めるグループ ・クラウドサービスインフラを設計し、改善するグループ ・セキュリティ、コンプライアンス強化を進めるグループ 採用後には1on1を実施し、お持ちのスキルや今後のキャリアパスを踏まえて配属先を決定します。 ●配属組織 SRE部門 約40名 ●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

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

【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

【研究・開発の内容】 高密度運航を目指してeVTOLは、UAM(Urban Air Mobility)に分類されると言われています。 このUAMは、新たな空のLayerで運航されることが想定され、新しい管制や仕組み・ルールの中で運用されるとされています。 この新Layerでの運用において、さらなる普及による利便性の向上を目指し、高密度な運航を実現していくことが提唱されています。 この高密度な運航を実現する為には、システムはより複雑化していくと考えられます。 この為、エコシステム全体の自動化、また、飛行の自律化がキーとなると考えています。 Hondaはこの高度で複雑なシステムの実現に目を向け、研究をスタートしました。 ●飛行の自律化と飛行の自律化においては、周囲を監視し、安全な行動を選択することが求められます。 この為、周囲の状況を、“より正確に”、“より広く”、“より早く”認識する高度な、認識システムが要求されます。 ●機体統合認識システム 機体統合認識システムとは、種々の手法により計測される、周辺情報、通信により得られる情報など統合して、周辺あるいは、予定経路の状況を把握・監視するシステムです。 統合認識システムのCapabilityは、航法性能を決定づける大きな要素となります。 将来的には、非常に、高密度な運航による高い利便性の提供が期待されるeVTOLが普及する社会では、都市内などの複雑かつ多様な状況に適用できること、急な天候変化・視界不良への対応できることが、より安全性を高める、キーデバイスとなると考えます。 【具体的な業務】 まず、対応できるシーンを向上させるための、新しい認識技術を積極的に取り組んでいきたいと考えています。 そのため、技術の調査や評価、あるいは考案し、キーデバイスの要素の探索を行います。 並行して、統合認識システムとして、冗長性や安全性の構想設計を行い、統合システムの全体像を定義していきます。 センサフュージョンシステムの基盤構築を行う為、種々のセンサのLowデータから、パーセプションまでデータ処理を一貫して行い統合し。 3次元マップを生成する技術に取り組んでいただきます。 ご経験に応じて、下記テーマをお任せいたします。 ●自律飛行システムの構想設計 ●自律飛行ハードウェア(センサ・コントローラなど)のシステム統合設計 ●認識アルゴリズムの統合化 ●航路生成の自動化、知能化 ●位置精度、時間正確性の向上 ●機体の自動操縦制御 ●開発ツール 言語:Python、C/Cppなど オープンソース:Caffe、Tensarflowなど ツール:MATLAb/SimLink、ABOX ※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ございます。

【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】 ソフトウェア・デファインド・ビークル(SDV)の実現に向けた、世界トップレベルのAI性能、省電力を有するカスタムSoCの企画・開発を行います。 ●将来技術(半導体/AI/ソフトウェア)の調査に加え、VoCや市場/競合分析に基づくユーザーニーズの予測・仮説立案を行い、ユースケースから逆算した次世代SoCの企画 ●クルマとしての性能目標値(電力・熱・起動時間・安全要求等)に基づき、車両/ECUシステムからSoCへのトレーサビリティを意識した要求仕様書の作成、およびアーキテチャ開発(ハード/ソフトウェア) ● AIワークロード(モデル種類・性能・スケーラビリティ)の定義と評価を通じたNPUの最適化(ハード/ソフトウェア) ● OEMにしかできない・OEMならではのHondaスペシフィックな数10億Gateの大規模カスタムSoC(独自機能・低消費電力・高性能)の開発 ● 車載半導体領域における差異化要素であるAI・画像処理技術・高速インターフェース技術の開発 ● 既存のSoC開発スタイルに捉われず、最先端の開発環境をゼロベースからの立ち上げ、SoC開発を支える開発基盤の構築、EDA導入戦略の立案 ●完成したSoCに対する機能・性能・信頼性評価プロセスの構築(実機評価、TEG/ATE等を活用した特性評価・使いこなし)、および開発・評価環境の構築(ハード/ソフトウェア) ●カスタムSoC開発における半導体パッケージ領域の企画・設計検討および、SoCメーカーやOSAT等エコシステムと連携した開発推進 ※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】 プログラミング言語(C/C++/Python/tcl 等) RTL(Verilog/VHDL),System-C SoC開発のためのEDAツール全般

【こんな方におすすめ】 ●ECU/制御系ソフト開発経験を持ち、クラウドや新しい開発スタイルに挑戦したい方 ●「開発プロセスの改善」に興味があり、技術的にも組織的にもインパクトを与えたい方 ●自分の組込み技術を活かしつつ、新しいキャリア領域に広げたい方 ●ECU/制御系などの組込み開発経験を軸に、クラウドや新しい技術領域へ広げたい方 ●現場視点を活かし、開発プロセス全体を改善・変革したい方 ●車載・クラウド・AIといった複数技術が交わる場所で、自ら新しい仕組みを作り出したい方 ●将来、クラウドネイティブ開発やSDV開発基盤の設計リーダーを目指したい方 【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。※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。 ●組込み開発とクラウド開発をつなぐプロセス設計 ECUや制御ソフト開発に必要な検証・テスト環境をクラウド上に展開 ●プロセス改革と自動化推進 CI/CD、バーチャル検証環境、自動テストなどの仕組みを導入し、開発スピードを加速 ●開発効率化の推進 バーチャル検証環境や自動テストをクラウド上で活用し、組込み開発の工数を削減 ●最新技術の活用 シミュレーション環境を取り入れ、より早いフィードバックループを実現 ●生成AIやシミュレーション技術の活用 コード解析、テスト設計、仕様ドキュメント作成支援などへのAI応用 ※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】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS / GCP / Azure 開発言語:C/C++, Python, JavaScript, Shell Script 自動化・CI/CD:Jenkins, GitHub Actions コンテナ/仮想化:Docker, Kubernetes モデルベース開発/組込み関連:AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz PlatformなどのALMツール データ/AI活用環境:TensorFlow, PyTorch, Generative AI Tools

【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】 ●インフラ構築・運用にとどまらず、開発プロセスを根本から変革する仕組みづくりに関わりたい方 ●大規模なユーザー(数千人規模のエンジニア)に利用される環境を設計し、スケールの大きな影響力ある仕事に挑戦したい方 ●新たなモビリティ開発の基盤を創りたい方 ●技術選定やプロセス刷新など、上流から関わり主体的に環境を進化させたい方 【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。 SDV開発を支えるソフトウェア開発基盤のインフラ構築・運用を担当していただきます。 ※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。 ●クラウド環境(AWS, GCP, Azureなど)上での開発インフラの設計・構築・運用 ●CI/CD・テスト自動化基盤の設計・最適化(Jenkins, GitHub Actions等) ●Kubernetesやコンテナ技術を活用した高可用性システムの構築 ●モニタリング・可観測性(Observability)基盤の整備 ●セキュリティ/ガバナンスを考慮したマルチクラウド環境の運用設計 ●開発者の生産性を最大化するためのツールチェーン整備・自動化推進 ●プロセス刷新や新規導入プロジェクトに伴うインフラ設計・拡張提案 ※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】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS, GCP, Azure コンテナ/オーケストレーション:Docker, Kubernetes, OpenShift CI/CD:Jenkins, GitLab CI, ArgoCD, Spinnaker 監視・可観測性:Prometheus, Grafana, Datadog, ELK Stack 構成管理/IaC:Terraform, Ansible, CloudFormation 開発ツール:GitHub / GitLab, JIRA, Confluence, Python, Shell Script (連携領域):AUTOSAR, Enterprise Architect, PREEvision, Doors, Jazz Platform等のALMツール

※ご経験に合わせて以下業務における組織マネジメントやプロジェクトリーディングをお任せします ソフトウェア・デファインド・ビークル(SDV)の実現に向けた、世界トップレベルのAI性能、省電力を有するカスタムSoCの企画・開発を行います。 ●将来技術(半導体/AI/ソフトウェア)の調査に加え、VoCや市場/競合分析に基づくユーザーニーズの予測・仮説立案を行い、ユースケースから逆算した次世代SoCの企画 ●クルマとしての性能目標値(電力・熱・起動時間・安全要求等)に基づき、車両/ECUシステムからSoCへのトレーサビリティを意識した要求仕様書の作成、およびアーキテクチャ開発(ハード/ソフトウェア) ● AIワークロード(モデル種類・性能・スケーラビリティ)の定義と評価を通じたNPUの最適化(ハード/ソフトウェア) ● OEMにしかできない・OEMならではのHondaスペシフィックな数10億Gateの大規模カスタムSoC(独自機能・低消費電力・高性能)の開発 ● 車載半導体領域における差異化要素であるAI・画像処理技術・高速インターフェース技術の開発 ● 既存のSoC開発スタイルに捉われず、最先端の開発環境をゼロベースからの立ち上げ、SoC開発を支える開発基盤の構築、EDA導入戦略の立案 ●完成したSoCに対する機能・性能・信頼性評価プロセスの構築(実機評価、TEG/ATE等を活用した特性評価・使いこなし)、および開発・評価環境の構築(ハード/ソフトウェア) ●カスタムSoC開発における半導体パッケージ領域の企画・設計検討および、SoCメーカーやOSAT等エコシステムと連携した開発推進 ※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】 プログラミング言語(C/C++/Python/tcl 等) RTL(Verilog/VHDL),System-C SoC開発のためのEDAツール全般

【具体的には】 ※ご経験に合わせて以下業務における組織マネジメントやプロジェクトリーディングをお任せします ソフトウェア・デファインド・ビークル(SDV)の実現に向けた、世界トップレベルのAI性能、省電力を有するカスタムSoCの企画・開発を行います。 ●将来技術(半導体/AI/ソフトウェア)の調査に加え、VoCや市場/競合分析に基づくユーザーニーズの予測・仮説立案を行い、ユースケースから逆算した次世代SoCの企画 ●クルマとしての性能目標値(電力・熱・起動時間・安全要求等)に基づき、車両/ECUシステムからSoCへのトレーサビリティを意識した要求仕様書の作成、およびアーキテクチャ開発(ハード/ソフトウェア) ● AIワークロード(モデル種類・性能・スケーラビリティ)の定義と評価を通じたNPUの最適化(ハード/ソフトウェア) ● OEMにしかできない・OEMならではのHondaスペシフィックな数10億Gateの大規模カスタムSoC(独自機能・低消費電力・高性能)の開発 ● 車載半導体領域における差異化要素であるAI・画像処理技術・高速インターフェース技術の開発 ● 既存のSoC開発スタイルに捉われず、最先端の開発環境をゼロベースからの立ち上げ、SoC開発を支える開発基盤の構築、EDA導入戦略の立案 ●完成したSoCに対する機能・性能・信頼性評価プロセスの構築(実機評価、TEG/ATE等を活用した特性評価・使いこなし)、および開発・評価環境の構築(ハード/ソフトウェア) ●カスタムSoC開発における半導体パッケージ領域の企画・設計検討および、SoCメーカーやOSAT等エコシステムと連携した開発推進 ※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】 プログラミング言語(C/C++/Python/tcl 等) RTL(Verilog/VHDL),System-C SoC開発のためのEDAツール全般

【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】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。※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。 ●組込み開発とクラウド開発をつなぐプロセス設計 └ ECUや制御ソフト開発に必要な検証・テスト環境をクラウド上に展開 ●プロセス改革と自動化推進 └ CI/CD、バーチャル検証環境、自動テストなどの仕組みを導入し、開発スピードを加速 ●開発効率化の推進 └ バーチャル検証環境や自動テストをクラウド上で活用し、組込み開発の工数を削減 ●最新技術の活用 └ シミュレーション環境を取り入れ、より早いフィードバックループを実現 ●生成AIやシミュレーション技術の活用 └ コード解析、テスト設計、仕様ドキュメント作成支援などへのAI応用 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS / GCP / Azure 開発言語:C/C++, Python, JavaScript, Shell Script 自動化・CI/CD:Jenkins, GitHub Actions コンテナ/仮想化:Docker, Kubernetes モデルベース開発/組込み関連:AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz PlatformなどのALMツール データ/AI活用環境:TensorFlow, PyTorch, Generative AI Tools ※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。

【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。※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。 ● クラウド上でのソフトウェア開発プロセス基盤の設計・開発 └ CI/CD、テスト自動化、バージョン管理をクラウド上で統合・サービス化 ●プロセス革新の仕組みづくり └ クラウド基盤を活用し、プロセスの刷新や新規導入をシームレスに実現 ●クラウドと車載開発の橋渡し └ 組込み開発チームと連携し、クラウド基盤を活用した効率的な開発環境を提供 ●最新技術の導入・実装 └ 生成AI、コンテナ技術、マイクロサービスなどを取り入れた開発支援環境の構築 ※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】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS / GCP / Azure コンテナ/オーケストレーション:Docker, Kubernetes, OpenShift CI/CD・自動化:Jenkins, GitHub Actions, IaC/構成管理:Terraform, Ansible, CloudFormation モニタリング・可観測性:Prometheus, Grafana, Datadog 開発言語:Python, JavaScript, C++, Shell Script チーム開発ツール:GitHub / GitLab, JIRA, Confluence 車載連携領域(参考):AUTOSAR, PREEvision, Enterprise Architect, Doors, Jazz Platform等のALMツール

【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