関西 MLOpsのITエンジニア求人・転職情報

本ポジションでは、シニアデータサイエンティストと連携し、金融業界の多様な現場でデータ分析・モデル構築・運用設計(MLOps)など技術面の支援を担当いただきます。 AIコンサルタントと協働しながら、分析ニーズの整理や技術的提案の支援にも関与。実務を通じて得た知見を活かし、自社の中核技術やソリューションの創出にも貢献していただきます 職務概要 本ポジションでは、シニアデータサイエンティストと連携し、金融業界の多様な現場でデータ分析・モデル構築・運用設計(MLOps)など技術面の支援を担当いただきます。 AIコンサルタントと協働しながら、分析ニーズの整理や技術的提案の支援にも関与。実務を通じて得た知見を活かし、自社の中核技術やソリューションの創出にも貢献していただきます プロジェクト体制 2名～6名程度でチーミング 具体的な業務内容 ・金融機関向けのデータ分析プロジェクトにおける技術支援(シニアDSと協働) ・テーブルデータを中心とした機械学習モデルの設計・構築・評価 ・Pythonによるデータ処理、特徴量エンジニアリング、評価指標設計 ・本番運用を見据えたモデル設計・実装(MLOps観点を含む) ・AIコンサルタントと連携し、技術的観点から分析ニーズや課題の整理・提案支援 ・自社の再利用可能な分析パターン・モデル群の設計・蓄積 プロジェクト事例 ・銀行における市場分析モデルの開発・運用支援 ・銀行におけるAutoMLツールの評価・導入に向けた技術検証 ・金融事務の効率化を目的とした生成AIの業務適用支援 ・金融機関における機械学習モデル開発に向けたデータ前処理・分析支援 ・データ分析基盤構想におけるモデル実装・評価フローの設計・技術検討 ・金融グループ横断でのデータ活用に向けたモデリング実証(PoC) ※業務変更の範囲 (雇入れ直後)IT専門職 (変更の範囲)すべての業務への配置転換あり

当社は、大阪エリアの金融機関向けにITコンサルティングおよびAI活用支援をより強化すべく、新たに大阪オフィスを開設いたしました。 立ち上げのフェーズから参画し、拠点づくりと事業成長をリードしていただける方を募集しています。 職務概要 本ポジションでは、プロジェクトマネージャーとしてデータ分析・AI活用案件をリードし、金融業界の多様な顧客に対してデータサイエンスを起点とした価値提供を担っていただきます。 ジュニア〜ミドルクラスのデータサイエンティストとチームを組みながら、分析戦略の設計・提案から、モデル構築、実装、運用設計(MLOps)までを一貫して主導。さらに、実務を通じて得た知見や技術資産を基に、当社独自の技術パッケージや自社プロダクトの創出にも関わっていただきます。 金融業界の幅広い業種・領域に触れながら、分析×ビジネスを結ぶ上流工程から現場実装までを横断的に担えるポジションです。 プロジェクト体制 2名～6名程度でチーミング 具体的な業務内容 ・金融機関向けのデータ分析・AIプロジェクトにおける技術リードおよびプロジェクトマネジメント ・テーブルデータを中心とした機械学習モデルの設計・構築・評価の全体統括 ・Pythonを用いたデータ処理、特徴量エンジニアリング、評価設計の高度化・標準化 ・本番運用を見据えたMLOps設計、モデルの継続的改善と運用支援 ・AIコンサルタントや顧客と連携した、分析方針の策定・技術提案・要件定義 ・ジュニア・ミドル層のデータサイエンティストへの技術的支援・コードレビュー・育成 ・社内外で再利用可能な分析パターン・技術資産・プロダクトの企画・設計・蓄積 プロジェクト事例 ・銀行における市場分析モデルの開発・運用支援 ・銀行におけるAutoMLツールの評価・導入に向けた技術検証 ・金融事務の効率化を目的とした生成AIの業務適用支援 ・金融機関における機械学習モデル開発に向けたデータ前処理・分析支援 ・データ分析基盤構想におけるモデル実装・評価フローの設計・技術検討 ・金融グループ横断でのデータ活用に向けたモデリング実証(PoC)支援 ※業務変更の範囲 (雇入れ直後)IT専門職 (変更の範囲)すべての業務への配置転換あり

【具体的なプロジェクト例】 ●大規模レコメンドエンジンの刷新: 数十万〜数百万ユーザー規模のEC・HRアプリにおいて、機械学習モデルをAPI化し、AWS/GCP環境でのバッチ処理・リアルタイム推論基盤を構築。 ●次世代AIエージェントの企画・開発: 総合商社のDXプロジェクトにて、LLM(ChatGPT/Claude等)を活用した意思決定支援ツールのプロトタイピングから本実装まで。 ●技術的意思決定のリード: アルゴリズムの選定から、MLOps(継続的学習・デプロイ)の体制構築、ビジネスサイドへの技術的フィードバックまでを主導。

どれだけ優れたAIモデルも、安定したインフラと高品質なデータ基盤がなければ「ただの箱」です。 あなたには、生成AIや機械学習が24時間365日、高速かつ安全に動き続けるためのインフラ・プラットフォーム構築をお任せします。 【具体的なプロジェクト例】 ●MLOps基盤の構築(Amazon SageMaker / Vertex AI): モデルの学習からデプロイ、監視までを自動化するCI/CDパイプラインの構築。 ●大規模データレイク・DWHの設計(Snowflake / BigQuery / Databricks): 数億レコード規模の非構造化データをAIが即座に読み込めるよう、パーティショニングやクラスタリングを最適化。 ●GPUリソースの最適化とスケーリング: LLM(大規模言語モデル)の推論環境における負荷分散、オートスケーリング、コストマネジメント。 ●データガバナンス・セキュリティ設計: 企業の機密データをAIに学習させる際のアクセス制御(IAM)、PII(個人情報)保護、暗号化の実装。 あなたらしい働き方をサポート

【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 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

【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

1.MLOps基盤の設計・構築(パイプライン自動化) データ収集、前処理、学習、評価、モデル変換、デプロイに至るEnd-to-EndのCI/CD/CT(Continuous Testing)パイプラインの構築 AIサービス開始後のAIの振る舞いを監視し、AIの性能向上にFBできるシステムの構築 AI独自のリスクに対する対応(AIガードレール等)を共通で提供する基盤の設計・構築 クラウド(AWS/GCP/Azure)とオンプレミスを組み合わせた、スケーラブルなGPU計算資源の管理・最適化 2.自動テスト・品質評価環境の構築 AIモデルの精度検証や、エッジケース(特殊な走行シーン)に対する自動シミュレーションテスト環境の整備 コードレビューの自動化や、静的・動的解析ツールの開発プロセスへの統合 ISO26262やその他車両関連法規を満たすソースコード、AIモデル、モデルデプロイ管理が自動化された開発環境の整備 【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】 ●製品開発の現場で、クラウドを使って開発効率化や新しい仕組みづくりをしてきた方 ●「クラウドで作ったものが、そのまま製品や車両機能の価値に直結する」環境に挑戦したい方 ●自動車開発という巨大なスケールで、クラウド技術の応用に挑みたい方 ●クラウド×車載という新しい開発領域で、自動車業界の常識を変える開発基盤づくりに携わりたい方 ●単なるインフラ整備ではなく、開発者体験(Developer Experience)を向上させる仕組み設計に興味のある方 【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。 ● 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

【具体的には】 スマートフォンや生体情報を利用して、クルマのドアロック操作、解除やエンジン始動を実現するデジタルキー開発/新システム開発をお任せいたします。 ●要求仕様の策定、機能要件の明確化、整合 ●ECU/カメラ等のデバイス単体の妥当性検証 ●耐環境テスト(単体、実車)、各種法規テスト ●将来的な商品適用に向けた画像認識関連技術の研究・開発 ※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,TargetLink , CANape, CANoe, CANalyzer,PREEvision,JIRA/Confluence, オシロスコープ, Autosar,C言語, ホンダ専用ツール群, 一般的PCソフト( Excel, Powerpoint, Word ) 等

【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 世界レベルの自動運転・運転支援システム実現に向け、AI開発に必要なMLOps環境や関連ソフトウェアの開発と運用を担っていただきます。 データ取得・前処理・学習・評価・デプロイ・監視までのエンドツーエンドをつなぐ「開発と運用の土台」を設計・構築し、AIモデルの品質と更新スピードを継続的に高めることが使命です。 ・データ収集戦略の検討と実行 ・データ管理、クレンジング、前処理など一連のパイプライン設計と開発 ・AI学習/評価環境の開発・運用 ・自動運転・運転支援システムのテスト(シミュレーション、実車など) ・モデルのモニタリング、再学習環境の構築と運用 ※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, Weights & Biases, ROS2, AWS/GCP, Git/GitHub Enterprise, CARLA, MATLAB 等

AIプロダクトソリューション部は、会社全体の成長を支えるAIソリューション開発を担う部門です。 転職希望者と求人企業のマッチング精度向上や応募率・成約率の改善など、事業の根幹に関わるテーマを扱っており、その実現に向けて研究開発から事業実装までを一貫して推進しています。 現在、生成AIやLLMの進化によって、人材サービスの在り方は大きな変化の可能性を迎えています。 一方で、人材マッチングの領域には依然として多くの未解決課題が存在しています。 たとえば、 ・転職希望者の経験・スキル・志向性の理解 ・求人企業の期待や組織特性の構造化 ・複雑なキャリアパスの予測 ・膨大な非構造化データの活用 ・マッチング精度と説明可能性の両立 ・継続的なモデル改善と運用高度化 などは、依然として高い技術的難易度を持つテーマです。 今回のポジションでは、データサイエンスのエキスパートとして、全社のAIモデルおよび機械学習モデルの設計・開発・チューニングを技術的にリードし、人材マッチングの高度化に向けた新規マッチングロジックを自ら企画・設計・実装したうえで、応募率や成約率などの重要KPI改善まで推進いただきます。 また、ビジネス課題を自ら構造化し、事業責任者やPdM、エンジニアと密に連携しながら仮説検証を進めるだけでなく、新技術や新たなデータ活用を全社へ展開し、標準モデルや共通コンポーネントとして浸透させていくことも期待しています。 担当業務例 具体的には下記の様な業務・プロジェクトを牽引いただくことを想定しております。 ●全社共通AIモデル・マッチングロジックの企画・アーキテクチャ設計 -「doda」をはじめとする複数プロダクトで横断利用される標準AIモデル・アルゴリズムの全体設計および技術選定 -単一のレコメンドにとどまらない、全社的なマッチング精度向上に向けた基盤・コンポーネント化の推進 ●事業課題の構造化とAIソリューションロードマップの策定 -事業責任者・PdMと対等に議論し、抽象度の高いビジネス課題やユーザー体験上の課題を「解くべきAI技術課題」へ構造化 -KPI(応募率・成約率・CVR・マッチング品質等)向上に直結する仮説検証(PoC)の設計と、本番適用までのプロジェクトリード ●最先端技術(生成AI・LLM等)の調査・検証および事業実装の主導 -生成AI、大規模言語モデル(LLM)、マルチモーダルAI等の最新論文・技術動向のキャッチアップ -実務適用に向けたプロトタイプ(PoC)開発、費用対効果・技術的実現性の評価、および本番システムへの実装推進 ●データサイエンスチーム全体の技術向上・標準化推進 -チーム内メンバー(ミドル〜ジュニアDS)への技術指導、コードレビュー、モデリング手法のナレッジ共有 -データ基盤・MLOps部門と連携した、実験・開発・運用プロセスの効率化および標準化の牽引 ●社内外への技術発信・ブランディング活動 -社内外でのセミナー講演、技術ブログの執筆、学会発表・論文制作等を通じた技術的プレゼンスの向上 【主な技術テーマ例】 ●大規模言語モデル(LLM)&エージェンティックAI活用 -LLM(API利用 / ファインチューニング / MCP / Agentic AI 等)を活用した、求職者の経験・志向性分析および求人情報の構造化・高度解析 ●高度な推薦システム(RecSys)&マッチングアルゴリズム開発 -双方向マッチング(求職者×求人企業双方の意向・相性を考慮した推薦)の最適化 -テキスト埋め込み(Embedding)やグラフニューラルネットワーク(GNN)等を活用した高精度類似度算出・レコメンドエンジンの開発 ●マルチモーダルデータ&非構造化データの活用 -職務経歴書・求人票などのテキストデータに加え、行動ログ・スカウト文面・選考結果などの定性・定量的データの統合モデリング ●AIアプリケーション・プロトタイプの高速検証・社会実装 -LLM/SLMを用いたAIエージェントやインタラクティブなマッチングアシスタント機能のPoCシステム構築 ●MLOps&全社AIプロダクト基盤の最適化 -Databricks、BigQuery、AWS/Google Cloud環境におけるモデルの継続的学習・評価・デプロイパイプライン(MLOps)の構築・運用推進 技術環境 【プログラミング言語】Python、SQL、Java、Scala、C 【データベース/データ基盤】Oracle Database、PostgreSQL、MySQL、Amazon Redshift、Google BigQuery、Databricks 【クラウドプラットフォーム】Amazon Web Services(AWS)、Google Cloud、Microsoft Azure 【ソースコード管理】GitHub、GitLab 【プロジェクト・タスク管理】Backlog、Microsoft Loop、Microsoft Planner、Jira、Confluence 【コミュニケーションツール】Slack、Microsoft Teams ●所属組織について AIプロダクトソリューション部には、マネージャー2名、エキスパート3名、メンバー16名のデータサイエンティストが在籍しています。 データをもとにマーケット状況、カスタマーニーズ、テクノロジーの変化などを総合的に判断し、事業を成長させていきます。 私たちは単に精度の高いモデルを開発する組織ではありません。 「人と仕事のより良い出会いをテクノロジーで支援する」という共通の目的を持ち、事業とテクノロジーの両面から課題解決に取り組んでいます。 技術議論やナレッジ共有も活発で、学び続けながら挑戦できる環境です。 働き方 ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。 ・裁量労働制を導入しており、子育てと両立しているエンジニアや副業を行っている社員もいるなど、ご自身の裁量で働く時間のコントロールが可能です。 ・大半のメンバーが在宅勤務をしています。リモート勤務手当の支給といったサポートがあります。 ・データサイエンティストとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます。 ・書籍購入、学会やイベントの出張参加、クラウドを使った技術検証、AI関連サービスを実際に利用しての検証等の業務活動に対し、会社が費用を負担しています。

●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。

当社が提供する各サービスの生産性向上ツールとして、AI・機械学習を活用した機能開発を担当していただきます。AWSのマネージドサービスやサーバーレスアーキテクチャを活用し、Pythonを用いた開発を行います。 特に、以下の領域でのAI技術の活用を進めています。 ①音声解析:音声データのテキスト化、自然言語処理を用いた解析(例:AWS Transcribe、Whisper など) ②OCR(光学文字認識):紙やPDFなどのドキュメントデータをデジタル化し、業務プロセスを効率化(例:AWS Textract、Tesseract 、GoogleGemini など) 生成AI:業務支援のための大規模言語モデル(LLM)の活用、プロンプト設計やファインチューニング(例:Amazon Bedrock、OpenAI API など) データパイプライン構築:AIモデルの学習データ収集・前処理・モデルデプロイの自動化(例:AWS SageMaker、Kinesis、Lambda など) AI推論APIの開発:各種AIモデルのAPI化・運用(FastAPI、Flask などを活用) パフォーマンス改善・精度向上:AIモデルの最適化、推論速度向上、モデル選定 AWSを活用したクラウドネイティブなAI開発に興味があり、技術的な課題解決を楽しめる方を募集しています。

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

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。

DHK(電話放送局)事業と本ポジションの位置づけ 「電話放送局(DHK)」は、長年コールセンター/電話業務の領域でサービスを提供してきた実績のある事業です。GVグループにジョイン以降はAI Agent「DHK CANVAS」をリリースし、コールセンター向け音声AI Agentとしての価値提供を広げています。 一方で、電話放送局時代から続くサービスも変わらず継続・稼働しており、現在も多くの顧客に使われ続けています。こうした経緯から、DHKのサービス群は現在オンプレ環境とクラウド環境の両方で稼働しています。 本ポジションが担当するオンプレ環境で稼働しているサービスは、まさにこの長年続いてきた事業の土台にあたります。安定運用があってこそ、DHK CANVASのようなAI Agentによる新しい価値提供も広がっていく——本ポジションは、この両輪を支える重要な役割です。 所属:株式会社GROWTH VERSE Technology部。同部からDHK(電話放送局)へ出向し、DHKサービス開発課・GVのDHKチームと協働する体制で稼働します。 レポートライン:VP of Technology(Technology部を統括)直下。 雇用形態の位置づけ:GROWTH VERSE正社員としての採用・雇用契約です。所属はGROWTH VERSE Technology部で、DHKへの出向という形でDHKの基盤運用に従事します。 主な業務内容 DHKのサービス群はオンプレ環境とクラウド環境が混在しており、本ポジションが担当するのはオンプレ環境で稼働しているサービスの運用・監視・改善です。 オンプレサーバー基盤の運用監視:データセンターに構築されたオンプレサーバーの日常監視・ヘルスチェック・キャパシティ管理 障害対応:一次切り分け、復旧対応、恒久対策の検討・実装 保守・メンテナンス:定期メンテナンス、パッチ適用、機器更改対応(通信交換機・PBX等、音声基盤特有の専用機器に触れる可能性があります) 運用自動化・トイル削減:Python・Goを用いた運用スクリプト・ツールの開発による定型作業の自動化 属人化解消のための体制構築:運用手順・障害対応ノウハウのドキュメント化、引き継ぎ体制の整備 (将来的な発展領域):基盤の安定運用を土台に、クラウド活用や基盤刷新の検討に関わる可能性があります 技術・環境 インフラ オンプレミスインフラ(データセンター基盤) 言語 Python Go(主に運用自動化・ツール開発) その他 音声基盤特有の専用機器(通信交換機・PBX等)を含む場合あり ※DHKの技術基盤はオンプレ環境とクラウド環境が混在しており、本ポジションが担当するのはオンプレ環境で稼働しているサービスです。実際の技術構成・業務範囲は基盤の状況により変動します。 キャリアパス GVのエンジニア像は、技術領域別の分業(フロントエンド/バックエンド/SRE/QA等)から、技術領域を超えて「フルサイクル(要件定義から運用まで一気通貫)+AI Agentのマネジメント」へと変化している過渡期にあります。 GVは入社時の職種・専門性を"入口"として尊重しつつ、育成・リスキリングを積極支援します(書籍・カンファレンス・社内勉強会・ローテーション等)。 短期的な成長の方向性: オンプレ基盤運用のプロフェッショナルとして、属人化のない安定運用体制を確立します。 中長期的な成長の方向性: オンプレ基盤の知見を土台に、クラウド活用・基盤刷新のリード、あるいは技術領域を横断するフルサイクル能力の獲得へと成長の方向性が広がっています。