機械学習・データ活用 GitHubのITエンジニア求人・転職情報

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。

●組織の役割 ・「S.RIDE(株)」は、ソニーと大手タクシー会社が共同設立した事業会社(JV)で、ソニーが有する人工知能(AI)技術、イメージング/センシング技術を活用し、タクシーの配車サービス(S.RIDE)や決済代行サービス、後部座席広告サービス(GROWTH)などを行っています。 通常のアプリサービスに留まらず、車というIoTデバイスと連携した実社会に直接インパクトを及ぼす顧客体験を提供していきます。 <S.RIDEについて>　https://www.sride.jp/jp/ ※本組織のメンバーは、ソニーグループ(株)雇用で「S.RIDE(株)」への出向となります。 (本籍はソニーグループ(株)) ●担当予定の業務内容 S.RIDEを次のステージへ成長させるバックエンドシステムエンジニアとして、サービスを支えるバックエンドシステムの開発・運用を担当頂きます。 今後予定している様々な高付加価値サービスなどのメジャーアップデート開発、KPI・ログデータを基に日々企画・デザインと一緒に改善していくサービスグロースハック、AIを活用した機能実現をサーバーシステム開発から主導して頂きます。 ●開発環境 ・開発言語: Python, Java ・フレームワーク: Django, Spting Boot ・インフラ: AWS, GCP ・その他: GitHub, Slack, Teams ●想定ポジション チームリーダーまたは開発メンバーとしてバックエンドシステムの開発・運用を担当 ※本求人はジェネラル・エンプロイメント・コントラクト社員での採用となるため 将来的に別の職務領域や技術領域に異動の可能性がございます。 合わせて、全国の支社、工場、営業所への転勤可能性がございます。

ご経験に応じて、「排出量算定」、「サービス開発」を担当いただきます。 1.排出量算定領域 ・会計データや企業情報を用いて自動算定されたCO2排出量算定結果の整合性確認 (算定システムやExcel等を使ったデータ集計・整理・補正作業) ・顧客業界特有の経理業務の調査、及びシステム設定への反映作業 ・業務改善施策の立案、運用見直し、マニュアル整備、ナレッジ管理 2.サービス開発領域 ・CO2排出量(Scope1,2,3)の算定プロセス設計・改善、会計データを用いた算定ロジックの標準化・AI等を活用した自動化の推進。 ・第三者保証(ISO14064-3等)に対応できる品質管理、顧客・地域金融機関・パートナー企業が求めるシステム機能に関する要件整理 (外部サービスとの連携機能、追加開発機能、運用改善等) いずれの役割でも、営業・事業開発メンバーからのフィードバックを踏まえたサービス仕様、運用プロセス設計に関与いただく事になります。ビジネスとITの両面において、自ら課題を発見し、改善サイクルを回せる方が活躍しやすいポジションです。 ◎開発環境/商材の説明 システム開発においては、主に以下のような技術を利用しています。 ・開発環境:AWS、Azure、GCP、等 ・開発言語:Java、Python、JavaScript、C#、等 ・開発標準:SE+(当社開発標準)、プロジェクトの特性に合わせてウォーターフォール/アジャイルを使い分け ・データベース: MySQL Oracle SQLServer　等 ・CI/CD: Jenkins CircleCI　等 ・バージョン管理: GitHub GitLab Subversion　等 ●役割・ポジション メンバー、リーダー ●研修 まずはOJTとして経験者と共にプロジェクトに参画頂くことを想定しています。OJTでの実体験を通じて、対象業務や当社におけるプロジェクトの進め方について学んでいただきます。 環境省ガイドラインに基づくCO2排出量算定業務の知識、財務諸表の基本的な読解力、会計仕訳・経理業務知識(簿記2級程度)、Webシステム管理機能の基本操作などを習得いただきます。 教育プログラムや資格取得支援制度も充実しており、業務を通じたスキルアップが可能です。 中途入社の人材は例年継続的に採用しているため、現場プロジェクトでの受け入れ体制も万全です。

製造業×生成AIの新規プロダクト開発・PoC検証のど真ん中で手を動かすポジションです。 主な業務: ・顧客課題のヒアリング → 要件定義 → 技術調査 → プロトタイプ実装 → 検証 → レポーティングを一貫して担当 ・RAGシステムの設計・構築(ドキュメント検索、ナレッジベース活用など) ・LLMを組み込んだプロダクトの開発・改善(APIインテグレーション、プロンプト設計含む) ・製造業向けユースケースの探索・仮説検証・PoC推進

【募集背景】 近年、WEBアプリ開発や基幹システムの更新などの従来のニーズに加えて、AI技術を活用したソリューションの需要が高まっています。現在、弊社開発部署ではそうした引き合いを多数いただいており、その需要に応えるべくPythonエンジニアの採用を強化しています。Pythonの技術を活かしてクライアントに貢献したいというご志向を持った仲間を求めています。 【職務内容】 WEBアプリケーションの開発および生成AI関連技術の導入・運用などを中心に担当していただきます。 将来的にはより上流のアーキテクチャや技術選定、顧客折衝などにまで広く携われるポジションです。 【業務内容】 ・Pythonを用いたWEBアプリケーションやAPIの設計・開発・保守運用 ・AI/機械学習を活用したプロジェクト推進 ・新技術の調査・技術検証(PoC) など ▼部門のミッション 2030年に向けて300名程のエンジニア組織をつくり、クライアントに対してより信頼される価値を発揮していきたいと考えています。 そのためには、一人一人のエンジニアがフルスタックの技術を持つことに加え、専門性を磨き、お互いの強みを引き出し合えるチームが理想となります。 このような理想の組織の土台として重要となるのが、お互いが学び合う成長環境です。 社内のエンジニアによる自主的な勉強会開催や、グループ会社同士で情報を共有したり、社外活動をしたりするなど、最新の知識を習得することに貪欲で、前向きなカルチャーがあります。 また、実際の経験から学ぶことも重視しており、声を挙げた方が別プロジェクトに挑戦するような経験を積む機会も応援しています。 今後はこういった成長環境をさらに進化させていくと同時に、その前提となる事業成長も一層加速していくことになります。 幅広い課題に一緒に向き合う、強い意志を持った事業づくりのリーダーからのご応募をお待ちしております。 ▼入社後のキャリアイメージ 入社後は、これまでのPython開発経験を活かして、Djangoなどのフレームワークを用いたクラウドネイティブなWEBサービスの設計・開発に取り組んでいただきます。 また、LLM(大規模言語モデル)やRAG(Retrieval-Augmented Generation)などの生成AI技術を活用したプロジェクトに参画頂く予定です。 さらに、これまでのご経験やご志向に応じて、以下のようなプロジェクトへの挑戦の機会もあります。 ・AWS/Azure/GCPなどのクラウド基盤を活用した開発プロジェクト ・社内外向けのPoC(技術検証)やプロダクトにおける生成AIの導入 ・API設計・データ基盤・インフラ構成などのバックエンド全般の技術選定 将来的には、ご希望と適性に応じて以下のようなキャリアにも進むことができます ・テックリードとして、アーキテクチャ設計や技術選定のリード ・プロジェクトや開発チーム全体を見渡し、技術と人の両面から成長を支えるマネジメント ▼求める役割 ・Pythonを中心とした開発のリード ・生成AIのプロダクト活用における技術的なリーダーシップの発揮 ・チーム内の技術的な意思決定やナレッジ共有の推進

AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ●AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ●AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ●AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ●AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する 期待する役割 グループ責任者やチーム責任者と共に業務効率化と顧客体験向上のプロジェクト企画や推進を担っていただきます。チームを牽引するリーダーとしてご活躍いただくことを期待しています。 ●AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ●部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ●チームで成果を出す: チームメンバーのフォローと育成。 ●投資対効果の高い施策の見極め: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、投資対効果の高い施策を見極めて、施策優先度を適切に判断 ●バランスを考慮した推進: AIを安全かつ最大限に活用するための社内ルール整備、リテラシー向上や活用促進のための社員教育の推進 技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API

●業務内容 AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ▽AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ▽AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する ●期待する役割 グループ責任者やチーム責任者のサポートのもと、AI技術導入の企画立案・AI開発運用からAIガバナンスまで、チームの中心メンバーとしてAIドリブンな事業基盤の構築に一緒に挑戦していただける方を募集しています。 ▽AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ▽部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ▽AIリスク管理の実施: AI導入時のリスクを認識し、リーダーやチームメンバーとともにリスク管理策の策定と運営に貢献する。 ▽データ分析に基づく実行と評価: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、貢献度の高い施策を探求する。 ▽技術向上とナレッジシェア: 最新のAI技術について継続的に学び、チーム内での知識共有を行い、組織全体の技術力向上に寄与する。 ●技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API ●オンボーディングおよび育成計画 下記を想定しながら適宜チームでフォローします。 ▽1年目: ・ゴール:AIプロジェクトでのスキル向上 ・内容:プロジェクト参加(サポートを得ながら推進) ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価 ▽2年目以降: ・ゴール:プロジェクトリーダーへの成長 ・内容:リード役経験、戦略会議参加 ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価

デジタルグリッドでは電力取引プラットフォームのバックエンド開発をお願いできるソフトウェアエンジニアを募集しています。 例として以下のようなサービス機能の企画・開発・運用に携わっていただきます。 ■役割 ・電力の需要家と発電家をマッチングさせ、需要家が必要な電力量を売買する市場の取引ロジックを開発します。 ・機械学習エンジニアと連携しながら需要量・発電量を予測するサービスを提供します。MLOps 環境の整備や運用を行います。 ・顧客の各種契約を管理や、顧客が調達した電力量・使用した電力量等に基づいた請求を行います。社内メンバーの運用を効率化し、少ないメンバーでスケールする運用を支える社内ツールの開発も行います。 ■具体的な業務内容 基本的には以下の業務をお願いします。 ・要件定義 ・モデリング ・設計 ・実装 ・コードレビュー ・障害対応 ・ドキュメントの記載と更新 また必要に応じてスクラッチでの新規システム開発が発生します。 2025年7月時点での主要技術スタックと使用しているツールは以下の通りです。 ・Python(FastAPI) ・JavaScript(TypeScript, React) ・PostgreSQL ・AWS ・GitHub ・Slack ・Notion スタートアップやメガベンチャーでウェブアプリケーションの開発を行っていた方はフィットすると思います。 ドメイン知識が固有で広く深く、既存の他社のシステムとの連携もあるため、設計自体も非常にチャレンジングで面白いです。 ぜひ一緒にあーでもないこーでもないと悩みながらスケーラブルなシステムを作っていきましょう! どの職種に応募してよいか不明な場合、事業やポジションについてより詳細に知りたい場合はカジュアル面談を実施しております。 お気軽にご連絡ください。 -2025年4月東証グロース市場へ新規上場いたしました!- 「電力を生む発電家」と「電力を買う需要家」が直接売買できるシステムを備えたプラットフォームを提供しています。 未来の子どもたちがエネルギーの制約にとらわれずに過ごせるように。 電力取引に参入しやすいプラットフォーム=市場を整えることで、人と地球に優しい「再エネ」をスタンダードにすることを目指します。 *ーデジタルグリッドはこんな会社ですー* ●経済情報番組「PIVOT」に出演しました https://www.youtube.com/watch?v=y1z0B97e1j4 ●デジタルグリッド社長の一日に密着～セミナーの裏側を大公開～ https://youtu.be/Ix4fZF_lSHs?si=MlSz4deEvLE2SCgX ●【蓄電所を初公開】いま注目の系統用蓄電池ーデジタルグリッドが蓄電所をつくる理由とはー https://youtu.be/zRDlmHxB0XQ?si=jiu2E7GEtvfYyiYE ●"売るだけじゃない” 営業の仕事と成長の裏側 https://youtu.be/M0NM3kp0Ec0?si=iH-8PSof4TuBJpZV

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。

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

エンタープライズ企業(主に東証プライム上場企業)のDX・業務改革を支援する直請けSIerとして、顧客の「0次DX」を実現するためのプロジェクトマネジメントを担っていただきます。 単なるシステム構築や基盤整備に留まらず、顧客の隣でビジネス要求を言語化し、データ活用や最新技術を用いて「顧客のビジネスをどう変えるか」まで踏み込んだ企画・リードがミッションです。 【業務詳細】 ●戦略立案・要件定義:顧客の業務課題を深く理解し、ビジネス判断の根拠となる「データの使いどころ」の整理や、開発を考慮したプロジェクト設計(現状調査、ロードマップ策定など)を行います。 ●全体設計・進行管理:データ収集から分析・活用までを横断した全体設計、およびアジャイル(スクラム)を用いた柔軟なプロジェクト推進・品質管理を担当します。 ●ステークホルダー調整(橋渡し):ビジネス部門・IT部門・エンジニア間の「翻訳」を行い、顧客と対等なパートナーとして意思決定に関与します。 ●チームビルディング・組織成長:自社のエンジニアや専門チーム(インフラ、AI、データエンジニア等)を統率し、組織の成長に向けたチームビルディングや若手育成を行います。 ●新規案件獲得サポート:営業と連携し、見積もり検討や客先訪問を通じて新規案件獲得や案件拡大のサポートを行います 。 【技術スタック・使用ツール】 クラウド: AWS / Azure / GCP など バックエンド: Java (Spring Framework), Go, Python, PHP (Laravel) 手法・ツール: アジャイル/スクラム, Git, Jira, Slack, 生成AIツール (ChatGPT, Claude等)

●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

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 1.マッチング体験の向上 ●マッチング機能の技術リード ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする ●マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する ●ML基盤近接領域の機能実装・改善 Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする ●LLMを活用した自律的な改善ループの設計・推進 LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する 2.プラットフォームの信頼性・安全性向上 ●AI機能の安全性設計・実装のリード LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする ●運用を踏まえたリスク制御の設計 AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ●リスク予測・異常検知モデルの開発リード 構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする ●データセット設計・品質改善の主導 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する 3.共通基盤を活用した実装・改善 ●LLMOps/評価基盤の活用と改善提案のリード 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する ●品質・コスト・レイテンシーの継続的な可視化と最適化 モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す ●重要テーマの推進 マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う 入社後の期待イメージ 入社後3ヶ月 :担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 入社後6ヶ月 :マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 入社後12ヶ月 :マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 【技術スタック(主要な部分の抜粋)】 ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

●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

タイミーのプロダクト組織におけるプロダクトマネジメントチームの運営を担い、その有効性と効率性を最大限に高めることがミッションになります。具体的には、プロダクト戦略をプロダクト開発の現場に浸透させ、実行される体制を構築・推進をお任せします。 プロダクトマネージャーチームの育成やコーチング、部門横断での連携強化、そしてプロダクトマネジメントプロセスの最適化を通じて、プロダクト組織全体の生産性とアウトカムの向上に責任を持っていただきます。また、プロダクト開発の運用プロセスを最適化し、プロダクトマネージャーが戦略的な価値創造に集中できる環境を整えることで、プロダクト組織の生産性向上と事業目標達成に貢献していただきます。 具体的な業務内容 ●プロダクト組織の強化と人材育成 ・プロダクトマネージャーなど、プロダクト関連職種の採用、オンボーディング、育成の支援 ・プロダクトゴールと主要KPIの策定をサポートし、トラッキングを通じて適切なコーチングの実施 ・プロダクト戦略とその意図をメンバーやステークホルダーに伝達し、円滑なコミュニケーションと目標設定の実現 ●データドリブンな意思決定の支援 ・プロダクトの主要KPIの仕組み構築、データ分析(トレンドや変動要因の特定)、プロダクトパフォーマンスに関する明確なレポートの作成、関係者への報告 ・プロダクトチームの目標(OKRなど)や成果の進捗を効率的に可視化する仕組みを設計・実装、リソース配分や計画策定に役立つレポートの作成 ・プロダクト分析プラットフォームを整備・運用に責任を持ち、組織全体のデータに基づいた意思決定の促進 ●プロダクトマネジメントプロセスの設計・運用と最適化 ・意思決定の質を向上を目的としたプロダクト戦略の展開やロードマップレビューなど、重要な会議体の設計・運営 ・プロダクトチーム横断で必要な戦略実行のプロセスを標準化、必要なツール群を整備・最適化 ・円滑な連携の実現のためのプロダクト、エンジニアリング、デザインなど多様なチーム間のコミュニケーションハブとして機能 技術スタック(主要な部分の抜粋) ●Backend ・言語: Ruby 3.4系 ・アーキテクチャ: Ruby on Rails 8.0系、RSpec ●Frontend ・開発言語: TypeScript ・アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) ・開発言語: Swift ●Mobile(Android) ・開発言語: Kotlin ●Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) ・Google Cloud(一部サービス) ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 ●Monitoring ・Datadog, Sentry ●CI/CD ・GitHub Actions, Dependabot ●その他 ・コード管理: GitHub ・コミュニケーションツール: Slack, Notion ・その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… ・AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。

世界トップクラスの半導体製造・検査製品から得られるデータと技術を活用し、半導体製造の高度化・効率化を支えるデジタルソリューション開発をご担当いただきます。 本ポジションでは、開発業務にも関わりながら、チームマネジメントおよびプロジェクト推進を担っていただきます。 <具体的な業務内容> ・半導体装置データを活用したソリューション開発(設計・開発・評価) ・プロジェクトの進捗管理、課題管理、関係部門との調整 ・チームメンバーの育成、レビュー、業務支援 ・顧客課題の理解とソリューションへの落とし込み ・国内外顧客先や協創施設での評価・検証支援 ※役割・責任範囲はご経験に応じて段階的にお任せします。 ●ポジションの位置づけ 本ポジションは、開発に携わりながらチームをマネジメントし、プロジェクトを推進していただく課長候補ポジションです。 技術と事業の両面から意思決定に関わり、組織やプロジェクトに影響を与えていくことが期待されます。 開発方針や進め方についても主体的に意思決定いただけます。 入社後は、業務状況やご志向を踏まえ、役割や期待値を丁寧にすり合わせながら進めていきます。 チーム規模やプロジェクト範囲についても、ご経験に応じて無理のない範囲から段階的に広げていきます。 ●開発環境 ・言語:Python、Java、JavaScript、SQL、HTML、CSS ・OS:Linux、Windows ・ツール:GitHub、Docker

世界トップクラスの半導体製造・検査装置から得られるデータと技術を活用し、半導体製造の高度化・効率化を支えるデジタルソリューション開発をご担当いただきます。 当社の半導体製造・検査装置から得られるデータを活用し、これまでのご経験を活かしながら、チームの一員として設計・開発を担っていただくポジションです。 <具体的な業務内容> ・半導体装置データを活用したソリューションシステムの設計・開発・評価 ・データ管理・解析システム(DB、アプリケーション)の開発 ・チーム内での設計・実装・レビューへの参画 ・顧客課題に対するソリューションの理解および機能への落とし込み ・国内外顧客先や協創施設での評価・検証支援 ※将来的には、プロジェクト内でのリードや後輩育成にも関わっていただくことを期待しています。 ※役割はご経験や志向に応じて段階的に広げていただきます。 ●ポジションの位置づけ 本ポジションは、担当者として開発を担いながら、将来的に主任・リーダーとしてチームを支える役割を担っていただくことを期待する人材の採用です。 リーダー経験がない方でも、開発業務を通じて段階的に役割を広げていけるポジションです。小規模なタスクやチーム単位でのリード役を担いながら、経験を積んでいただきます。 技術力を活かしながらチームに影響を与えていくポジションであり、必ずしも早期にマネジメントを担う必要はありません。 入社後は、業務を通じて役割をすり合わせながらキャリアを形成していきます。 ●開発環境 ・言語:Python、Java、JavaScript、SQL、HTML、CSS ・OS:Linux、Windows ・ツール:GitHub、Docker

提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」にて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発プロジェクトを、"プロジェクトリーダー(PL)候補"として、まずは開発工程から参画いただきます。 PMの元でメンバーの業務をリードするだけでなく、実装で技術を磨きつつ、段階的に設計などの上流工程へも参画いただけます。 はじめは開発経験を活かしながら、設計・実装フェーズでプロジェクトをリード。 将来的に、技術とビジネスの両面を理解した"PM"や"ITコンサル"として成長できるポジションです。 ●具体的な業務 ・生成AI/LLMを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計・開発・運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ・チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築・運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。 また、全社に「ニックネーム制度」を導入。年齢や役職関係なくコミュニケーションが活発な環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています!

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

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

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【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: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry 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

業務内容 完成車メーカーの開発部門にて、以下の業務を担当いただきます。 ●ECUソフト開発業務の自動化 ・ECUソフト開発業務の効率化・自動化 → ビルド、テスト、リリース工程の自動化 ・GitHubのコード管理の即時実行とClaude連携による解析効率化 → 差分解析、影響範囲推定、レビュー支援 ・GitHub IssueのAI活用まとめとJIRA起票の自動化 → 課題管理の自動化、トレーサビリティ強化 ●開発効率化・CAE代替化 ・開発効率化に向けた自動化・AI導入 ・データ管理(構造化、モデル設計、収集基盤構築) **CAE代替化技術(Surrogate/Meta-model)**の構築・運用 → 衝突・流体などの大規模シミュレーションを高速化する3Dサロゲートモデルの設計・評価 ●シミュレーション最適化 × LLM/生成AI ・シミュレーションによる最適化とLLM/生成AIを組み合わせたエージェント技術構築・運用展開 → Copilot Studio連携によるパラメータ探索、感度解析、レポート自動生成 ・モデル入出力仕様の標準化、プロンプト設計、ワークフロー自動化(CI/CD連携) ●データプラットフォーム運用 ・Amannectシステムの運用業務 → データ管理、運用ルール整備、問い合わせ対応

概要 本ポジションは親会社である大手通信会社やグループ会社内のDX推進やAIを用いたプロジェクトに対し、プロジェクトの遂行に留まらず、データを活用した事業変革パートナーとして戦略的な視点をもって、プロジェクトのQCDを守り、KDDIグループのシナジーの最大化/DX推進の横展開を目指していくポジションです。 さらにPjMの役割は、ビジネス価値提供のみならず、社内外のステークホルダーと連携し、プロジェクトメンバーのエンゲージメントを高く維持しながら、チーム一丸となってデータドリブンな変革を牽引することにあります。テクノロジーとビジネスを繋ぐ架け橋となり、クライアントと共に未来を創り上げるリーダーシップが求められます。 私たちは、データとAIの力を最大限に活用し、意思決定を進化させ、社会全体にインパクトをもたらすプロジェクトを共に推進する仲間を求めています。データがもたらす新たな可能性を解き放ち、企業と社会の未来を創造する挑戦に、あなたも参加しませんか? 【戦略的なデータ活用の推進とクライアントの変革支援】 ・クライアントの事業課題を深く理解し、データとAIを活用した新たなビジネス価値創出の戦略を描く ・組織横断的な視点を持ち、社内外のステークホルダーと協力しながら、単なるデータ活用に留まらず、経営レベルでの変革を支援 ・会社のビジョン / 戦略を踏まえ、Conata™ を活用した 業界標準となるデータドリブンなソリューションの提供をリード 【複雑で大規模なプロジェクトのマネジメントと成功の牽引】 ・複数の大規模 / 複雑なプロジェクトを横断的にマネジメントし、成果の最大化を図る ・プロジェクトの 計画 / 実行 / 監視 / 改善 の各フェーズを主導し、組織の戦略目標に貢献 ・QCD(品質 / コスト / 納期)管理を徹底 し、プロジェクトのリスクマネジメントを推進 ・技術動向や最新のベストプラクティスを取り入れ、プロジェクトの成功確率を向上 【組織全体に影響を与える意思決定とガバナンス強化】 ・会社のミッション / 目標を深く理解し、事業の成長を加速させるデータ活用戦略の策定 / 実行を主導 ・組織内のリソース配分を最適化 し、事業価値を最大化するプロジェクト推進を実現 ・経営層や他の部門と連携し、重要な意思決定に対する戦略的な提言を行う ・組織の標準化、プロジェクト管理手法の確立に貢献し、持続可能な成長を支える基盤を構築 【テクノロジーの進化を取り入れたデータドリブンな変革の実践】 ・生成AI、RAG(Retrieval-Augmented Generation)、需要予測、レコメンドエンジンなどの最新技術を活用 し、企業のデータ活用を進化させる ・クラウド環境(AWS, GCP, Azure)やデータプラットフォームを活用し、最先端のデータエコシステムの導入を推進 ・プロダクトチーム、エンジニアリングチームと連携し、プロジェクトの技術的な成功要因を確立 【チーム / 組織の成長を牽引し、影響力を拡大】 ・社内外のエンジニア、データコンサルタント、プロダクトチームと連携し、プロジェクト成功のための最適なチームを構築 ・チームメンバーのエンゲージメントを高く維持し、組織全体の生産性と品質を向上させるリーダーシップを発揮 ・マネージャー、メンバーの採用 / 育成に貢献し、次世代リーダーの育成を推進 開発環境 開発言語:Java, Python フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI モニタリング:Prometheus ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github クラウド: AWS, GCP, Azure プロジェクトマネジメントツール Jira / Confluence / Google Workspace / Miro / Looker Studio / Slack

ソフトウェアエンジニアは、専門性およびプロジェクトのニーズに合わせて幅広い業務を行っております。以下に一例を示します。 ●Conata の製品群を操作・閲覧する Web フロントエンドおよびそのバックエンド (BFF)について、共通部分・ライブラリの開発および改善、各案件向けカスタマイズのサポート ●上記業務プロダクトのUI/UX設計 ●データ収集 └パートナー・クライアントとのデータの受け渡しをするためのインテグレーションシステムの構築 ●データ処理 └データの ETL/ELT 処理の開発。また安定的に動作させるためのデータ処理パイプラインの構築 └バッチ / ストリーミングベースのシナリオに対応したシステムの開発と運用 ●データ管理 └収集したデータ、処理済みデータを保存・活用するためのデータウェアハウスの設計と構築 └センシティブなデータを安全に処理可能にするためのシステム設計・構築 ●負荷試験、セキュリティー対策 ●データベース設計 ●サービスの安定提供を24時間365日、維持するためのシステム運用 ●開発環境や運用の整備・改善 └インフラ、開発ツールチェイン、社内情報管理ツール開発・最適化。 従事すべき業務の変更の範囲:なし 開発環境 クラウド:AWS 開発言語:Kotlin、Python、TypeScript フレームワーク・ミドルウェア等:React、Next.js、MySQL、Redis、Elasticsearch、Snowflake、Micronaut、gRPC、Apache Pulsar、Amazon S3、Amazon Athena、Dagster、Bazel、Amazon EKS(Kubernetes)、Terraform SaaS:Auth0、Vercel 組織とポジションについて ●配属予定組織 ・Product Architectチーム 大規模商用化に適したプロダクトの基幹設計・開発・保守を担います。 ・Core Technologyチーム エンジニアリングチームを横断し、技術の一貫性・効率・革新を促進します。 ・Technical Planning & Enablement チーム 開発プランニング(プロダクト開発計画の策定)、チーム連携(各チーム間のブリッジ役)、プロダクトのデリバリー支援・活用、プロダクトの品質評価や改善等を担います。 シニアソフトウェアエンジニアは、顧客のデータ活用における課題解決をメインミッションとして、日々拡大しているデータの量・種類に技術をもって対応しながら、安定した価値提供に取り組んでいます。また、運用性・安全性の向上、技術課題の解決や支援を通じてチームの発展と顧客への高付加価値なソリューション提供を実現します。

PoCから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、PoC後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 具体的な業務内容 ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 ・システム開発エンジニアチームの組織拡大に必要な活動全般(部内への定期的な技術発信活動、メンバー育成活動など) 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。 ・開発言語(Python, Rust, Javascript) ・インフラ(AWS, Azure, Google Cloud, 社内GCPサーバ) ・開発ツール(Visual Studio, GitHub) ・その他ツール(Slack, Backlog, Cacoo, Google Meet) 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 ● 業務の変更範囲:なし

● 募集ポジション pocから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、poc後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 <具体的な業務内容> ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 入社時点で機械学習に関する知識が少なくても、入社後にキャッチアップして頂けます。 ●業務の変更範囲:なし ーーーーーーーーーーーーーーーー 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。 ●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。 ・開発言語(python, rust, javascript) ・インフラ(aws, azure, google cloud, 社内gcpサーバ) ・開発ツール(visual studio, github) ・その他ツール(slack, backlog, cacoo, google meet) ●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