年収550万円以上 PyTorchのITエンジニア求人・転職情報

【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 【想定業務内容】 ※以下領域における、管理職としての組織マネジメント業務を中心にご対応いただきます。 1.AIプロダクトの開発計画策定と推進 ・サービス企画に基づき、開発スケジュール、リソース計画、マイルストーンを策定 ・AI特有の「学習データ調達→学習→評価→実装」のサイクルを、サービス開発のタイムラインに統合・管理 ・AIサービス企画開発の推進管理 2.開発ディレクションと品質管理 ・AIエンジニア、ソフトウェア開発者、検証チーム等へのタスク割り当てと進捗管理 ・「AIの精度指標(KPI)」と「サービスとしての品質要件」の整合性をとり、リリース判定基準を管理 3.部門間・パートナー企業との調整 ・車両開発部門や関連ITシステム開発部門とのインターフェース(API仕様等)の調整 ・ビジネスオーナー部門と調整しながら、ビジネス要求をベースにシステム企画・設計を推進 ・ベンダーやクラウド事業者等の協力会社様との実務レベルでの交渉・進捗同期 ※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 自社開発しているAD/ADASシステムの商品性や安全性能といった対他競争力を高めるためには、市場でのシステムの使われ方や弱点を早く、正確に把握することが必要です。そのためには、市場を走行しているユーザー車両から周辺状況、ドライバー状態、車両状態など、様々なデータを収集・分析して、商品開発にフィードバックするデータドリブン開発を如何に他社よりも早く、安く、上手く実現できるかが鍵となります。 私たちの部門は、このデータドリブン開発を支援するためのデータエンジニアリングが主な役割であり、具体的には以下のような業務を推進しています。 ●データパイプラインの構築: 世界中のお客様が使っているホンダ車から集めた市場データや、開発車両による公道走行で取得したデータを高速かつ低コストに集約し、使いやすい形に加工変換し、保管するため一連のデータ流れ(ELT/ETL)の設計・構築 ●データ基盤の設計・構築: 収集したデータを効率的に管理するため仕組み(データレイク、データウェアハウスなど)をクラウド上に構築 また、保存されているデータの可視化や、使いたいデータを検索するためのダッシュボードを構築 ●データ品質管理(データクレンジング) データの欠損や不整合などを解消し、分析に使える品質の高いデータに整える ●データガバナンス: データのセキュリティやアクセス管理など、データを適切に管理・利用するためのルールの作成と徹底 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。世界中からデータを集めるため、海外現地法人や海外研究機関など、海外とのやりとりが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】 業務では以下のような開発ツールを使用していますが、全てについて使用経験がある必要はありません。 ●AWS: Lambda、SageMaker, Athena, Redshift 等 ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等 ●データウェアハウスツール:SnowFlake、Databricks ●言語:Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch)

【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

【想定業務内容】 1.AIセキュリティ・ガバナンス体制の策定 ・SDV開発におけるAI活用のガイドライン・標準プロセスの策定 ・AIのライフサイクル(学習〜実装〜運用)全体を通じたリスクアセスメントの実施 2.国際法規制・標準化への対応推進 ・欧州AI法(EU AI Act)やISO/IEC、国際的なセキュリティ基準(UN-R155等)の動向調査 ・規制要件を具体的な開発要件に落とし込み、現場への導入を支援 3.AI脆弱性管理プロセスの構築 ・AIモデルの改ざん、インプットデータへの攻撃(Adversarial Examples)等に対する、技術的な防御基準の策定 ・脆弱性が発生した際のインシデントレスポンス体制の構築と運用 4.AIリスクに対する防御技術の研究開発 ・共通で提供するAIリスクに対する防御技術(AIガードレール、AIアライメント技術等)の研究開発 ・リスクの自動評価技術(LLM as a Judge等) 5.開発現場へのコンサルテーションと監査 ・各開発チームに対し、ガバナンスに則った開発が行われているかのレビュー ・AIアルゴリズムの信頼性評価基準の策定 【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】 ●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

【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 自社開発しているAD/ADASシステムの商品性や安全性能といった対他競争力を高めるためには、市場でのシステムの使われ方や弱点を早く、正確に把握することが必要です。そのためには、市場を走行しているユーザー車両から周辺状況、ドライバー状態、車両状態など、様々なデータを収集・分析して、商品開発にフィードバックするデータドリブン開発を如何に他社よりも早く、安く、上手く実現できるかが鍵となります。 私たちの部門は、このデータドリブン開発を支援するためのデータエンジニアリングが主な役割であり、具体的には以下のような業務を推進しています。 ●データパイプラインの構築: 　世界中のお客様が使っているホンダ車から集めた市場データや、開発車両による公道走行で取得したデータを高速かつ低コストに集約し、使いやすい形に加工変換し、保管するため一連のデータ流れ(ELT/ETL)の設計・構築 ●データ基盤の設計・構築: 　収集したデータを効率的に管理するため仕組み(データレイク、データウェアハウスなど)をクラウド上に構築 　また、保存されているデータの可視化や、使いたいデータを検索するためのダッシュボードを構築 ●データ品質管理(データクレンジング) 　データの欠損や不整合などを解消し、分析に使える品質の高いデータに整える ●データガバナンス: 　データのセキュリティやアクセス管理など、データを適切に管理・利用するためのルールの作成と徹底 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。世界中からデータを集めるため、海外現地法人や海外研究機関など、海外とのやりとりが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】 業務では以下のような開発ツールを使用していますが、全てについて使用経験がある必要はありません。 ●AWS: Lambda、SageMaker, Athena, Redshift 等 ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等 ●データウェアハウスツール:SnowFlake、Databricks ●言語:Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch)

レバレジーズが運営する全サービスのデータを用いて、各事業部ごとに課題を抽出し、それに応じた分析や機械学習による効率化を行います。 扱えるデータの種類は事業部ごとに異なるため、課題に応じて様々なアプローチを考えていただきます。 テーブルデータだけでなく非構造データを扱う機会が多いため、自然言語処理を駆使したりと特徴量作成の観点で色々とやり込める環境です。 データ分析や機械学習のアルゴリズム開発を行った際は、直接ビジネス現場の担当者にプレゼンテーションをしたり導入支援をしたりするため、作って終わりではなく、実際にデータ活用のその瞬間までプロジェクトに関わっていただきます。 ・因果推論を用いたマーケティング施策の効果検証 ・自社サービス向けのレコメンドアルゴリズムの開発 ・業務効率化のための機械学習モデリング ・統計モデリングによるKPI等の予測 ・自然言語処理を用いた業務効率化ツールの開発 ●扱うデータ ・自社サイトのアクセスログデータ ・顧客の属性データ、顧客の時系列情報 ・自社社員の行動(架電履歴など)データ ・WEB広告(主にgoogle系)の配信成果データ等 ・テキストデータ(QAサイトのデータ、求人票のデータ、経歴データなど) ・音声データ(通話) ・その他、画像、動画データ ※事業の特性上、ゲーム系のように大容量データをリアルタイムに処理する機会はありません。 ●使用技術 ・言語:Python(Scikit-learn, Pytorch, Tensorflow)、R、SQL(BigQuery、Presto)、Stan ・環境:Linux ・クラウド:Google Cloud、AWS

<具体的な業務内容> 以下のようなADASカメラセンサに関する画像処理・AIモデルの設計業務に関する業務をお任せする予定です。 ・顧客からの要求仕様分析 ・機能実現性の検証 ・画像処理ライブラリーを使用した画像処理業務 ・画像システムのパイプライン設計 ・AIモデルの設計と単体評価 ・画像処理システムの設計評価 ・SoC評価ボードを使用した、システム評価 ●入社後すぐの業務 まずはご経験に合わせて、可能な範囲から先輩社員の業務引継ぎや外部ベンダーとの折衝を引き継いでいただきます。 入社5～12か月程度でPythonを使った画像処理・評価、Pytorchを使ったAIモデル作成・評価などは1人で進められるようになっていただくことを期待しています。 ●入社6か月～1年以降 業務に慣れてきましたら、設計報告書の作成など、上司や顧客に提出するデータやレポートをまとめていただきます。 新しいモデルを使った、新しい認識処理システムの評価なども進めて頂きます。 徐々に顧客との打ち合わせにも参加いただき、数年後にはプロジェクトリーダーとして全体の進捗管理などもお任せしたいと考えています。 <携わる製品の名称・特徴> 2輪車向けADAS ECU / カメラセンサ 【業務内容についての補足】 ・雇入れ直後:「求人内容」において、会社の定めた業務 ・変更後の範囲:会社の定める業務

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。(プロジェクトごとに、リード機械学習エンジニアが1名サポートにつきます) <具体的な業務内容> ・ディープラーニング等の機械学習技術を用いたソリューションの開発 ・顧客プロジェクト向けの機械学習ソリューションのカスタマイズ開発 ・機械学習技術を用いたシステムの開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ●業務の変更範囲:なし ーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●機械学習エンジニアが担当する技術領域 弊社の機械学習エンジニアは、特定の技術領域に特化して業務を行っていただくのではなく、主に以下3つの技術領域から自身が望むキャリアや案件の状況に応じて選んでいただく方法を取っています。 ・最適化、強化学習 ・推論型AI(画像、音声、時系列データ、統計系など) ・LLM、NLP ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

【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 市場でのシステム利用状況や弱点を早く正確に把握することが、競争力を高める鍵です。そのため、市場走行車両データやテストデータ、市場の声など多様なデータを収集・分析し、商品開発にフィードバックするデータドリブン開発/ユーザーインザループ開発を推進します。 当部門は、この開発を支えるデータサイエンス・データ分析・データ利活用を担い、以下の業務を行います。 ・市場走行車両データやテストデータの分析を通じ、商品改善や価値創出につながる提案を行う ・データに基づく製品改善(データドリブン開発)や、ユーザーの声の継続的反映(ユーザーインザループ)を実現するためのデータ活用環境の構築・展開 ・プロダクトにデータで寄与する自由な企画～実装～実現 尚、他部門や外部パートナーとの連携、海外拠点との共同研究・デモンストレーションなど、グローバルなやり取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】　 ●言語: Python, SQL等 ●データ分析・AIライブラリ: pandas, Polars, NumPy, SciPy, scikit-learn, PyTorch等 ●AWS: Amazon Athena,Amazon Redshift, Amazon SageMaker等 ●CI/CD: GitHub, Docker,CDK, Terraform等 ※全てについて使用経験がある必要はありません。

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

●ミッション 事業の戦略やマーケットの要求などを背景にした複雑な課題に対し、技術的な側面から最適な解決策を設計・選択し実行をリードすることで、事業と顧客への価値の最大化を実現することがミッションです。 課題解決のスペシャリストとして、自ら手を動かして実装しながら、チームメンバーに対して技術的なサポートや示唆を提供していくといった形で技術的な側面で組織力の底上げを期待しています。 ●業務詳細 新規システム構築や既存システムの改善において、技術的なオーナーシップを持ち、以下の業務を推進していただきます。 ご自身の強みや経験を活かし、他のメンバーと協力しながら進めていただくことを期待しています。 ①事業価値を最大化するアーキテクチャ設計と技術選定～実装: ・事業/顧客課題に対する技術を用いた解決策の企画立案と実装 ・事業特性や将来変化を見据えた、保守性と拡張性の高いシステムアーキテクチャの設計・構築 ・ビジネス・非機能要件に基づく最適な技術スタックと構築手法(スクラッチ/SaaSを問わず)選定と、関係者との合意形成 ②開発プロセスの最適化によるチーム生産性の最大化: ・目的に応じたアジャイルやドメイン駆動設計などの開発手法の導入 ・チーム状況に合わせた開発プロセスの最適化と定着までの推進 ・生成AIを活用した開発の推進 ③品質担保と技術的負債管理: ・品質基準の定義と、コードレビュー等による品質確保 ・技術的負債の評価と、事業影響を考慮した戦略的な解消計画の推進 ・ユーザーフィードバックを活かした継続的な改善リード ④技術課題解決: ・複雑な技術課題に対する解決策の提示と実装 ・最新技術の調査と、組織への導入検討・提案 【配属部署】 ●BPR推進部のミッションと目指す姿 私たちBPR推進部は、事業やサービスをご利用いただく顧客・ユーザーへの価値提供を最大化することを目指し、業務プロセスの最適化・効率化、オペレーション設計を推進する部門です。 従来は社内メンバーの業務支援を中心に担ってきましたが、事業や市場環境の変化が加速し、より複雑性が増す中で、真に価値ある業務プロセスを設計するためには、顧客の課題解決に焦点を当てることが不可欠であると考え、価値提供の軸足を「社内」から「顧客」へと移しています。 現在は正社員、契約社員、派遣社員を合わせて90名ほどの体制となっており、今後も事業/会社の成長に伴って規模拡大・増員を予定しています。 【将来のキャリアパス】 SMS全体のキャリアの考え方として、こうあるべきと定めているものはなく、個人の考えや適性に応じて、共にキャリアを形成していくべきだと考えています。 そのため、ご自身のキャリア志向次第でどのようなキャリアプランも実現可能性がございます。 ①テックリード・アーキテクト(スペシャリスト志向) 課題解決のスペシャリストとして技術を極める道はもちろん、システム全体のグランドデザインをリードする道へと拡張も可能です。 技術的負債の解消や開発プロセスのモダン化など、組織全体の技術向上を牽引する役割を期待します。 ②エンジニアリングマネージャー(マネジメント志向) 開発チームの組織課題に向き合い、採用・育成・評価やチームビルディングを担う道です。 今後拡大していく組織の中で、ピープルマネジメントを通じて組織のケイパビリティを最大化していく役割です。 ③ビジネスアーキテクト・PdM(ビジネス志向) テクノロジーの知見を武器に、ビジネスサイドにより深く入り込み、事業課題の発見から業務プロセスの再設計、IT投資判断までをリードする道です。 「システムを作る人」から「事業を作る人」へと役割を広げることができます。 【入社後の流れ】 入社後は全体研修を実施し、会社の理念や事業内容、各種制度について説明します。 その後は、配属部署にて実務を通じたOJTでキャッチアップを進めていただきます。 即戦力としてご活躍いただけるよう、必要に応じてサポートしますので、不明点や困りごとは気軽に相談できる環境です。 【開発環境、利用ツール(例)】※チームにより環境は異なります ●SaaS ・Salesforce(Apex、Visualforce、Lightning Web Component)、Kintone ●クラウドインフラ ・AWS(RDS、DynamoDB、AuroraDB、CDK、Lambda、ApiGateway、S3、CodePipeline) ・GCP (Google BigQuery、Cloud Composer(Airflow)、GCS、CloudSQL、CloudBuild、Firestore) ●開発言語 ・Python、JavaScript、TypeScript、Kotlin、Java、Python、node.js、react.js ●開発環境・ツール ・Docker、Google Kubernetes Engine、VSCode、GitHub、jenkins、Trello、Backlog、esa、Slack等 【その他環境】 ・出社/リモートワークのハイブリッド勤務です。(チームイベント等で出社する場合もありますが、リモート中心のメンバーも多数在籍しています) ・とくに出社日等は設けておらず、自身の成果を最大化するにあたって、その時々で最適だと思う選択をしていただく、というポリシーとなっています。 ・フレックスタイム制(コアタイム 12:00～16:00) を導入しています。 ・基本の業務時間は9:00~18:00ですが、ユーザーの業務後にリリース作業がある場合などで、9時前や19時以降の業務となる場合があります。 ・残業時間はチーム平均で20~30時間/月ほどで、施策の状況やインシデント対応が発生しているときは少し上振れる場合もあります。

●機械学習・深層学習を活用したAIモデルの設計・開発・実装 ●プロジェクトの技術リードとして、要件定義からモデル設計・検証・実運用までを主導 ●データアナリスト・データエンジニアと連携し、クライアント課題に応じたAIソリューションを構築 ●最新技術のリサーチとPoCの推進、技術選定・ベストプラクティスの確立 ●具体的なプロジェクト例 ・大手損保会社におけるDX推進/ICT戦略/AI戦略策定 ・コンプライアンス領域におけるAI/データ独自プロダクト開発 ・大手銀行における海外ATM送金最適化モデル構築 ・外資生命保険会社におけるCDP整備・デジタルマーケティング高度化 ・人材会社におけるAIエージェントによる業務効率化 　等 ●業界例 ・金融:損害保険、生命保険、ネット生命保険、ネット銀行、証券、ネット証券　等 ・メーカー:食品、生活消費財、医療機器、製薬、化粧品　等 ・小売:百貨店、家電量販店、自動車販売・流通、営業/販売アウトソーシング　等 ・BPO/SIer:BPO、広告代理店、建設コンサル、ITサービス　等 上記他、官公庁、総合商社、不動産、研究機関、メディア等を含む業界リーディングカンパニーが当社クライアントとなります。 ●中長期のキャリア AIコンサルタント/データ活用コンサルタントを中軸に構えつつ、データサイエンス・データエンジニアリング領域における専門家キャリアを用意しています。 ・AI/データ活用コンサルティング領域 　ビジネス/データサイエンス/データエンジニアリングの要素を併せ持ったデータ活用コンサルティングキャリア ・データサイエンス領域: 　高度な数理素養と技術力を有する、データサイエンティストやAIエンジニア等の専門性に特化したキャリア ・データエンジニアリング領域 　データアーキテクチャ/データマネジメント/データガバナンス等に特化したデータ専門家キャリア ●サポート体制 当部署では、新入社員の皆様が安心して技術力を高められるよう、サポート体制を整備しております。 経験豊かなデータ分析の専門家がメンターとしてつき、あなたの技術的な質問や課題解決をきめ細やかに支援します。これに加えて、毎月の定期的な面談を通じて、あなたの描くキャリアプランやキャリアパスを共有し、それに合致する案件や役割への参画を積極的に支援いたします。 ●各種研修制度 ・ビジュアライゼーション研修(Tableau有識者によるトレーニング) ・データ基盤研修(Databricks資格取得手当あり) ・Dataikuをベースとした学習支援 ・クラウド技術資格取得手当あり ●会社概要 WorkXは、既存のコンサルティングファームの枠組みを超え、自らもAIを活用したプロダクト等を創出・運営する「ハイブリッドファーム」です。 他社へのコンサルティングだけでなく、自社での事業創出を通じたクライアント提供価値の最大化に重きを置いており、 AI・データを活用したコンサルティング&エンジニアリングサービス「LeanDataX」 戦略・IT・DX・経営などの領域における大手企業向けのコンサルティング&事業創出支援「LeanX」 8,000人以上のハイエンドプロフェッショナルが登録する人材プラットフォーム「ProConnect」 など、複数事業を展開しています。 (上記のほか、プラットフォームに関連した複数サービスを展開。過去にも地方創生など複数事業の立ち上げ実績あり。) さらに、自社で完結すること無く、グローバルトップのソリューションベンダーやアカデミアとの協創も通じ、独自のエコシステムを構築することで高水準のサービス提供を可能にしています。 売上高は創業以来、常に2桁成長。21年:3.5億→23年:16億→25年:28億 と5年で800%成長を遂げており、2028年のIPOを視野に入れ、証券会社や投資家からも高く評価されています。

●主にお任せしたいこと ①データ収集・パイプライン領域 ・各DBのデイリーミラーリング取込基盤の運用・改善(ジョブフロー再設計、取込時バリデーション、エラー通知の整合性改善、障害対応と再発防止) ・TROCCO・Cloud Workflows・Cloud Run を用いた非DBデータの取込パイプライン構築・運用 ・生成AIを組み込んだ、書式揺れに強い非構造データ取込パイプラインの構築 ・取込ソース追加のゼロデプロイ化(設定駆動化)など、DE運用工数を構造的に減らす自動化 ・Reverse ETL等の新しいデータ連携要件への対応と、取込基盤の適用範囲拡大 ②データモデリング・提供領域 ・4層モデリング設計方針に基づく staging / dwh(dim・fct)/ mart 各レイヤーのdbtモデル実装と、テストによる品質担保 ・BI(Looker Studio / Lightdash等)へのデータマート提供と、事業部のデータ活用支援 ・各種メタデータを統合的に集約したデータカタログの展開によるヒューマン・AIフレンドリーな意思決定支援の価値最大化 ・セマンティックレイヤーによる指標定義の実装 ・安定した指標提供におけるセマンティックレイヤー自体の費用対効果の技術検証、その他カタログなどのツール間の比較検証などのR&D活動 ・AIエージェント向けアクセス経路の整備やエージェント品質の継続評価・民主化に向けた仕組み作り ③運用・ガバナンス領域 ・GitHub Actions を軸としたCI/CD・自動デプロイ・規約lintの運用・改善 ・BigQueryの利用実態モニタリングとコスト最適化(FinOps)への参画 ・事業部からのデータ要望に対する要求・要件定義、スコープ合意からデリバリーまでの一連の対応 ・Claude Code等のAIエージェントを開発ワークフローに組み込んだ、エンジニアリング業務の生産性改善を通したDataOpsのエンハンス ・アクセス制御(列レベルマスキング・行レベルアクセス・個人情報カラムの自動特定)のdbt/Terraformによる実装 【チームの紹介】 ・全社・事業部でのデータ活用を支えるため、データ基盤の整備・運用、データマートの構築、BIツールの活用支援を担当 ・新データ基盤が本番稼働し旧システム群の停止が完了したことを受け、現在はdbtへの移行やセマンティックレイヤー・データカタログの整備を進め、より多くのメンバーが安心してデータを活用できる環境づくりに注力 ・社内のデータ民主化をさらに進めるとともに、経営課題に対する戦略的な意思決定を支えるデータ分析基盤の高度化にも取り組んでいる 【プロダクト開発環境】 ・インフラ:GCP, AWS ・プロジェクトデザイン:Miro, Figma ・利用言語やフレームワーク:Python, Go, SQL ・ドキュメント管理:Confluence, Google Drive ・チケット管理:Jira ・コミュニケーション:Slack ・コンテナ技術:Docker, Kubernetes ・Data Warehouse:BigQuery ・ETL:Cloud Functions, Dataform ・データコレクタ:Dataflow, Pub/Sub ・Database:Cloud SQL, Cloud Spanner, AlloyDB, PostgreDB(Amazon RDS) ・構成管理:Terraform ・監視:Cloud Monitoring, NewRelic ・ワークフロー:Airflow ・CI/CD:GitHub Actions

●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。

●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。

本ポジションは、異業界・自動車業界にて【IT/通信やAIに関する領域】をご専門とされている方向けのご案内となります。 具体的な業務イメージは持てていないけれども、当社に、完成車メーカーに、自動車業界においてどの様な活躍ができるのかに興味がお有りの方は、ぜひ、こちらの求人よりエントリーいただけますと幸いです。 仕事内容の詳細やキャリアイメージについては、書類選考合格後メールでのご案内と、面接時選考官からの個別説明を予定しておりますのでご安心ください。 なお、担当領域により勤務地が異なるため、勤務エリアに制限がある方、強い希望をお持ちの方はあらかじめエントリー時にお申し付けください。 皆様からのご応募、心よりお待ちしております! 【開発環境】 ※配属部署により異なりますが、主な開発環境は以下となります。 OS:Linux, Windows 言語:Python, C, C++, C#, HTML, CSS, JavaScript DB:PostgreSQL, MariaDB, MySQL, SQLite, Neo4j 開発ツール:CARLA, Matlab, Visual Studio, Jupyter Lab, Simulink, Stateflow, MicroAutoBox, ControlDesk, CANalyzer, CarlaSim, CarSim ライブラリ:OpenCV, NumPy, Pandas, TensorFlow 【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。

世界中で利用されている何千万台という様々なソニー製品・アプリ・サービスから来る一日何億以上のビッグデータを活用し、それを新たな顧客価値に変えていく非常に重要な業務です。 また、デバイスやアプリとの連携が多いのも特徴で、クラウド側だけではなく、エッジとクラウドの連携も求められる、難易度の高い業務となっています。 また、最近では生成AIの発展もあり、データ・AI・生成AIと、クラウド・エッジを組み合わせた形での継続的な新しい技術の習得も必要な領域です。 組織文化としては、技術的に強い興味を持っているエンジニアが多く、最新技術の情報共有は勿論のこと、最新技術を用いたプロトタイプの作成や、実際の設計にいち早く適用する、といった活動も活発に行われています。 テレワーク・出社も比較的自由に選ぶことが出来、自由度の高い職場です。 我々の目指すところは、ソフトだけでもハードだけでも実現できない、ソフトとハード、それぞれの技術を高いレベルで組み合わせて初めて実現できる最高の顧客体験の提供です! 豊富な経験と知識を持ったメンバと共に、ソニーの新しい顧客体験をぜひ一緒に創っていきましょう! 想定ポジション 担当者もしくはリーダーの役割を担って頂きます。(希望・スキルに応じて相談) 業務内容 ●組織としての担当業務 私たちの組織では、様々なソニー製品(TV・オーディオ・カメラ・Xperiaなど)やアプリ・サービス(Headphones Connect, BRAVIA Connect, Creators Cloudなど)のログデータを収集しています。これらのログを用いて新しい価値を提案し、実現していく業務です。例えば、パーソナライズした顧客体験を提供したり、新たな外部データを導入し、それと組み合わせることで新たな価値を提供する、といったことを行っています。 全世界の様々なソニー製品・アプリ・サービスからのビッグデータを中心として様々なデータを活用し、ソニーの新しい顧客体験を一緒に創っていきましょう! ●担当予定の業務 ・ソニー製品・アプリ・サービスにおけるデータ・AI/ML・LLM(生成AI)を用いた新規価値提案と設計・実装業務(既に提案済みのものも含む) ・MLOps/LLMOpsを円滑にまわすための仕組み作り ・リーダー職の場合は、国内外の関係者との技術検討、チームリーディング業務を含む

【お任せする業務】 AI・機械学習やビッグデータを活用した内製システムの企画・開発・運用を担当します。 技術者の困りごとをシステムからサポートして改善活動を進めていきます。 【具体的な仕事内容】 下記のようなAI/機械学習を活用した歩留まり解析および改善システムの開発をお任せします。 開発は要件に応じてウォーターフォール、アジャイル開発を使い分けて行っており、一部外部委託先を連携しながら進めていきます。 ・課題抽出・要件定義:ユーザー部門と連携し、現場課題を分析し要件を整理 ・システム企画・設計:改善策を立案し、データベース設計やWebアプリ開発を実施 ・開発・運用:システム導入から改修、効果検証、保守まで一貫して担当 ・外部委託管理:一部開発を委託する場合、ベンダーとの調整・品質管理を実施 [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 / Java / C / C++ / C# / JavaScript / VBA 機械学習:Hadoop / HBase / Hive / PyTorch Web:Django / FastAPI その他:PostgreSQL / Kubernetes / Ceph

●概要 コンピュータービジョン領域の受託開発プロジェクトにおいて、開発とマネジメントの両面からプロジェクトを牽引していただきます。 ●具体的な業務 要件定義/アーキテクチャ設計/実装/テスト/導入までの一貫リード 物体検出・セグメンテーション・姿勢推定などのディープラーニングモデル開発 データ収集・前処理・アノテーションフローの設計運用 精度評価・推論速度最適化・ハイパーパラメータ/後処理チューニング REST API設計、簡易Web UIを含むバックエンド実装 スケジュール・タスク管理、コードレビュー、技術支援 顧客との技術折衝・仕様調整・成果報告・技術提案 【プロジェクト事例】 大手製造業向けの外観検査システム 医療機関向けの画像診断支援ツール 小売業向けの店舗内行動解析システム 通信業界向けの設備点検自動化ソリューション ※AI活用に特化したアライアンスパートナーとの協業も多数 ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのデータ活用を支援し、分析・モデル構築・可視化を通じて課題解決を推進。 ●業務内容(具体的に) SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 アジャイル(スクラム)開発の推進 将来的にはAIエージェントや生成AIを活用した高度な分析・自動化にも取り組みます <関連業務> データ利活用サービス:課題抽出～可視化・レポーティング 機械学習エンジニア:予測・処方的分析 工場DX:属人性解消、デジタル化アセスメント ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのDX推進を支援し、業務改善・データ活用・工場立ち上げを通じて課題解決を推進します。 ●業務内容(具体的に) クライアント企業のデータを活用し、課題抽出から分析、モデル構築、可視化・レポーティングまでを担当 SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 業務改善・工場立ち上げ推進 アジャイル(スクラム)開発の推進 PL候補として、プロジェクトのQCDS管理、顧客折衝、技術選定を担当 ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

近年、社会全体でAI活用が加速する中、AI開発を支えるGPU基盤へのニーズが急速に高まっています。NTTデータではこのような社会的ニーズに応えるべく、最新技術を活用したGPU基盤サービスの開発を強化しており、2024年度に自社の大規模GPUサービスの企画・提供を開始しました。現在はファースト顧客向けの開発を進めており、今後さらなる需要拡大が見込まれています。 これに伴い、GPU基盤開発プロジェクトにおいて、プロジェクトマネージャーやリーダーとして活躍いただけるエンジニアの採用を強化しています。 ●主な業務内容は以下の通りです。 [顧客への提案] お客様のニーズや市場動向を把握し、営業担当者と一緒にGPU基盤の提案を行います。 ・新技術のリサーチ ・導入提案 [設計・開発] お客様のご要望をくみ取り、お客様とコミュニケーションをとりながらGPU基盤に関するサービス仕様検討から設計、開発を行います。 ・GPUを利用した高性能コンピューティング基盤の設計、構築、運用 ・クラウド環境上でのGPUリソースの最適化と自動化 ・AI、ディープラーニング等のアプリケーションに向けたインフラの提供とチューニング ・パフォーマンス分析と最適化に関する技術支援 [主な技術環境] ・GPU:NVIDIA ・GPUサーバ:NVIDIA、Dell、HPE、Super Micro等 ・ネットワーク:プロトコルとしてはInfiniBand、Ethernet(RoCE) ・ストレージ:NetApp、VAST、DDN、PowerScale、Pure Storage等 ・ジョブスケジューラ:Slurm、Kubernetes ・コミュニケーションツール:Teams等

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion ●AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin ●作業環境 : Mac (Apple Silicon), デュアルモニタ対応

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応