機械学習・データ活用 GitHubのITエンジニア求人・転職情報

「頭痛ーる」(iOS / Android / Web)のプロダクト成長に向けて、開発業務全般をリードしていただきます。 具体的にお任せしたい業務領域は下記になります。 - 頭痛ーる(iOS / Android / Web)の機能開発・改善の推進、DAU/MAU・継続率・収益の向上への貢献 - サブスクリプション・広告収益モデルを支える機能基盤の設計・実装 - PdM・デザイナー・気象予報士など多職種と連携した仕様策定・技術判断 - コードレビュー・技術共有を通じたエンジニアリング組織全体の品質・生産性向上 - 気圧×症状データの分析に基づく新機能(予測精度向上・行動変容促進など)の検討・設計 - 100万超MAUを支えるインフラのコスト最適化・パフォーマンス改善 - AIを活用したレガシーシステムのモダナイズ 業務の変更の範囲:会社の定める業務 ### 技術スタック ●フロントエンド ・言語: JavaScript ・フレームワーク: Vue.js / Riot.js ●バックエンド ・言語: PHP ・フレームワーク: FuelPHP→ Laravelへ移行中 ・データベース: MongoDB ●インフラ ・クラウド: AWS / さくらクラウド ### 周辺ツール ●情報共有: Confluence ●コミュニケーション: Slack ●生成 AI 関連: Cursor / Claude Code / Devin ●ソースコード管理: GitHub

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 当社SaaSプロダクト「PROEVER」のプロダクトエンジニア(AI・アプリケーション基盤)として、競争優位性の核となるAIエージェント機能の開発と、それを支えるバックエンド基盤の実装をリードしていただきます。 現在は少数精鋭の体制のため、定型的な管理業務ではなく、自ら手を動かして未知の技術課題をブレイクスルーしていく役割です。 ・AIエージェント基盤構築: Azure AI Foundry / Azure OpenAI をフル活用し、LangGraph.js等を用いたマルチステップ推論・自律型ワークフロー制御のバックエンド実装。 ・RAG(検索拡張生成)の最適化: Azure AI Search や Vector DB を用いた検索拡張生成システムの設計・チューニング。 ・LLMの品質・ガバナンス担保: AIの回答精度向上、およびZod等を用いた出力構造化、ガードレール(安全性・セキュリティ)の仕組みづくり。 ・データアクセス&パイプラインの構築: 複雑なプロジェクトマネジメントデータをAIが最適に解釈・処理できる形式へ変換するパイプラインの開発、および Hasura (GraphQL) / PostgreSQL を用いた効率的なAPI開発。 ・技術組織への還元: コードレビューや設計レビュー、最新のAI技術調査・評価を通じて、チーム全体のAI技術力の底上げ。 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数体制(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

●役割 アドバンスドテクノロジー部門のコアメンバーとして、当社のAI戦略の土台と最前線の両方を担っていただきます。 「どのLLMを使うか」という外部依存の設計ではなく、GPT, Claude, Geminiなどをコストやレイテンシーに応じて動的にルーティングする自社ゲートウェイや、570万超の人事データを絶対に他社と混ざらないよう分離制御するセキュアなRAG基盤をあなた自身の設計でゼロから生み出す、エンジニアとしての最高峰の挑戦ができるポジションです。 ●職務内容 Webアプリケーション基盤の設計から、新製品への組み込み(PoC〜本番化)までを一気通貫でリードしていただきます。 ● 共通AI/Webアプリケーション基盤の開発 ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Amazon Bedrock等)のAPI統合、およびモデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズSaaSに必須となるマルチテナント性やデータ分離(他社データを混在させない強固なセキュリティ)を徹底した、セキュアなAIデータパイプラインの構築 ● フルスタック開発・スケーリングの主導 ・プロトタイプの高速な開発(PoC)による仮説検証のリード ・PoCで得たロジックを、数万人以上のユーザーが同時に利用する本番環境へ耐えうるアーキテクチャに昇華させるスケーラブルな実装・パフォーマンスチューニング ・フロントエンドの状態管理(ストリーミング応答のUI/UX等)から、非同期処理・インフラ構築に至る全レイヤーの実装 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) 言語:Java/TypeScript/Kotlin/Python Cloud: AWS/Google Cloud/Azure/OCI DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform 開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma 生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

●主に担当する業務内容 画像認識AIを用いたプロダクト開発・ソリューション開発 プロダクト開発・運用 アルゴリズム・モデルの組み込み実装 プロトタイプの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。(建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術‧開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <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。

【役割】 高いエンジニアリング力を活かし、自社製AI/LLMゲートウェイのスクラッチ開発や他社データを混在させないセキュアなRAG基盤構築の設計・実装の先頭に立っていただきます。 基盤の開発進捗とご自身の希望・適性を見ながら、半年〜1年を目安に以下のステップでシームレスにマネジメント領域を拡張していただきます。 ・コアコンポーネントの設計・実装、および技術的リーダーシップの発揮 ・PdMや各プロダクトチームとの仕様折衝、ロードマップの共同策定 ・メンバー(5〜10名規模)の目標設定・評価・1on1、およびエンジニア採用の主導 ※「コードから完全に離れるピープルマネジメント専任」ではなく、「技術がわかる強いEM(プレイングマネージャー)」としての活躍を期待しています。 【職務内容】 ●共通AI/Webアプリケーション基盤の開発リード ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI統合、モデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズ要件(マルチテナント性、強固なデータ分離)を徹底したセキュアなデータパイプラインの構築 ・PoC(仮説検証)から、数万人規模の同時接続に耐えうる本番環境へのスケーリング・パフォーマンスチューニング ●プロジェクト及びピープルマネジメント ・プロダクトマネージャー(PdM)と連携した、全社AI基盤の要求定義と開発マイルストーンの策定 ・開発チーム(5〜10名規模)のスクラムイベントのファシリテーション、タスクアサインと進捗管理 ・メンバーのコードレビュー、技術的メンタリングによるAIエンジニアリング力の底上げ ・将来的な、メンバーの目標設定・評価・キャリア開発支援(1on1)、および新規エンジニアの採用面接 ●部門説明 【所属部署・配属組織】2026年6月現在 アドバンスドテクノロジー部門 約80名※協力会社社員含む └先端技術の研究・開発に取り組む研究開発部門(立ち上げ当初30名から倍以上に成長) └各製品/開発領域で組織が分かれ、それぞれ5~10名規模のグループ(チーム)が存在 【特徴・チームワーク】 ・エンジニアが企画から開発まで一貫して携われる、一部門としてはスタートアップのような運営形態 ・「COMPANY」に蓄積された膨大かつ豊富な種類のデータを活用して新しい価値を創造するやりがい ・チーム内での技術の情報共有が積極的、デイリーミーティングによるサポート体制、アットホームな雰囲気 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

●主に担当する業務内容 画像認識AIのアルゴリズム・モデル開発 調査テーマの提案 アルゴリズム・モデルの調査・評価 アルゴリズム・モデルの改善・軽量化 PoCの実施 プロダクトの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術・開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

【役割】 圧倒的な実装力を活かし、「自社製AI/LLMゲートウェイのスクラッチ開発」や「他社データを絶対に混在させないセキュアなRAG基盤」のコアロジック実装(プレイングの先頭)を担っていただきます。 その後、半年〜1年を目安に以下のステップで「技術への責任範囲」を全社規模へと拡張していただきます。 ・基盤のコアコンポーネントの自らによる実装、および技術的ブレイクスルーの体現 ・全社プロダクトが利用するAI組み込みガイドライン、自動テスト戦略、CI/CDパイプラインの策定 ・部署横断での技術選定、難解なシステムトラブルの最終エスカレーション対応、およびADR(アーキテクチャ決定記録)の主導 ※ピープルマネジメント(評価・労務管理)の責務はありません。「純粋に技術とプロダクトの品質でチームを引っ張るスペシャリスト」としてのキャリアをお約束します。 【職務内容】 ●基盤アーキテクチャの設計・技術選定 ・AI Readyなデータ基盤のアーキテクチャ設計、開発のアーキテクチャ全体のグランドデザイン ・非機能要件(レイテンシー、スケーラビリティ、可用性、強固なマルチテナントセキュリティ)を担保するクラウドインフラ(AWS等)およびバックエンドの設計 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI動的ルーティング、およびコスト・応答速度最適化ロジックの考案 ・中長期的な視点に立った技術的負債の返済計画策定と、CI/CD環境のモダン化 ●コアコンポーネントの実装・品質担保 ・基盤における「最も技術的難易度の高い10%のコード」のハンズオン実装 ・PoC(仮説検証)コードから、数万人規模の同時接続に耐えうる本番クオリティへのリファクタリング主導 ・厳格な自動テスト(Unit, E2E, 負荷テスト等)の設計と仕組み化による「落ちないインフラ」の実現 ・チームメンバーへの高度なコードレビュー、およびペアプログラミング等を通じた技術メンタリング ●技術スタック ・チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

CTO直下のAI Labチームにソフトウェアエンジニアとして所属し、各事業及び経営基盤の業務における生成AI応用のイネーブリングを行います。 仕事の進め方 プロジェクトに携わる前の段階で、CARTAの20ある事業を横断し、生成AIで解くべき課題を探します。以下のようなプロセスで課題を網羅的に探索しています。 ▼基盤整備 ・全社の土台を整え、各事業で自走して生成AIのビジネス成果を開発できるよう、再利用できるインフラ基盤、ツール、ライブラリ、ガードレール、データフロー類を整備し、横断的に提供する ・新技術の探索と研究を通じて、この先使うべき手段を見定める ・社内外に知見を発信し、CARTAとしての開発生産性とプレゼンスを高める ・AI Lab自身の業務エージェント適応度を向上し、モデルケースとして展開する ▼事業適用 CARTAの生成AI推進ステアリングコミッティと連携し、全社として取り組むべき課題を探索し、真に取り組むべきものを自ら選定します。 以下のようなプロセスで取り組みを進めます。 ●ヒアリング・要求分析 優先度の高まった事業のチームへのヒアリングや観察を通じて問題の解像度を高め、真に事業価値として必要なものを見出す ●何をどのように進めるのかを決める ・どのような方法で、課題を解くのが効果的かつ効率的なのかを考え、事業メンバーと共に決定する ・変化の激しいAI進展と事業環境に耐えうる堅牢性・柔軟性を両立する技術選定が求められる ●実装する 高速なフィードバックサイクルを回し、"作らない"手段も含めて解決策を実現する ●継続して改善する プロダクトのバックグラウンドとなる、Web開発技術・生成AI技術関連のツールセットや開発手法について、継続して投資し、良いプラクティスを探索する。CI/CD、LLM-as-a-judge、LLM自体のモニタリング、ソフトウェア自体のオブザーバビリティの向上など、システムを継続して利用する上でのツール及び運用改善に取り組む ●成果を横展開する 成功事例も学びも含めて、得られた知見をもとに伝播・展開・研鑽することまで全て業務範囲です 開発環境・利用しているツール ●バックエンド Python, Go ●フロントエンド TypeScript, React ●生成AI関連ツール ・基盤モデル: OpenAI, Anthropic Claude, Google Gemini (Vertex AI) ・ツール: LangChain, Langfuse ●インフラ Google Cloud, AWS ●プロビジョニングツール Terraform, CDK ●コード管理 GitHub ●コラボレーション Google Meet, Slack

メディア事業の横軸組織であるData Science Center (DSC)に所属しながら、WINTICKETのビジネス課題解決に向けてコミットします。主に、プロダクトマネージャーやマーケティングチームといったビジネスサイドのメンバーと密に連携しながら、データサイエンスを用いた効果検証、施策立案、機能設計など事業成長につながる意思決定を推進する役割を担っています。また、事業やプロジェクトの状況によって、施策実行、機能開発、研究開発、事業全体のデータ利活用環境といったデータに関わる幅広い領域を担当しています。 新規ユーザーの獲得や既存顧客の投票最大化といったプロダクトの主要チームの一員として、データサイエンスの領域を牽引し、事業成長を加速させる主力データサイエンティストの役割を担当していただきます。 具体的な業務例1. 新規ユーザー獲得の効率化と競技理解の促進 WINTICKETは、「競輪を若者の新たなエンタメへ」を掲げ、新規ユーザーの獲得による市場拡大と事業成長を目指しています。ユーザーの獲得効率や新規登録後の利用状況を分析・予測し、効果的な獲得戦略に貢献しています。また、登録意向のあるユーザーの登録率を高めるため、登録導線の状態把握、課題発見、施策立案、A/Bテストの設計・実施を担当し事業改善に取り組んでいます。 他にも、競輪未経験の新規ユーザーがより競輪を楽しむための取り組みとして、的中確率の高いレースを予測し、提示する機能をリリースしました。これによって、的中体験に加えて、競輪が持つチーム戦のような競技性の理解を促進され、継続利用につながりました。この予測結果は、「ABEMA」の競輪・オートレースチャンネルのオリジナル番組「WINTICKET ミッドナイト競輪」内でも活用されています。 https://abema.tv/now-on-air/keirin-auto その後、予測対象の拡張と精度改善をデータチーム主導で実施し、AI予想のアップデート施策につながりました。 https://www.winticket.jp/keirin/column/n4ugtMn1hWayiVERBqWQnC 具体的な業務例2. チェックイン施策のレバー決定支援 2024年にチェックイン機能がリリースされました。チェックイン機能は、チェックインキャンペーン対象のレースが開催されている競輪場に来訪することで利用でき、投票に使えるポイントが付与される機能です。 https://www.winticket.jp/keirin/column/tHMhLp78wN3epXm7Rp6gUE チェックイン機能による来場者目標の達成のためのポイント決定を支援するため、実施計画の検討やアンケート設計を通した来場予測を担当しています。また、効率的な機能運用を実現するため、来場促進によるユーザー行動の変化や位置情報を用いた不正チェックインの判定・抑制にも取り組んでいます。 その他の業務について ・キャンペーン施策やリテンション施策の効果検証と最適化 ・過去の不正利用ユーザーの行動パターンからリスク判定する機能の検討・開発 ・アンケートデータを用いたユーザー観点でのサービス改善 ・各種施策のA/Bテストの設計・実施 ・ダッシュボードやBIツール活用環境の改善検討 ・事業全体のデータ利活用成熟度向上のための取り組み といった様々なプロジェクトがあり、データチームからの提案で始まるプロジェクトも増えつつあります。 現在利用している主な環境、言語・ライブラリ、ツール ・プログラミング言語: Python, R, SQL ・インフラ: Google Cloud Platform (BigQuery、Vertex AIなど), Docker ・開発支援ツール: GitHub, GitHub Copilot, VSCode, Cursor, ChatGPT Enterprise ・BIツール: Tableau 会社概要 1998年の創業以来インターネットを軸に事業を展開し、スマートフォン向けに多数のコミュニティサービスやゲームを提供しているサイバーエージェント。 メディア事業部は2004年にブログを中心とした「Ameba」をリリース。 アバターサービス「アメーバピグ」、「タップル」「CROSS ME」をはじめとするマッチングアプリ、 ビジネスパーソン向けWEBメディア「新R25」や新しい未来のテレビ「ABEMA」を開始するなど、インターネット産業の変化にあわせて様々なメディアサービスを提供しています。 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています!

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

人材プラットフォーム事業部が展開する 複数のモバイルアプリケーションにおいて、Flutterを中心としたモバイル開発をリードし、横断的なモバイル体験の設計と基盤構築 を担っていただきます。 <具体的にお任せしたい業務> ●モバイルアーキテクチャ設計・開発・技術選定 ・Flutterを中心としたモバイルアーキテクチャ設計・開発 ・共有モジュールや開発基盤の設計・整備 ・パフォーマンス・保守性を考慮した技術選定 ●モバイル開発の品質向上 ・アクセシビリティ(a11y)やパフォーマンスを考慮した品質基準の策定 ・CI/CDやテスト戦略の整備 ・デザインシステムのモバイル適用 ●プロダクト価値の最大化 ・PdM・デザイナー・QAと連携した要件定義 ・toC / toB両プロダクトのUX改善 ・ユーザー体験を起点とした技術提案 ●モバイルチームの横断した基盤づくり ・モバイル専任組織の立ち上げ ・技術ナレッジ共有の仕組み化 ・開発プロセスの改善 <現在進行中・予定しているプロジェクト例> ●求職者向けアプリの新規開発 Web中心だった転職体験をモバイルアプリとして再設計。プッシュ通知などモバイル特有の機能を活用し、よりスムーズな転職体験を提供します。 ●横断的なモバイル開発基盤の整備 複数アプリに共通するモジュール化やデザインシステム整備を進め、モバイル開発の生産性と品質を高めます。 ●モバイルデータ基盤の整備 データマネジメントチームと連携し、アプリのイベントログ設計や分析基盤の標準化を進めています。 <使用技術> ・Flutter / React Native ・Ruby on Rails / GraphQL / Protocol Buffers ・React / TypeScript / Next.js ・MySQL / OpenSearch / Redis / BigQuery ・AWS / Terraform / Azure OpenAI ※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

●組織のミッション DXイノベーションセンターは、「循環型 デジタル・エンジニアリング企業」の実現に向け、Serendie戦略を推進しています。グローバルで競争力のある事業DXを実現するため、技術・共創・人材・プロジェクト推進の4つの基盤を構築し、当社のイノベーティブ・カンパニーへの変革を牽引します。プラットフォーム設計開発部は、このうち技術基盤の中核として、共通プラットフォームの開発・運用・展開を担い、DX事業の立ち上げ迅速化とビジネスのスケール拡大に貢献します。 ●業務内容 事業部門と連携しながら、デジタルサービスの創出・高度化を支えるデジタルプラットフォームの開発・運営・展開、およびデジタルサービスの開発に携わっていただきます。加えて、関係者との調整やチーム内でのリードを通じて、プロダクト開発を主体的に推進いただくことを期待しています。 具体的には ・SaaS事業運営基盤、データ分析基盤、WebAPI連携基盤などの技術基盤の開発・運用・展開 ・アジャイル開発のもと、要件整理から設計・実装・運用まで一貫して関与し、関係者を巻き込みながらプロジェクトを主導 ・上記基盤の活用を前提とした各種デジタルサービス開発を、事業部門と連携しながら推進 【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 ●使用言語、環境、ツール、資格等 ・AWS, Azure, Google Cloud ・Snowflake(DB) ・GitHub(バージョン管理),GitHub Copilot(コーディングアシスタント) ・Python,TypeScript,Next.js,Node.js ・Teams (コミュニケーション),Jira (タスク管理),Confluence(ナレッジ共有),Miro(ホワイトボード)

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) 【キャリア実例】24時間監視からのスタート。8年でデータ基盤の要件定義・プリセールスへ ネットワーク機器の24時間365日監視からキャリアをスタートしたメンバーがいます。仮想PC基盤8,000台の運用保守を経て、IaCによる基盤構築、Snowflakeを用いたデータ基盤構築へと領域を広げ、8年目で上流工程へと到達しました。 転機となったのは、運用の枠にとどまらず「リリース管理・構成管理の設計」を自ら取りにいったこと。「手順を設計する」「作業をコード化する」「改善を提案する」——日々の運用の中で発揮した主体性こそが、上流エンジニアへ突き抜けるための確かな土台です。 【スピード昇進】年功序列なし。微経験入社から2年でリーダー、翌期にはマネージャーへ 当社に年功序列の壁はありません。 微経験で中途入社したあるメンバーは、1年目から大手ガバメントクラウド案件(6名体制)の要件定義へ参画。2年目で同チームのリーダーへ昇格し、翌期には組織を率いるマネージャーへの昇格が決定しています。年齢や社歴に関係なく、成果と意欲に応じたスピード感のあるキャリアアップが可能です。 ●職務内容 【上流×マルチクラウド】AWSの「その先」へ。要件定義からマルチクラウドを設計する“希少エンジニア”へ 【上流工程】どこまで深く関われるか ゼロベースでの基本設計 既存システムへの単純な機能追加ではなく、顧客の要件をもとにゼロからアーキテクチャを設計します。 技術選定・アーキテクチャ設計への主体的な参与 「AWSやAzureの採用」といった大枠方針に対し、その内部構成や技術スタックの選定は自ら決定・提案。「なぜその構成なのか」を説得し、形にする裁量があります。 非機能要件の全体設計 セキュリティ・可用性・パフォーマンスをはじめとする、システム全体の堅牢性を担保する非機能要件定義・設計を自ら担います。 技術提案からプリセールスまで 単なる設計担当にとどまらず、顧客との技術ディスカッションやプリセールスまで領域を広げていける環境です。 【先端技術】AIが動く基盤を“設計する側”へ AIエージェントが自律的に動く時代において、最大の課題となるのが「セキュリティ」と「堅牢な基盤」です。 生成AIと連携するアーキテクチャ設計、データレイク/データマートの構築、AI推論環境の整備など、クラウドを単なる「システムの土台」ではなく、ビジネス価値を生み出す仕組みとして自ら設計・構築できます。 ●キャリア伴走体制 【放置されないアサイン体制|希望のキャリアへ進むための「3ステップ伴走システム」】 1. キャリアカウンセリング: 上長が個人のキャリア希望をヒアリングし、必要な準備・スキルを明確化します。 2. 案件開拓・アサイン: 準備完了のタイミングに合わせて、営業チームがご希望のプロジェクトを獲得し、エンジニアに提案をします。 3. 成果還元(昇給): 案件が変わるタイミングで、担える役割とお客様への提供価値が広がります。その成果は、半期ごとの評価(賞与)と、再現性のある成長の評価(給与改定・昇格)に反映されます。 ●働き方･育成環境 【働き方×育成】成果を出す最適な環境で働き、豊富な学習機会で市場価値を高める ● 働き方:成果と貢献を最優先にする柔軟なスタンス リモートワークを併用するプロジェクトがメイン ですが、顧客やプロジェクトの状況に応じて客先でのフル出社となる場合もあります。 私たちは「リモートの割合」にこだわること以上に、プロジェクトや顧客にとって「必要な場所で最大限の成果を出すこと」を大切にできる、プロフェッショナルな姿勢をお持ちの方を求めています。 ● 育成環境:成長の機会は全社で最大限提供(自ら掴む文化) エンジニアの成長を後押しする豊富なサポート体制を全社平等に提供しています。 ●資格取得支援制度 : 270種類以上が対象(AWS関連多数)。前期は221名が利用し、さらに33種を追加指定。 ●豊富な学習コンテンツ : 約460コンテンツを学べる「AMBL PANEL」の利用や、社外研修費の全額会社負担。 ●ビジネススキル研修 : 社内アカデミーにて、マネジメントやクリティカルシンキングなどの講義も整備。 チャンスや環境は最大限に用意しています。その機会を自らの成長へ活かしていく主体性のある方を歓迎します。 ●具体的なプロジェクト例 大手金融・医療からガバメントクラウドまで|要件定義から挑む多彩な実績 1.医療・介護領域|業務改善データ分析基盤の構築 担当フェーズ: 要件定義 〜 保守 チーム体制: 4名(PM + 3名) 主要技術: AWS(EC2, Lambda, Glue, RDS) 2.大手金融|住宅ローンアプリ基盤の構築 担当フェーズ: 要件定義 〜 保守 チーム体制: 7名(PM + メンバー6名/うちインフラ2名) 主要技術: AWS(EC2, EKS, RDS) 3.大手サービス|店舗入退店・売上分析基盤の構築 担当フェーズ: データ蓄積・分析基盤の構築 チーム体制: 20名規模の大規模プロジェクト 特徴: 自社AIプロダクトを活用した高度なデータ基盤構築 4.公共・行政|クラウドリフト&ガバメントクラウド案件 概要: オンプレミス環境(Oracle)からのクラウドリフト(全面移行)、およびガバメントクラウドの要件定義〜基盤構築

●お任せする業務内容 最初はクラウド基盤の構築案件から参画し、徐々にクライアントとの調整やアーキテクチャ設計・企画フェーズへと領域を広げていただきます。 ● 具体的なタスク ①クラウド基盤の構築・運用 AWSを中心とし、要件に応じてAzure・Oracle Cloudを用いたマルチクラウド環境の構築および運用。 ②要件定義・アーキテクチャ設計・技術選定 クライアントとの技術要件の調整、最適な構成提案、インフラアーキテクチャの設計。 ③自動化・DevOps導入支援 Terraformを用いたIaC化、CI/CDパイプラインの構築、Docker/Kubernetesを活用したコンテナ環境の構築・運用。 ④AI基盤・ガバナンス設計(最先端領域) AIエージェントが安全に動作するインフラ基盤の設計(アクセス制御、最小権限設定、ガードレール構築)。 ⑤新技術のリサーチ・検証(R&D) 最新のクラウドサービスやAI関連技術のリサーチ、PoC(概念実証)の実施。 ●成長のステップ 1〜2年目 : 手順書に基づく構築やIaCを活用した自動化からスタートし、実務を通じて知識を深めます。 2〜3年目 : 上流工程(要件定義・アーキテクチャ設計)やAI基盤設計など、価値の高いフェーズへ挑戦していただきます。 ●役割とプロジェクト推進体制 ①上長・営業・本人が一体となる「連動型キャリア設計」 「どんな案件に参画すれば、目指すスキルに届くのか」——当社では、上長と営業がチームとなってエンジニアのキャリアをバックアップします。 ・成長ギャップの言語化 : 上長が定期的にキャリア希望をヒアリングし、目標とのギャップを具体的に提示。 ・戦略的ローテーション: 「同じ案件に留まるよりも、案件が変わるタイミングで担える役割が大きく広がる」という構造を踏まえ、成長フェーズに合わせた案件を営業が戦略的に狙い撃ちで獲得します。(年功序列は一切ありません) ②現場で孤立させない「チーム参画 & 事業部全体で約190名のエンジニア組織」 大手エンタープライズ企業の現場であっても、1人で放り出すようなアサインは行いません。 複数名チーム体制: 自社メンバーが複数名で参画する体制を徹底しています。 強固な社内ナレッジ: データ・AI・クラウドの領域のエンジニアが約190名の所属する組織。案件内で詰まった技術課題も、社内チャット等でいつでも相談・解決できる環境が整っています。 ●働く環境と成長支援体制 ① 働き方のスタンス(リモート併用 & 成果主義) リモートワーク併用のプロジェクトが中心ですが、参画先やフェーズによっては客先へのフル出社となる場合もあります。単に「リモート率」を重視する働き方ではなく、「プロジェクトの成功や成果に向けて、最適な場所で柔軟にパフォーマンスを発揮する」という姿勢を重視しています。 ② 成長機会は最大限・平等「育成環境&スキルアップ支援」 エンジニアとしての市場価値を高めるための学習機会を、全社をあげてバックアップしています。 ・資格取得支援制度:対象資格は270種類以上(AWS関連含む)。前期だけで221名が制度を活用してスキルアップを実現しています。 ・豊富な学習コンテンツ:自社eラーニング「AMBL PANEL」(約460コンテンツ)の展開や、社外研修費用の会社全額負担。 ・ビジネススキル研修(社内アカデミー):技術だけでなく、将来のリーダーシップを見据えたマネジメントやクリティカルシンキング講習も整備しています。 ※機会は全員へ最大限かつ平等に用意しています。自ら手を挙げてチャンスを掴み取る方の挑戦を全力で応援します。 ●具体的なプロジェクト例 参画プロジェクト例:AI×データ基盤からミッションクリティカル案件まで 【1】医療・介護業界向け 業務改善データ分析基盤構築 担当フェーズ: 要件定義 〜 構築・保守 チーム体制: PM + メンバー3名 使用技術: AWS(EC2, Lambda, AWS Glue, Amazon RDS) 【2】大手金融機関向け 住宅ローンアプリ基盤構築 担当フェーズ: 要件定義 〜 構築・保守 チーム体制: PM + 6名(インフラ担当2名) 使用技術: AWS(EC2, Amazon RDS) 【3】大手サービス業向け 店舗入退店・売上分析基盤構築(AI×クラウド) 内容・特徴: 自社AIプロダクトを活用し、監視カメラ画像から来場者数・顧客属性を取得・解析するデータ蓄積・分析基盤を構築 チーム体制: PM + 20名規模(大型プロジェクト) 【4】エンタープライズ・行政向け クラウドリフト & ガバメントクラウド推進 内容・特徴: オンプレミス環境(Oracle等)からのAWSクラウドリフト案件、および大手ガバメントクラウド案件における設計・構築

●プロダクト概要 本プロダクトは、サイバーエージェントのインターネット広告事業を支える営業支援プラットフォームです。CRM・SFAの概念を取り入れ、広告実績・配信データのリアルタイム可視化と案件管理を一元化した社内システムとして構築しています。 社内の開発者・依頼者・利用者が一体となってプロダクトを育てられる環境で、国内取扱高No.1のインターネット広告事業をシステムの側面から直接支えるポジションです。 ●業務内容 サイバーエージェントのインターネット広告事業を支える営業支援プラットフォームの開発を担当していただきます。 広告実績・配信データの可視化や案件管理を一元化する社内システムにおいて、Python(FastAPI)を用いたバックエンド開発を中心に、要件整理から設計、実装、運用改善まで一気通貫で携わっていただきます。 また、SnowflakeやAWSなどを活用しながら、大規模な広告事業を支えるデータ連携・システム基盤の整備や、新規機能開発、既存機能の改善にも取り組んでいただきます。 ●開発環境 ・言語:Python(Fastapi) ・FW : Next.js ・データ基盤:Snowflake ・インフラ : AWS, GitHub Actions, Datadog ・その他 : Claude Code

【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

【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

【お任せする業務内容】 自律移動作業ロボット(自動搬送ロボット、自動操船支援システム、自動芝刈機)に関わる ●UIアプリ開発、フロント/バックエンド研究開発 ●クラウドプラットフォーム開発、研究用開発環境構築 をお任せします。 【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 ●知能化機能開発 ●クラウド・サーバーシステム・アプリの要求仕様検討、アーキテクチャ設計、環境構築、テスト ●自律移動作業ロボットから収集したデータの分析 ●IoT技術を活用したサービスのコンセプト立案 をお任せします。 <システム・サービス例> ・自律移動作業ロボットの経路生成、行動計画 ・自律移動作業ロボットオペレーション用UI、アプリ ・自律移動作業ロボットの地図更新バックエンドシステム ・製品の位置情報を用いた監視サービス 等 IoTサービスシステムのソフトウェア開発やハード製品・アプリとの組み合わせテスト等を開発チームのメンバーとして担当いただきます。 仕様検討時はお客様の要望要求獲得のため、現地調査や海外拠点含む事業部門との整合業務、実装段階時は外部ベンダー様とのやりとり、テスト・実証実験では実機チームと連携しながら専用テストサイトやお客様現場でのテスト実施、などがあります。 ※国内外の出張が発生いたします。 将来的に海外駐在の可能性がございます。 ※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】 ※担当業務によって異なります。 ・C、C++、Python、React、AWS(EC2/S3/Kinesis/IoT Core/Lambda/Fargateなど)、Docker、Figma ・GitHub/JIRA/Confluenceなどのソフトウェア構成管理、プロジェクト管理・情報共有ツール

モビリティ価値を最大化するSDVの世界観を早期実現するため、以下の業務を関連部門や協力会社と連携して担当いただきます 。 ●車両データ収集基盤およびデータ利活用アプリケーションの開発基盤設計 ●単一機能に留まらず、車両1台やクラウドとの連携を見据えた最適なデータアーキテクチャの策定 ●車両から取得したデータを価値へ変換するためのECU内およびシステム横断的なデータ構造設計 ●OSSやコンソーシアムへの仕様提案・コントリビューション 【開発ツール】 ・プロジェクト管理: GitHub Issue ・開発言語: C++, Python ・自動試験フレームワーク: Robot Framework, Google Test, GitHub Actions ・静的解析ツール: (BlackDuck, Coverity, C++test, QAC) ・各種AIフレームワーク

モビリティ価値を最大化するSDVの世界観を早期実現するため、以下の業務を関連部門や協力会社と連携して担当いただきます 。 ●車両データ収集基盤およびデータ利活用アプリケーションの開発基盤設計 ●単一機能に留まらず、車両1台やクラウドとの連携を見据えた最適なデータアーキテクチャの策定 ●車両から取得したデータを価値へ変換するためのECU内およびシステム横断的なデータ構造設計 ●OSSやコンソーシアムへの仕様提案・コントリビューション 【開発ツール】 ・プロジェクト管理: GitHub Issue ・開発言語: C++, Python ・自動試験フレームワーク: Robot Framework, Google Test, GitHub Actions ・静的解析ツール: (BlackDuck, Coverity, C++test, QAC) ・各種AIフレームワーク

【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

サービスリリースから数年が経ちデータもある程度蓄積されてきて、改めてデータ活用を強化するためにデータマネジメントできるメンバーを募集しています。 横軸でデータ活用をする組織に所属して、ナレッジの蓄積や共有をしながら事業内に入りデータ活用支援を行っていただきます。 具体的には、データ基盤の既存のアーキテクチャーやシステムの改善、データを正しく扱いサービスの状態を把握できるための環境を構築していただきます。 ●Dataformを中心としたデータパイプライン / CICD の整備 ●データ品質モニタリング、アラート、コスト最適化の実装 ●BIツールによるレポート・ダッシュボードの運用統制 ●属人性を排除した行動ログ設計、データ仕様整備の仕組み化 ●上記に限らない、事業全体のデータ活用における課題発見と解決 なぜデータマネジメントなのか? データは「作って終わり」ではなく、長く・広く使われ続ける資産です。 WINTICKETではユーザーのアプリ内行動、売上、広告、キャンペーンなど多様なデータが日々生まれています。 これらのデータを分析・活用するためには、利用者が迷わず使えるデータ分析基盤の継続的な改善が必要不可欠です。データマネジメントは単なるETL開発ではなく、プロダクトと組織全体の意思決定インフラを育てていく重要な役割です。 また、現在見えている具体的な課題としては以下のようなものがあります。 ・品質の高い行動ログデータの設計・管理 ・生成AI活用を前提としたデータマート開発やメタデータ拡充ルールの策定 ・新規事業のデータモデリングに必要なドメイン知識とリソース不足 上記の課題以外にも様々な課題がありますが、将来に遭遇しうるデータに纏わる課題を先回りして見つけ出し、一緒に解決できるメンバーを求めています。 このプロジェクトで経験できること ・GCPを使ったデータ基盤の整備 ・データアーキテクチャの設計・実装 ・ETL開発、BI/レポーティング環境の整理 主な利用技術 新規に開発する際には技術選定からリードしていただくことを期待していますが、現状多く使われている技術をご紹介します。 ・言語:SQL, Python, JavaScript ・インフラ:Google Cloud, Terraform ・CICD:GitHub Actions ・モニタリング:Grafana, Dataplex ・ツール:GitHub, Slack, Notion ・DWH: BigQuery ・レポート:Tableau , Google Sheets ・AI:Cursor, Claude Code 会社概要 1998年の創業以来インターネットを軸に事業を展開し、スマートフォン向けに多数のコミュニティサービスやゲームを提供しているサイバーエージェント。 メディア事業部は2004年にブログを中心とした「Ameba」をリリース。 アバターサービス「アメーバピグ」、「タップル」「CROSS ME」をはじめとするマッチングアプリ、 ビジネスパーソン向けWEBメディア「新R25」や新しい未来のテレビ「ABEMA」を開始するなど、インターネット産業の変化にあわせて様々なメディアサービスを提供しています。 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています! WINTICKETについて ●WINTICKETにおけるAI-Readyなデータ分析基盤の構築 https://developers.cyberagent.co.jp/blog/archives/59626/ ●WINTICKET_佐野代表取締役インタビュー https://www.cyberagent.co.jp/way/list/detail/id=29734 ●競輪の視聴体験を変えたWINLIVEの技術 https://www.cyberagent.co.jp/way/list/detail/id=30240

【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