社宅・家賃補助制度あり KubernetesのITエンジニア求人・転職情報

株式会社PKSHA Technology

駐車場機器メーカーであるグループ会社のアイテックと共に、PKSHA Technology の高度なアルゴリズムやソフトウェア技術を活用して「AI x IoT x ソフトウエア」による駐車場業界及び MaaS 領域の DX を担っていただきます。 従来、駐車場機器メーカーとしてハードウェアである駐車場機器を運営会社に販売するだけに留まっていたところから、駐車場機器をクラウドにつなげ、ソフトウエア・AIの技術を活用することで、駐車場のアナログ体験の解消、駐車場情報を API 化し外部サービスと連携した新しいサービス体験を創造しています。 プロダクト ● ソフトウエアサービス ・駐車場検索・予約・スマホ精算・車番認識によるハンズフリーな自動精算ができるプラットフォーム及び mobile app『QT-net』 ・駐車場の遠隔管理及び、AI による高度な分析を運営会社に提供する webapp『i-Barms』 ● 駐車場機器 ・車番認識により従来のロック板やチケット管理をなくし、インターネットとつなげ精算機情報を API 化することで外部サービス連携を可能にした精算機『ロックレス』・『チケットレス』 技術スタック ●利用言語 ・Golang ・Flutter ・Next.js ●クラウド ・GCP ・AWS ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・Github Actions ・CodeDeploy ●インフラ ・kubernetes(GKE) ・Terraform ・AWS CDK ●ドキュメント管理 ・Notion ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップいただけると感じていただける方であれば問題ありません

株式会社SUBARU

・内製ソフトウェア開発におけるCI/CDシステムやテスト自動化などによる開発速度向上・品質向上を、部署横断的に働きかけていく推進活動 ・CI/CD・テスト自動化プラットフォームの設計や利用するツール群の選定 ・オンプレミスやクラウドのインフラ上でのCI/CD・テスト自動化プラットフォーム構築 <具体的には> ①内製ソフトウェアを対象とした、CI/CDシステムとテスト自動化を活用した開発速度向上と品質向上を、様々な部署を横断し、開発プロセスを根付かせる推進活動を行う。 ②ソフトウェア構成管理ツール(Git)を活用した、CI/CDシステムの構築。 ※:GitのCI/CDの機能を使った、CI/CDシステムの構築。 ③オンプレミスとクラウドのテスト自動化プラットフォームの構築。 ※:オンプレミスとクラウドの両方を活用した、テスト自動化環境のプラットフォーム設計と構築。 ④CI/CD・テスト自動化プラットフォームで利用するツール群の選定 ※:オープンソースソフトウェアや有償ツールなどのCI/CDやテスト自動化プラットフォームを構築する上で必要なツール群を選定する。 <使用言語/環境/ツール/資格等> ・開発言語:C/C++ ・モデル開発ツール:MATLAB, Simulink ・リポジトリ管理ツール:GitLab , GitHub ・OS:Linux、Windows ・コンテナ:Docker、Kubernetes ・クラウドサービス:AWS ●取り扱っていただくプロダクト/技術 ステレオカメラを中心としたADASシステム(アイサイトと呼ばれる運転支援システム)や車両制御システム。 ADASシステムは、SUBARUの総合安全の内、予防安全を実現するシステムです。自動ブレーキ機能や全車速追従コントロール、自動操舵などといった運転支援機能を実現しています。 車両制御システムは、SUBARUの総合安全の内、走行安全を実現するシステムの1つです。 【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。

株式会社SUBARU

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。

株式会社JSOL

●業務内容 当社顧客である大手金融企業(証券)の基盤チーム(約20名)のリーダー/サブリーダー業務として以下業務をお任せします。 ・証券取引システムをはじめとした業務システムにおける、インフラ基盤領域の設計/構築および保守運用のリーダー/サブリーダー業務 ・ミドルウェアを活用したアプリケーション環境の構築と機能テスト、および本番リリースの円滑推進 ・顧客折衝、仕様調整、進捗管理を通じたプロジェクトマネジメントの遂行 ※技術領域は、インフラ技術(Linux/ミドル中心)が主ですが、アプリ側の挙動理解(MQ/認証/DB接続等)が活きる役割となります。 ●具体的には ・顧客対応 　要件ヒアリング、仕様調整、会議ファシリテーション ・設計・構築 　サーバー(Linux/Windows)、ミドルウェア(WebSphere(WAS)、JP1等)の構成設計 　業務ジョブフロー、デプロイ管理ツール、監視設計と構築 ・プロジェクト管理 　WBS策定・進捗管理、課題管理、品質管理 　スケジュール調整、リスク管理、変更管理 ・チームマネジメント 　3～5名程度のチームリード、作業指示、レビュー 　協力会社との調整、ベンダーコントロール ●管理規模 管理サーバー数:本番環境 4000サーバー、開発環境 3000サーバー 当社では各システムのインフラ領域を支援。(主にRedhat Linux、Windows、 VMware等) ●配属部門 サイバーセキュリティ&インテリジェント・オペレーション事業本部 (変更の範囲)会社の定める業務

Sansan株式会社

●組織ミッション 当社の研究開発部門は、事業部から独立した組織として、事業成長を加速させることをミッションとしています。イノベーション創出のための研究開発から、あらゆる事業へのアプリケーション提供・運用までを手がけます。 ●具体的な業務 研究員と協力しながらプロダクトを開発します。モデル開発以外のほぼすべてを担当します。mlopsやplatform engineeringの領域において、強みに応じて業務を決定します。 ・研究成果を組み込む際の、開発設計リード、実装、ベストプラクティスの共有 ・AWS(Amazon Web Services)やGoogle Cloudなどのクラウド上でのシステム構築、運用、改善 ・研究開発の生産性・運用性を高め、かつコストを抑えた環境の整備(Amazon Elastic Kubernetes Serviceを使用したKubernetesクラスタ「Circuit」やマネージドリソースの構築運用) ・ソフトウエア開発サイクル全体を支援する基盤とツールの設計、開発、運用 ・基盤のセキュリティーと信頼性の向上 ●開発環境、使用するツールなど - 開発言語:go, python, shell script, c#, c++ - データベース:amazon aurora, amazon dynamodb, amazon redshift, opensearch, - bigquery, google cloud sql - 構成管理:kubernetes(kustomize、helm), terraform - ci・cd:github actions, argo cd - マネージドmlサービス:amazon sagemaker, vertex ai - 管理ツール:github, notion - インフラ:aws, kubernetes(eks), google cloud - 運用・監視:datadog, aws cloudwatch logs, google cloud monitoring ●従事すべき業務の変更の範囲 会社の定める業務 ●記載内容に関する注意事項 本求人票に記載の内容は、会社の方針によって変更になる可能性があります。

Sansan株式会社

● 組織のミッション Sansan株式会社では、名刺・請求書・契約書といったアナログ情報をデータ化するとともに、企業情報や事業所などの多様なデータを独自に収集し蓄積しています。それらを掛け合わせたデータベースを形成し、提供しています。本ポジションは、その大規模なビジネスデータに対する分析の力を武器に、プロダクトの成長と開発をけん引する役割です。 ● チームについて 私たちのチームは、データ分析の専門家集団です。ビジネスデータの構造を深く理解し、分析を通じてプロダクトの成長と開発を後押しします。一過性の分析で終わらせず、そこで得た知見をプロダクトの企画・機能へと自ら形にしていきます。 ● 具体的な業務 プロダクト開発組織と密に連携しながら、データに関わる調査・分析・モデリングから、プロダクトの企画・設計・開発までを一貫して担います。分析だけで終わらせず、PM・エンジニア・デザイナーといった関係者と連携しながら、自ら手を動かして開発まで踏み込みます。 ● データの調査・分析・概念設計 ・統計モデリングやアルゴリズムの検証を通じて、データから具体的な打ち手を導く ・ビジネスデータを調査・分析し、プロダクトの成長につながる課題や機会を定量的に明らかにする ・プロダクトや機能の開発に向けた調査・分析を行い、土台となるデータモデル・機能設計まで踏み込む ● データプロダクトの企画・開発 ・調査・分析の結果を、プロトタイプからプロダクト機能まで自ら開発する ・プロダクトの企画から実装までを一貫して担い、開発チームと密に連携する ● 開発環境、使用するツールなど ・開発言語 : Python, R, SQL, Go (※プロダクト開発で利用) ・データベース・DWH : BigQuery ・インフラ : Google Cloud, AWS ・構成管理 : Terraform ・バージョン管理・コラボレーション : GitHub, Slack, Notion ※上記すべての利用経験が必須ではなく、また他のツールも必要に応じて柔軟に利用します。 ● 従事すべき業務の変更の範囲 会社の定める業務

Ｓｋｙ株式会社

※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。

キオクシア株式会社

【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

バレットグループ株式会社

【会社都合のアサイン『一切』なし!断言します!】 あなたの経験やスキル、希望を考慮し、あなたにあったプロジェクトでご活躍いただきます。 ・自社サービスのオンプレ環境からクラウドへ移行 ・通信会社様向けのサーバ/NW設計構築 ・金融会社様向けのDBの設計構築～運用 ・外資系会社様の情シスやテクニカルサポート 【運用だけじゃない!設計・構築フェーズへの挑戦】 ・要件定義・設計・構築フェーズの案件も多数あり ・「運用ばかりでスキル・キャリアに悩んでいる…」そんな心配は不要! 具体的な案件例 ■大手通信会社の電子マネーサービスのインフラ設計 ⇒AWS、Azure、Docker、kubernetes ■自社サービスのオンプレ環境からクラウドへ移行 ⇒AWS、Azure、VMware、Terraform ■通信会社様向けのサーバ/NW設計構築 ⇒Cisco、Juniper、RedHat、CentOS、VMware ■金融会社様向けのDBの設計構築～運用 ⇒Oracle DB、PostgreSQL、Linux、Shell Scripting、Ansible ※上記はあくまで一例です。 1日1000件以上の新規案件情報で『やりたい技術』『希望の体制』が自由に選べる環境です! 多種多様なプロジェクトがありますのでぜひあなたの希望をお聞かせください

株式会社クラウドワークスコンサルティング

【「今のスキル」のその先へ。案件数という「選択肢」で、あなたの理想を現実に。】 誰もが知る大手企業のプロジェクトや、社会に不可欠な大規模インフラ。 日本最大級のプラットフォームを持つクラウドワークスグループだからこそ、私たちは特定の技術や古い環境にあなたを縛り付けることはありません。 「そろそろ設計・構築に腰を据えて挑戦したい」 「AWSやAzureなど、クラウドの実践スキルを最速で身につけたい」 そんな想いに、圧倒的な案件網で応えます。 会社都合のアサインではなく、あなたの「次に伸ばしたいスキル」から逆算してプロジェクトを決定。 豊富な案件の選択肢があるからこそ、無理な背伸びではなく、着実なステップアップを私たちが伴走してサポートします。 CWCのパートナー企業: 【AWS】人材サービス型 AWS パートナー 【Azure】インフラストラクチャ (Azure) ソリューション パートナー 【GoogleCloud】Google Cloud Platform Service パートナー ≪プロジェクト例≫ 【AWS】 AWS Organizations・IaCを駆使し、モダンなコンテナ環境(ECS Fargate)への進化を支える案件(インフラリーダー案件あり) 【AWS】 自社EC基盤のコンテナ化(ECS/Fargate)推進とTerraformによるIaC標準化を牽引するインフラリードエンジニア案件 【上流】 大手メーカー向け、PM支援・大規模CloudFormation/Lambdaを駆使した基盤構築案件 【AWS/Terraform】 システムのアーキテクチャ設計からIaC実装、非機能要件定義までを担うインフラ構築・整備案件 【Azure】 生成AIパッケージ向け、Terraformを駆使したAzureインフラ設計・構築支援案件 【SRE/K8s】 自社SaaS(統合管理サービス)のスクラムチームにて、Kubernetesを用いた基盤設計・運用とパフォーマンス改善を担うSRE案件 下記資格取得者は入社直後からクラウドプロジェクトへのアサインを確約します! ・AWS Certified Solutions Architect - Professional ・AWS Certified DevOps Engineer - Professional 社内請負案件拡大中! スキルを磨き、キャリアを広げる クラウドワークスグループで次のステージへ 現在、CWCでは社内での請負案件の拡大を進めています。 お客様先だけでなく、自社内でもスキルアップできるチャンスが加速中! ・最先端技術に触れられる外部プロジェクト ・要件定義や設計から関われる自社内プロジェクト PM/PL経験者には、請負チームの立ち上げや拡大にも即参画可能 キャリアの選択肢が今まで以上に広がります! ≪請負Gのプロジェクト事例≫ ① VDI環境の再設計・運用立ち上げ(Horizon on Azure) 概要: Azureを基盤としたVDI環境の再設計から設定変更、運用フローの構築までを一貫して支援。既存環境の課題を抽出し、最適化されたデスクトップ環境を実現しました。 技術領域: Azure / VDI / Omnissa Horizon ② オンプレミス仮想基盤の刷新・OS移行 概要: 老朽化した仮想基盤の更改に伴うサーバー移行を担当。既存システムの制約を考慮した現実的な移行計画を策定し、OSバージョンの刷新を含む再構築から安全な切り替えまでを完遂しました。 技術領域: オンプレミス / 仮想基盤 (VMware) ③ AWS監視基盤のクラウドネイティブ化・コスト最適化 概要: オンプレミスの監視基盤をAWSへ移行。コンテナ化による構成見直しや、AWS Config等の活用による分析を行い、システムの可用性向上と大幅なコスト削減を両立させました。 技術領域: AWS (ECS, Fargate, Config) / 運用改善

株式会社日立ハイテク

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

株式会社日立ハイテク

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

フリー株式会社

当社の中核プロダクトである「freee人事労務」にて新設された関西チームの募集となります。 技術的挑戦に加え、まだ数名程度の組織の基盤構築やカルチャー形成そのものを当事者として楽しめる方を求めています。 多くの地方拠点で起こりがちな「本社からの切り出し業務」ではなく、近い将来には関西チーム単体で機能開発を上流からリードできる自立した組織を目指す方針です。 地方にいながら、仕事のスケール、裁量、年収水準、成長環境において、妥協のないキャリアを築ける環境がここにはあります。 あえて現在の課題を共有し、この複雑でエキサイティングな壁を共に乗り越える仲間を募集します。 業務内容詳細 「freee人事労務」におけるプロダクトの仕様選定、およびスケーラブルなアーキテクチャの設計・実装 Claude Codeをはじめとする最新のLLM・AIエージェントツールを開発プロセスへ自発的に組み込み、チームおよび個人の開発生産性を最大化する取り組みの推進 プロダクトマネージャー（PM）、デザイナー、QAエンジニアとフラットに議論を交わし、仕様のスコープ絞り込みやユーザー価値の定義を主導 データベースの最適化（負荷低減）、自動テストの高速化、CI/CDの改善など、大規模サービスにおける技術的負債の解消とパフォーマンス・チューニングの実行 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

JAPAN AI株式会社

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

JAPAN AI株式会社

プロダクト要件・アーキテクチャ設計 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳 機能境界・ドメイン設計、データ契約、API 仕様の策定 RFC 駆動の設計レビュー・意思決定プロセスの運営 LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等) 技術選定・トレードオフ判断 買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定 非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断 技術的負債の可視化と計画的解消のロードマップ策定 横断的協働・ロードマップ エンジニアリングチーム・PdM・デザイナーとの横断的協働 プロダクトロードマップの策定・推進 技術的負債の可視化と計画的解消のロードマップ策定 【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: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。 市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。 RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。 ● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。 コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。 エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。 ● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。 可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。 エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。 ●ミッション 何を作るかを決める プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。 ●期待する役割について Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する 機能境界・ドメイン設計・API 仕様の策定をリードする Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く 非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する 技術的負債の可視化と計画的解消のロードマップを策定する ●成果責任 (KR/メトリクス) プロダクトロードマップ達成率 アーキテクチャレビュー起因の手戻り率 新機能リリースサイクル短縮 プロダクト品質属性 ●チーム体制 約120名が開発組織に在籍しています。 Product Architectは以下のチーム・ステークホルダーと密接に連携します: Agentic Product Engineer — エージェント機能開発 Human-AI Collaboration Architect — エージェント体験設計 FDE — 顧客要件・フィードバック 経営層 — 事業戦略・投資判断 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK, RAG, Agent Framework インフラ : GCP (コンテナ / K8s) , Docker, Terraform 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

JAPAN AI株式会社

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース 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

JAPAN AI株式会社

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

株式会社ログラス

ログラスが掲げる「良い景気を作ろう。」の実現に向けて、複数プロダクトを横断してお客様の継続的な価値提供を支える共通基盤を構築・推進していただきます。このポジションは、各プロダクト機能開発チームとは独立した立場で、横断領域を中心にプロダクト群全体のスケーラビリティと整合性を担保するアーキテクチャ設計と実装、運用をリードします。 ●想定される開発テーマ: ・マルチプロダクト化に対応した認証・認可・SSO・ユーザー管理などの認証認可基盤 ・複数テナント・プロダクトをスムーズに横断するためのグルーピングの機構や契約管理、フィーチャー制御といった機能制御基盤 ・外部サービスとセキュアに連携するための M2M認証・認可、リミット制御、IP アドレス制限などの連携基盤 ●業務内容の変更範囲 会社の定める業務 ●技術スタック/ツール アプリケーション: Go / TypeScript / Kotlin / Rust データベース: PostgreSQL / データレイクハウス技術 インフラ: AWS / K8s / argo / Datadog AIツール: Claude Code / Codex / Gemini コミュニケーション: Slack / FigJam / Notion

株式会社日立ハイテク

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。

株式会社日立ハイテク

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。

株式会社日立製作所

【配属組織名】 デジタルサービスビジネスユニット(公共システム) 官公ソリューション第三本部 官公システム第一部または、官公システム第六部 【配属組織について(概要・ミッション)】 公共システム事業部では、官公庁、自治体、外郭団体等、公共・社会分野にて50年以上のIT導入実績があります。 その中で当部では官公庁の税務行政、文教分野をITサービスの面から支援しております。国を支える大規模基幹系システム開発案件や大規模インフラ構築案件の活動を行っており、提案、構築、運用のITサービスの全領域を提供する組織です。 今回は、その中でも社会貢献度が高く、先端技術を使いながらキャリアアップ、スキルアップができる分野のインフラエンジニアを募集いたします。 【参考資料】 ・SEトップメッセージ：https://youtu.be/Nbqq3aqnRag ・事業部紹介映像：https://youtu.be/QJrlX_UvWS8 【職務概要】 AWS等のクラウド環境やオンプレミス環境のプラットフォームについてのシステム提案、設計・構築・導入の実施、運用・保守などの業務に従事していただきます。 顧客にとって価値の高い業務/システムの企画から構築までを担うために、常に最新技術を貪欲に追い求めることを期待します。 【職務詳細】 企画・プレ段階～構築、稼働、保守までトータルで活動をしていただきます。 どのような技術を用いたアーキテクチャとするかは、お客様の要求をベースに最適な形を検討していただきます。 具体的な職務の概要(流れ)は以下になります。 (1)企画・プレ段階 顧客要求に応じた最新アーキテクチャの検討・提案を行います。 ●AWS/AzureのPaaSや他社サービス(SaaS)の適用検討 ●セキュリティ等顧客の心配事項に応じた説明 ●社内/社外のサービスとの組合せに関する検討・協議 (2)技術検証段階 PoC等の実験環境の構築/評価に基づく要件見直しを行います。 ●実証実験計画書の作成 ●クラウド等を利用したアーキテクチャ概要設計・構築 ●実証実験評価(技術的課題等の洗い出し、費用試算等) (3)構築段階～本番稼働以降 実証段階の評価を踏まえ環境等の構築を行い、ノウハウ蓄積を行います。 ●クラウド等を利用した商用環境の設計・構築 ●効率的な保守を実現するための設計・実施 ●最新技術の適用事例化(社内発表) 【働く環境】 ●配属組織構成 組織では20代～50代まで、幅広い年齢層の社員が活躍しております。 同一部内にフロントSE、アプリケーション開発、インフラ構築のチームがあり、チーム間での配置ローテーションも可能です。 同一の官公庁を担当している部署であることから、横の繋がりが強く、困った時はお互い助け合いながら仕事を進めています。 ●働き方 若手を中心に経験者採用で活躍しているメンバーもおり、働きやすい職場です。 在宅勤務と出社もフレキシブルに組み合わせながら仕事を進めていただけます。 週1回以上は、プロジェクト全員出社日を設けて、直接のコミュニケーションを図っております。 出社先は顧客先や分散拠点のPJルームでの勤務が中心とです。 お客様先での打合せ等もあり、首都圏を中心とした出張があります。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。 【キャリアパス】 ●クラウド環境の構築・開発の経験、キャリアを積むことができる。 ●最新技術を組み合わせて社会課題の解決に寄与するシステム構築を経験できる。 ●キャリアを積み上げる機会が無数にあり、繰り返しキャリアを研鑽できる。

FPTテクノジャパン株式会社

●役割と期待内容 お客様のITインフラをより柔軟でスケーラブルなクラウド環境へ移行・最適化するために、クラウドエンジニアとしてインフラ設計・構築・運用をリードしていただきます。 AWSやAzureなどのクラウドプラットフォームを活用し、セキュアかつ高可用性なシステムの実現を支援します。プロジェクトチームや社内外の関係者と連携しながら、技術面だけでなく運用性やコスト最適化にも配慮したインフラソリューションの提供が求められます。 ・クラウドインフラ(オンプレミス、AWS, Azure、GCP等)の設計・構築・運用 ・顧客要件に応じたシステム構成の提案および改善 ・IaC(Infrastructure as Code)による自動化対応 ・セキュリティ・パフォーマンスの最適化 ・運用マニュアルの作成および技術支援 ●案件例 業界最大手製造業向け オンプレミスシステムのAWSクラウド移行プロジェクト オンプレミスシステム群をAWS上に移行するプロジェクトです。 既存システムの構成と要件を分析し、段階的にクラウドへの移行を実施します。 様々なステークホルダーと連携し、一大プロジェクトの重要な役割を担います。 これから重要なフェーズに移るため、体制強化を目指しています。 ●担当業務 ・クライアントとの日常的なコミュニケーションによる要件の整理、確認 ・既存システムの構成・業務フローの分析 ・お客様の要望をドキュメント化し、オフショアチームに正確に伝達 ・オフショアチームとの連携およびタスク進捗の管理 ・プロジェクト進行に伴う課題管理および報告 ●使用スキル・技術 ・オンプレミス、クラウド(AWS、Azure、GCP等)に関する基礎知識 ・クラウド移行に関する基本的な設計、移行プロセスの理解 ・インフラ領域全般の知識(一部でも可) ・プロジェクトマネジメント(進捗管理・課題管理) ・ビジネスアナリシス(BA)スキル:要件ヒアリング、ギャップ分析、ドキュメンテーション

株式会社日立製作所

【職務概要】 研究開発全般を担い、サービスコンピューティングに関わる先端技術(クラウド、OSS、IT開発・運用管理)を用いた、製品・サービスにおけるイノベーションと破壊的技術の創生のために、業務の取り纏め者として、社内の関係者との関係を構築し、社内外の学習機会を活用するとともに、自身の経験や先行研究から積極的に学習する。 自身の研究の完遂を通じて、最善の方法を生み出す。 これらの研究開発を通じて社会インフラのDX・GXを加速するサービスPF・ソリューションに貢献する。 【職務詳細】 ・サービスコンピューティングに関わる技術、業界動向、市場動向の調査 ・研究戦略・ロードマップの作成および研究提案 ・顧客課題を解決するための最良のアプローチや技術を選択・開発することにより、顧客ニーズに合った製品とサービスを定義、また、当該製品やサービスの価値を検証するためのプロトタイプ及びデモの開発 ・技術的専門性の観点から事業部門への情報提供ならびに提言 ・研究進捗管理、成果管理、論文執筆、社内研究報告の執筆、知財創生 働く環境 ①2～5名規模の単位でチームを作り、個々人がその技術の専門家として自主性を重視して開発内容を分担するとともに、他部門の研究者や事業部門のリーダおよびチームと連携して業務を進めます。 ②在宅勤務を主として、ブレインストーミングなどのディスカッションなど、必要に応じて出社して推進いただきます。(週1回程度、個人差あり。) ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。 キャリアパス 研究や技術に突出した高位専門職と、研究チームを牽引するマネージャ(プレイングマネージャ含む) 配属組織名 Digital Innovation R&D　デジタルインフライノベーションセンタ　サービスコンピューティング研究部 配属組織について サービスコンピューティングは、さまざまなITサービスを用いて、ビジネスとしてのサービスを実現するための技術や方法論を検討する研究分野です。 これを支えるアーキテクチャ、プラットフォーム技術、開発・運用技術、OSSを研究開発しています。 これらの研究開発を通じて、デジタルトランスフォーメーションを加速させ、社会イノベーションの実現に貢献します。 【携わる事業・ビジネス・サービス・製品など】 ●研究概要 https://www.hitachi.co.jp/rd/careers/lab/digtec/02.html ●研究紹介動画 https://www.youtube.com/watch?v=52w95xmNT_Y Trust Data Sharing and Utilization Infrastructure for Sensitive Data Using Hyperledger Projects https://ossalsjp21.sched.com/event/rCg7 機械学習を用いたIT機器の性能異常検知におけるAmazon SageMakerの活用事例 https://pages.awscloud.com/JAPAN-event-OE-20211125-AIML-reg-event.html A Fault Diagnosis Method for Fuel Injectors Using Machine Sound Tien-Trien Le, Takahiro Sagara, Shogo Kunioka, Satoshi Inose, 2020 International Conference on Sensing, Diagnostics, Prognostics, and Control (SDPC) https://ieeexplore.ieee.org/abstract/document/9353183 OpsSC: Decentralized Blockchain Network Operation Workflow for Hyperledger Fabric https://ieeexplore.ieee.org/document/9680558 ●関連事業 稼働音・測定データから建設機械の状態を診断するスマホ診断アプリ「ConSite® Health Check」を提供開始 https://www.hitachicm.com/global/jp/news-list_jp/20-03-23j/ 日立と〈みずほ〉が、ブロックチェーン技術を活用した金流・商流・物流の一体管理とサプライチェーンファイナンスの高度化に関わる実証実験を開始 https://www.hitachi.co.jp/New/cnews/month/2020/12/1228.html 「IT運用最適化サービス」において、AI活用によりシステム稼働レポート作成業務のさらなる自動化を実現 https://www.hitachi.co.jp/Prod/comp/soft1/jp1/notice/2020/1002.html マルチクラウド環境で、人のスキルに依存しないシステム監視と一元的な業務運用管理を容易にする「JP1」の最新版を販売開始 高信頼な運用基盤をSaaS型で利用可能な「JP1 Cloud Service」も新たに提供 https://www.hitachi.co.jp/New/cnews/month/2021/01/0121.html

株式会社日立製作所

【配属組織名】 デジタルサービスビジネスユニット(公共システム) 【配属組織について(概要・ミッション)】 公共システム事業部では、官公庁、自治体、外郭団体等、公共・社会分野にて50年以上のIT導入実績があります。 その中で培ってきた知見やノウハウに最新技術を適用することで、デジタルトランスフォーメーションを実現しています。 今回は、その中でも社会貢献度が高く、先端技術を使いながらキャリアアップ、スキルアップができる分野のインフラエンジニアを募集いたします。 なお、希望する仕事内容・キャリアプラン等について、面接時にお聞かせください。 ●募集部署1:オンプレミス環境でのプラットフォーム構築 ハードウェア/ミドルウェアのプレ・調達から設計～構築～テストを実施し、お客様へ納めることを専門とした部署にて、様々なお客様のプラットフォーム構築を実施します。 ●募集部署2:パブリッククラウドを用いたプラットフォーム構築 最新クラウド技術(AWSやAzureの活用を含む)を用いて、大量データ解析・可視化する基盤構築やデータサイエンティストがデータ分析する基盤等のソリューション構築を実施します。 弊社では、上記以外にも多種にわたるインフラエンジニアの活躍機会があります。 配属後のキャリアプランについては柔軟に対応できますので、配属組織の上長とご相談ください。 【参考資料】 ・SEトップメッセージ:https://youtu.be/Nbqq3aqnRag ・事業部紹介映像:https://youtu.be/QJrlX_UvWS8 【職務概要】 ITアーキテクトとして、最新技術をいち早く検証し、顧客にとって最適な技術の組合せを検討・提案し、ソリューション構築を担当していただきます。 そのため、顧客にとって価値の高い業務/システムの企画から構築までを担うために、常に最新技術を貪欲に追い求めることを期待します。 【職務詳細】 企画・プレ段階～構築、稼働、保守までトータルで活動をしていただきます。 どのような技術を用いたアーキテクチャとするかは、お客様の要求をベースに最適な形を検討していただきます。 具体的な職務の概要(流れ)は以下になります。 (1)企画・プレ段階 顧客要求に応じた最新アーキテクチャの検討・提案を行います。 ・AWS/AzureのPaaSや他社サービス(SaaS)の適用検討 ・セキュリティ等顧客の心配事項に応じた説明 ・社内/社外のサービスとの組合せに関する検討・協議 (2)技術検証段階 PoC等の実験環境の構築/評価に基づく要件見直しを行います。 ・実証実験計画書の作成 ・クラウド等を利用したアーキテクチャ概要設計・構築 ・実証実験評価(技術的課題等の洗い出し、費用試算等) (3)構築段階～本番稼働以降 実証段階の評価を踏まえ環境等の構築を行い、ノウハウ蓄積を行います。 ・クラウド等を利用した商用環境の設計・構築 ・効率的な保守を実現するための設計・実施 ・最新技術の適用事例化(社内発表) ●公共システム事業部ニュースリリースはこちら http://www.hitachi.co.jp/Div/jkk/press/index.html 【働く環境】 【配属組織構成】 組織では20代～50代まで、幅広い年齢層の社員が活躍しております。 【働き方】 若手を中心に経験者採用で活躍しているメンバーも多く、働きやすい職場です。 在宅勤務と出社もフレキシブルに組み合わせながら仕事を進めていただけます。 ※配属部署によって異なる場合がございます。予めご了承ください。詳細は面談にてご確認ください。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。 【キャリアパス】 ●クラウド環境の構築・開発の経験、キャリアを積むことができる。 ●最新技術を組み合わせて社会課題の解決に寄与するシステム構築を経験できる。 ●キャリアを積み上げる機会が無数にあり、繰り返しキャリアを研鑽できる。

株式会社日立ハイテク

●職務内容 本ポジションは、半導体製造装置・計測検査装置から生み出される膨大なデータを活用したAI・デジタルソリューション開発を支えるDevOpsエンジニアです。 AI画像処理・データ解析エンジニアが開発するモデルやソリューションを、 「安定して・安全に・継続的に使える形で現場に届ける」ための基盤づくり・運用を担っていただきます。 クラウド前提のDevOpsとは異なり、オンプレミス/GPUサーバー環境を中心とした、半導体業界特有の制約下でのAI基盤整備が特徴です。 ●職務詳細 以下の業務を、AIソリューション開発チームと密に連携しながらご担当いただきます。 1.インフラ・基盤設計/運用 ・オンプレミス環境におけるLinuxサーバーやGPUサーバーの設計・構築・運用 ・半導体製造装置・計測検査装置向け機械学習/AI開発基盤の整備・最適化 ・セキュリティ・性能・運用性を考慮した基盤構成の検討 2.開発支援・DevOps領域 ・AI開発チームが効率的に利用できるCI/CD環境の構築・改善・運用支援 ・コンテナ環境の構築・運用(開発～検証フェーズ中心) ・開発・検証プロセスの標準化、運用ルール整備 3.横断的な役割・改善活動 ・複数のAI開発チーム(約4チーム)を横断し、 ・基盤・運用面から支援 ・社内のAI開発者・サーバー管理担当と協働し、開発環境の共通化やベストプラクティスの整理・展開 ・新技術・新ツールの調査・評価・導入によるシステム全体の信頼性・パフォーマンス・ユーザビリティ向上 ※AIモデル開発そのものが主業務ではありませんが、AI開発プロセスに日常的に関わる立場となります。 ●開発環境 ・OS/インフラ: Linuxサーバー、GPUサーバー ・CI/CD: GitHub Actions ・コンテナ技術: Kubernetes、Docker ・IaC (Infrastructure as Code): 該当ツール ・監視・可観測性: Prometheus、Grafana ・ML基盤: PyTorch、TensorFlowを用いた環境

Sansan株式会社

サービスについて 本ポジションでは、プロダクト開発チームまたは横断的な技術組織において、サービス価値の向上を担う役割を担います。 担当する領域は複数の選択肢があり、選考を通じて希望や経験を踏まえ、最適なチーム・領域を提案します。希望があれば、応募時にお知らせください。 担当プロダクト・領域例 ・Sansan:名刺や企業情報、営業履歴を一元管理して全社で共有できるようにすることで、売上拡大とコスト削減を同時に実現するビジネスデータベース ・Eight:価値ある出会いをつなぐ、ビジネスのための名刺アプリ ・Bill One:請求書受領、経費精算、債権管理といった、さまざまな業務領域の課題を解決する、経理AXサービス ・Contract One:契約書をはじめとする取引書類をデータ化し、取引の条件や変遷を可視化することで、機会の損失や信用の低下を防ぎ、企業の利益を守る、取引管理サービス ・データ基盤/統合領域:企業内外のデータを統合し、ビジネスデータベースとして活用するための基盤サービス いずれの領域も事業成長にあわせて組織規模が急拡大しており、新機能開発、スケールに耐えるアーキテクチャ設計、技術的負債の解消、グローバル展開など、大きな技術課題・組織課題に取り組むフェーズにあります。 具体的な業務 テックリード/アーキテクトとしてプロダクト価値を最速かつ高品質で届けるための技術戦略・アーキテクチャー設計・基盤改善をリードします。 新機能開発から長期的な技術課題解決まで、プロダクトの成長と組織の技術力向上に幅広く関わるポジションです。 ・プロダクトの新機能開発・既存機能の改善および運用 ・重要プロジェクトにおける技術リード/アーキテクチャー設計 ・開発効率・スケーラビリティを高めるための基盤改善・技術刷新の推進 ・技術的負債の可視化と解消、将来を見据えたアーキテクチャー最適化 ・各チームへの技術支援、レビュー、設計・実装の伴走、メンバー育成 ・プロダクト横断の技術課題の発見と解決、技術スタック選定のリード ・パフォーマンス改善、マイクロサービス化、機械学習/LLM 活用基盤の整備などの推進 ・中長期視点での技術戦略立案および重要な技術意思決定 ・エンジニア発の企画・改善アイデアの立案および実行 ●従事すべき業務の変更の範囲 会社の定める業務 主な技術スタック ●開発言語・フレームワーク・ライブラリ 【フロントエンド】 -TypeScript/React/Vite/Storybook/HTML/CSS 【サーバーサイド】 -TypeScript(Express.js/Node.js) -Kotlin(Ktor/Spring Boot) -Go/Ruby(Ruby on Rails)/C# ●データベース・検索基盤 -PostgreSQL/Cloud SQL -Aurora MySQL/Aurora PostgreSQL -DynamoDB/Elasticsearch/OpenSearch -Redshift/BigQuery/Cloud Spanner/Cloud Firestore ●インフラ / プラットフォーム -Google Cloud(Cloud Run/App Engine/Cloud Functions/Cloud Tasks/GKE など) -AWS(EC2/ECS/Fargate/Lambda/S3/SQS/Kinesis/Athena など) -Azure(App Service/Functions/Service Bus/Cosmos DB など) -Cloudflare ●コンテナ・IaC・構成管理 -Docker/Kubernetes/GKE Autopilot -Terraform(HCP Terraform)/Ansible/Chef/Bicep/Packer ●CI/CD・テスト -GitHub Actions/CircleCI/Azure DevOps/Argo CD/Cloud Build/Jenkins ●運用・監視 -Datadog/Grafana/New Relic/Zabbix -Cloud Monitoring/Cloud Logging/Cloud Trace -Splunk/Fluentd/Application Insights/Opsgenie/Sentry ●その他(ソースコード管理・コミュニケーション・デザイン連携etc) -GitHub ●記載内容に関する注意事項 本求人票に記載の内容は、会社の方針によって変更になる可能性があります。

Sansan株式会社

サービスについて 本ポジションでは、複数プロダクトを横断する基盤領域、または特定プロダクトのインフラ・信頼性向上領域において、技術基盤の整備、非機能要件の改善、開発者体験向上などに携わります。 関わる可能性のある領域(一例) ・Sansan:名刺や企業情報、営業履歴を一元管理して全社で共有できるようにすることで、売上拡大とコスト削減を同時に実現するビジネスデータベース ・Eight:価値ある出会いをつなぐ、ビジネスのための名刺アプリ ・Bill One:請求書受領、経費精算、債権管理といった、さまざまな業務領域の課題を解決する、経理AXサービス ・Contract One:契約書をはじめとする取引書類をデータ化し、取引の条件や変遷を可視化することで、機会の損失や信用の低下を防ぎ、企業の利益を守る、取引管理サービス ・SRE/Platform 領域:信頼性向上、パフォーマンス改善、コスト最適化、開発者体験向上などの横断課題 いずれの領域も、事業成長に伴うユーザー規模・システム規模の拡大により、 高可用性・拡張性・セキュリティ・運用効率化などの技術課題への取り組みが求められています。 成長フェーズにある組織の中心で、基盤技術から事業インパクトに直結する改善まで幅広く携わることができます。 具体的な業務 ●インフラ設計・構築・運用 ・クラウド(主に GCP/AWS)を用いたシステムインフラの設計・構築・運用・保守 ・Kubernetes(GKE/EKSなど)を用いたプラットフォーム構築・運用 ・監視基盤の設計・運用(例:Datadog/CloudWatch/Cloud Monitoring など) ・サービスの高可用性・拡張性を担保するアーキテクチャー設計 ●SRE としての継続改善 ・SLI/SLO設計と、サービス信頼性の継続的運用 ・パフォーマンス、スケーラビリティ改善の提案・実装 ・障害対応の仕組み化、インシデント対応の改善 ・強固なセキュリティと利便性の両立に向けた施策の推進 ●運用効率化・Developer Experience 向上 ・Operationの自動化(Infrastructure as Code、運用バッチ、各種ツール開発) ・CI/CD の改善、デリバリー速度と品質の最適化 ・開発者体験(DX)向上を目的とした基盤改善・技術選定の推進 ●プロダクト横断での基盤づくり ・複数サービスに共通するプラットフォームの設計・運用 ・マルチクラウド、マルチプロダクト構成におけるコスト最適化・運用標準化 ・組織横断プロジェクトのリード、およびチーム支援 ●プロダクト固有領域の技術 (志向・配属に応じて以下の領域にも関わる可能性があります。) ・文書データ/名刺データなど、大規模データ処理基盤の運用 ・データ化システム(OCR/チェック体制/自動化基盤)の機能改善 ・イベントプラットフォームや認証基盤などの横断システム開発 ・高トラフィックサービスの負荷対策・リアーキテクチャ ※従事すべき業務の変更の範囲 会社の定める業務 主な技術スタック ●開発言語 -Python/Ruby/Go/Shell Script/PowerShell ●データベース -PostgreSQL/MySQL -DynamoDB/Redis/Memcached -OpenSearch/Elasticsearch -Redshift/BigQuery/MongoDB ●インフラ・プラットフォーム -Google Cloud(Cloud Run/App Engine/Cloud Functions/Cloud Tasks/GKE など) -AWS(EC2/ECS/Lambda/S3/RDS/Route53/SQS/SNS など) -Azure(App Service/Functions/Cosmos DB など) -Cloudflare -Argo CD/Argo Workflows -Helm ●コンテナ・構成管理 -Kubernetes(GKE) -Docker(含:ECS 上での運用) -Terraform(含:HCP Terraform) -Ansible/Chef -Packer/Serverspec ●CI/CD -GitHub Actions (補足:Cloud Build/AWS CodeBuild 等を扱うチームもあり) ●運用・監視 -Cloud Monitoring/Cloud Logging/Cloud Trace -Datadog/New Relic/Zabbix/CloudWatch -Fluentd/td-agent/NXLog ●その他(ソースコード管理・コミュニケーション・デザイン連携etc) -GitHub -Notion/Cacoo/GitHub Projects ●記載内容に関する注意事項 本求人票に記載の内容は、会社の方針によって変更になる可能性があります。

FPTソフトウェアジャパン株式会社

データサイエンティストやAIエンジニアと連携し、下記の業務を担当いただきます。 ●ML基盤の設計・構築・運用 ・AWS,GCP,Azure等を用いたMLインフラの設計・運用 ・PythonコードやMLモデルのDockerイメージ作成、最適化 ・Kubernetes (EKS/GKE/AKS)による本番環境のコンテナオーケストレーション ・Terraform/CloudFormationによるインフラ構成管理 ・コスト見積もり・最適 ●MLOpsパイプライン構築・運用 ・CI/CDパイプライン(GitHub Actions等)設計・運用 ・Airflow, Kubeflow, VertexAI/SageMaker Pipelines等によるMLパイプライン自動化 ・MLflow等による実験管理・モデルレジストリ運用 ●モデルデプロイ・監視 ・ KServe, SageMaker Endpoint等によるモデルAPIデプロイ ・prometheus, Grafana, Datadog等を活用したシステム・モデルのモニタリング ・モデル性能(レイテンシ、精度等)の監視・ロギング・アラート設計 ・再学習サイクルの自動化と改善提案 【主なクライアント】 ・国内の金融業、製造業、流通業、等々多岐にわたる大手企業がクライアントです。 ・大手飲料メーカー、大手通信キャリア、大手自動車会社、大手電力会社、大手保険会社、大手信託銀行、大手航空会社、大手家電メーカー　等

大規模リアルタイム意思決定システムのソフトウェア開発業務のプロジェクトマネジメント 【具体的には】 1.システム設計支援、ソフトウェア要求分析、設計、製作、艦上での実用試験までの一連の開発 2.次世代システム向け開発及び既存システムの能力向上のための最新技術の調査・適用検討 3.上記ソフトウェア開発業務の取りまとめ業務、チームマネジメント 【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 【OS】Linux、Windows 【言語】C/C++、C#、VBA 【開発ツール】 GitLab、Jenkins、Docker/Podman/Kubernetesなど各種OSSツール

株式会社クラウドワークスコンサルティング

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