年収350万円以上 KubernetesのITエンジニア求人・転職情報

自社サービスである病院向け電子カルテ「MALL(モール)」の開発組織のテックリードとしてご活躍頂きます。 ●具体的には ※適正やご意向を踏まえながら業務アサインを行なっていきます。 ・プロダクトの技術戦略の立案・推進 ・エンジニアチームの技術的な意思決定・アーキテクチャ設計 ・クラウドネイティブアーキテクチャへの移行設計・推進 ・Web技術強化に向けたクロスコンパイル可能な言語の技術選定・評価 ・AIコーディングツールを前提とした開発プロセス・ワークフローの設計と推進 ・LLMのファインチューニングを含むAI機能の設計・開発・プロダクトへの組み込み ・開発プロセスの改善、コードレビュー、技術的な課題解決 ・プロダクトマネージャーやデザイナーとの協業による要件整理 ・チームメンバーの技術的なメンタリングと業務支援 ・新技術の選定・導入の推進 ●サービス説明 ・MALL(モール)は、病院・有床診療所向けの電子カルテで、医師・看護師等の働き方改革を推進します ・メインターゲットとしている中小病院は依然として約4割が電子カルテ未導入であり、国が掲げる2030年普及率概ね100%の目標に向けてDX化を推進します ・高いコストパフォーマンス・拡張性などを強みに、累計200件を超える導入数と利用継続率99%を実現しており、さらなる事業成長を見越しています ・システムのパフォーマンス等を考慮し、現在はオンプレのパッケージシステムで提供をしていますが、クラウド化対応を推進中です。開発言語はC#を中心としつつ、Web技術強化のためクロスコンパイル可能な言語への移行も検討しています ・今後、LLMのファインチューニング等を活用したAI機能のプロダクトへの組み込みも計画しています ●開発環境 ・開発言語:C# / .Net Framework / Windows Forms 　(→ クラウド対応予定・クロスコンパイル可能な言語を検討中) ・DB:SQL Server ・AI:Claude Code 等のAIコーディングツールを全面導入予定 ・開発環境: Visual Studio / GitHub ・コミュニケーション: Slack / Confluence / kintone ※業務の変更の範囲:会社の定める業務

概要 お客様のビジネス課題やDX推進に対し、クラウド技術(AWS/Azure/GoogleCloud)を活用したソリューションを提供するコンサルタント・アーキテクトとしてご活躍いただきます。 単なるインフラ構築に留まらず、顧客の経営層やIT部門との折衝、課題ヒアリング、クラウド化の企画・提案、ロードマップ策定といった最上流工程からプロジェクトをリードしていただきます。 主なミッション ●クラウド導入コンサルティング: 顧客の経営課題やIT課題ヒアリング、クラウド化の企画・提案、ロードマップ策定。 ●クラウドアーキテクチャ設計: AWS, Azure, GoogleCloud等のパブリッククラウドを用いたシステムの全体設計(データ分析基盤、クラウドネイティブなアプリケーション基盤など)。 ●クラウド移行支援 (マイグレーション): オンプレミス環境からクラウドへのシステム移行プロジェクトの計画・実行、およびプロジェクトリード。 ●技術リードと標準化: クラウドネイティブ開発(コンテナ, サーバレス)、DevOps/IaC(Terraform, Ansible等)の技術選定、導入推進、およびチームへの技術指導。 携わっていただく案件事例(一部) ●大手製造業向けクラウド環境アセスメント(Azure) :お客様が構築した生成AI基盤(Azure)に対し、セキュリティやコスト最適化など5つの観点で客観的評価(アセスメント)を実施、改善推奨事項とクラウドネイティブなアーキテクチャの提示及び実装支援。 ●RAGアプリ利用増におけるアーキテクチャ最適化(Azure) :利用者が10倍規模に拡大することを見据え、パフォーマンス分析や負荷テストを実施、可用性・性能を担保するアーキテクチャへの最適化を支援。 ●マルチクラウド(AWS/Azure)のガバナンス策定・CCoE推進 :マルチクラウド利用を前提とした全社的な共通アーキテクチャやガイドラインを策定、CCoE(Cloud Center of Excellence)の推進を支援し、持続的なクラウド活用基盤を整備。 ●CI/CDパイプライン設計ガイドライン策定・実践 :開発効率・品質・セキュリティ(DevSecOps)を向上させるためのCI/CDパイプライン設計ガイドラインを策定、自動化による信頼性の高いリリースプロセスの構築を支援。

概要 お客様のビジネス課題を解決するため、AWS, Azure, GoogleCloudなどのパブリッククラウドを活用したインフラ基盤の設計・構築・運用、およびクラウド移行支援プロジェクトに携わっていただきます。 まずはご経験やスキルセットに応じたフェーズ(構築・運用・詳細設計など)からスタートし、徐々に上流工程やクラウドネイティブ技術(コンテナ、サーバレス等)へ挑戦の幅を広げていただきます。 主なミッション ●クラウド環境(AWS/Azure/GoogleCloud)におけるインフラの設計・構築・運用実務 ●Terraform, Ansible等を用いたIaC(Infrastructure as Code)による構成管理と自動化の実装 ●オンプレミス環境からクラウドへのシステム移行(マイグレーション)の実行支援 ●クラウドネイティブ技術(Docker, Kubernetes等)の導入・運用支援 携わっていただく案件事例(一部) ●大手製造業向けクラウド環境アセスメント(Azure) :お客様が構築した生成AI基盤(Azure)に対し、セキュリティやコスト最適化など5つの観点で客観的評価(アセスメント)を実施、改善推奨事項と「あるべき本番環境構成図」の提示。 ●RAGアプリ利用増におけるアーキテクチャ最適化(Azure) :利用者が10倍規模に拡大することを見据え、パフォーマンス分析や負荷テストを実施、可用性・性能を担保するアーキテクチャへの最適化を支援。 ●マルチクラウド(AWS/Azure)のガバナンス策定・CCoE推進 :マルチクラウド利用を前提とした全社的な共通アーキテクチャやガイドラインを策定、CCoE(Cloud Center of Excellence)の推進を支援し、持続的なクラウド活用基盤を整備。 ●CI/CDパイプライン設計ガイドライン策定・実践 :開発効率・品質・セキュリティ(DevSecOps)を向上させるためのCI/CDパイプライン設計ガイドラインを策定、自動化による信頼性の高いリリースプロセスの構築を支援。

SREエンジニアとしてサービスの信頼性向上を担い、将来は技術リーダーやマネジメントへのキャリアパスも描けるポジション 【仕事内容】 ●サービスの可用性・信頼性向上のための設計・開発・運用 ●システム監視、障害対応、パフォーマンスチューニング ●インフラ自動化(IaC)、CI/CDパイプラインの構築・運用 ●SREプラクティスの導入・推進、運用プロセスの改善 ●開発チームや他エンジニアとの連携によるサービス品質向上 ●技術選定や新技術の導入検証 【開発・運用環境(例)】 クラウド:AWS, GCP, Azure コンテナ:Docker, Kubernetes IaC:Terraform, CloudFormation モニタリング:Prometheus, Datadog, NewRelic CI/CD:GitHub Actions, CircleCI, Jenkins 言語:Python, Go, Shell, JavaScript など

●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

●「オンプレ回帰」の時代だからこそ、あなたの物理経験が輝く。 5G・大規模プライベートクラウド基盤で、インフラの「自動化」に挑みませんか? 【AMBL(クラウドネイティブ)で叶える、インフラエンジニアとしての「復権」と「進化」】 昨今、クラウドコストの高騰やパフォーマンス・セキュリティの観点から、システムをオンプレミス環境へ戻す「オンプレ回帰」や、自社専用の「プライベートクラウド構築」の需要が急増しています。 特に私たちが手掛ける大手通信キャリアの5Gコアネットワークは、超低遅延・大容量通信を実現するため、汎用的なパブリッククラウドではなく、高度に設計されたオンプレミス環境(物理基盤)の上に成り立っています。 このポジションでは、あなたの「物理サーバ・NW機器の構築運用経験」をベースに、最先端の5Gインフラ構築や、Ansible/Pythonを用いた「運用の自動化(NetDevOps)」に挑戦していただきます。 「クラウド一辺倒」ではなく、「物理を知り尽くした上で、コードも書ける」――そんな市場価値の高いエンジニアへ進化できる環境です。 具体的には・・・ ※「物理」×「自動化」のハイブリッドなスキルが身につきます。 大規模オンプレ/プライベートクラウドの構築: これまでの物理サーバ・NW機器の知識を活かし、5GC/4Gコアネットワークや、Cisco ACI等の基盤構築を担当。 パブリッククラウドではブラックボックス化されている「インフラの裏側」まで深く携われます。 NetDevOps/自動化へのステップアップ: 「物理結線や設定投入の手間」を知っているあなただからこそできる改善があります。 PythonやAnsibleを用い、手順書ベースの手作業をコード化・自動化し、劇的な効率化を推進してください。 次世代技術へのキャッチアップ: KubernetesやOpenShiftなどのコンテナ技術も、結局は物理サーバの上で動いています。 オンプレの知見を土台に、これらのモダン技術もOJTで習得可能です。 組織のミッション ●クラウドネイティブ事業部:社会インフラの未来を支える技術者集団 通信、金融、そして公共インフラ――社会が直面するIT人材不足やシステムの複雑化といった課題に対し、私たちは「自動化(Automation)」と「高度な技術力」で挑みます。 私たちは、単なるインフラ作業者ではありません。 例えば、大手通信キャリアのネットワーク運用において、手動オペレーションをPythonで自動化し、劇的な効率化と品質向上を実現します。 お客様の業務フローの深部まで入り込み、本質的な課題を「技術」と「仕組み」で解決する。 それが、AMBLのエンジニアの強みです。 【AMBLを知る記事|公式note「TORQUE」】 ●率直に意見を言い合える関係だからこそ、チームは強くなる。 AMBL代表・毛利が、目指す組織のあり方を語った記事です。心理的安全性とは「衝突がないこと」ではなく「衝突しても大丈夫だと思えること」。社員総会や全社アンケートで経営情報を透明に共有し、バリュー「称賛と承認」を土台に本音で議論する文化が紹介されています。AMBLで働くイメージをより深めていただけるはずです。 https://note.com/torquejournal/n/nc511bd795b3e ●AX時代は、エンジニアにとって「過去最高に楽しい時代」になる。 AMBL代表・毛利が、新ビジョン「日本のAXを、現場から動かす。」に込めた想いを語った記事です。AIがコードを書く時代に、エンジニアの仕事は「何をつくり、どう価値を生むか」を考える仕事へと変わっていきます。その中でAMBLが描くキャリアは、AI駆動開発から上流の提案、そして自らのサービス企画までです。ご自身のこれからのキャリアを考えるヒントとして、ぜひご一読ください。 https://note.com/torquejournal/n/nc896c27c9f0d

【具体的には】 次世代IVIシステムにおけるOS・ミドルウェア・BSP領域の開発リードを担当いただきます。単に動くものを作るだけでなく、製品としての「応答速度」「安定性」「拡張性」に責任を持ち、最高のユーザー体験(UX)を支える基盤を構築していただきます。 ●Android/Linuxプラットフォームの設計・実装(Kernel/Driver/HAL) ●SoCベンダー(Qualcomm等)提供のBSP適合およびカスタマイズ ●システムパフォーマンスの最適化(起動時間短縮、メモリ管理、省電力制御) ●AWS等を活用したCI/CD環境構築、自動テストパイプラインの運用・改善 ●新技術調査、アーキテクチャ刷新の提案、リファクタリング検討 ※担当領域に閉じこもらず、アプリ開発チームやハードウェア担当とも連携し、「どんなクルマを作りたいか」という視点を持って自律的に開発を推進していただきます。 ※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 【担当システム例】 Android Automotive OS基盤、Linux Kernel、Hypervisor、OTA(Over The Air)基盤、セキュリティモジュール、車載通信制御(CAN/Ethernetゲートウェイ) 【開発ツール】 ●構成管理ツール:Git(Gerrit, GitLab), SVN ●開発言語: C, C++, Python, Shell Script, (一部Java) ●インフラ: Amazon Web Service, Docker, Kubernetes ●開発手法: Agile (Scrum, Kanban) ●コミュニケーションツール: Slack ,Teams ●プロジェクト管理ツール: JIRA, Confluence等 ●その他: Jenkins, LAVA, Yocto Project

【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ● クラウド上でのソフトウェア開発プロセス基盤の設計・開発 CI/CD、テスト自動化、バージョン管理をクラウド上で統合・サービス化 ● プロセス革新の仕組みづくり クラウド基盤を活用し、プロセスの刷新や新規導入をシームレスに実現 ● クラウドと車載開発の橋渡し 組込み開発チームと連携し、クラウド基盤を活用した効率的な開発環境を提供 ● 最新技術の導入・実装 生成AI、コンテナ技術、マイクロサービスなどを取り入れた開発支援環境の構築 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS / GCP / Azure コンテナ/オーケストレーション:Docker, Kubernetes, OpenShift CI/CD・自動化:Jenkins, GitHub Actions, IaC/構成管理:Terraform, Ansible, CloudFormation モニタリング・可観測性:Prometheus, Grafana, Datadog 開発言語:Python, JavaScript, C++, Shell Script チーム開発ツール:GitHub / GitLab, JIRA, Confluence 車載連携領域(参考):AUTOSAR, PREEvision, Enterprise Architect, Doors, Jazz Platform等のALMツール

【こんな方におすすめ】 ●ECU/制御系ソフト開発経験を持ち、クラウドや新しい開発スタイルに挑戦したい方 ●「開発プロセスの改善」に興味があり、技術的にも組織的にもインパクトを与えたい方 ●自分の組込み技術を活かしつつ、新しいキャリア領域に広げたい方 ●ECU/制御系などの組込み開発経験を軸に、クラウドや新しい技術領域へ広げたい方 ●現場視点を活かし、開発プロセス全体を改善・変革したい方 ●車載・クラウド・AIといった複数技術が交わる場所で、自ら新しい仕組みを作り出したい方 ●将来、クラウドネイティブ開発やSDV開発基盤の設計リーダーを目指したい方 【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●組込み開発とクラウド開発をつなぐプロセス設計 ECUや制御ソフト開発に必要な検証・テスト環境をクラウド上に展開 ●プロセス改革と自動化推進 CI/CD、バーチャル検証環境、自動テストなどの仕組みを導入し、開発スピードを加速 ●開発効率化の推進 バーチャル検証環境や自動テストをクラウド上で活用し、組込み開発の工数を削減 ●最新技術の活用 シミュレーション環境を取り入れ、より早いフィードバックループを実現 ●生成AIやシミュレーション技術の活用 コード解析、テスト設計、仕様ドキュメント作成支援などへのAI応用 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS / GCP / Azure 開発言語:C/C++, Python, JavaScript, Shell Script 自動化・CI/CD:Jenkins, GitHub Actions コンテナ/仮想化:Docker, Kubernetes モデルベース開発/組込み関連:AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz PlatformなどのALMツール データ/AI活用環境:TensorFlow, PyTorch, Generative AI Tools

【こんな方におすすめ】 ●インフラ構築・運用にとどまらず、開発プロセスを根本から変革する仕組みづくりに関わりたい方 ●大規模なユーザー(数千人規模のエンジニア)に利用される環境を設計し、スケールの大きな影響力ある仕事に挑戦したい方 ●新たなモビリティ開発の基盤を創りたい方 ●技術選定やプロセス刷新など、上流から関わり主体的に環境を進化させたい方 【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。 SDV開発を支えるソフトウェア開発基盤のインフラ構築・運用を担当していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●クラウド環境(AWS, GCP, Azureなど)上での開発インフラの設計・構築・運用 ●CI/CD・テスト自動化基盤の設計・最適化(Jenkins, GitHub Actions等) ●Kubernetesやコンテナ技術を活用した高可用性システムの構築 ●モニタリング・可観測性(Observability)基盤の整備 ●セキュリティ/ガバナンスを考慮したマルチクラウド環境の運用設計 ●開発者の生産性を最大化するためのツールチェーン整備・自動化推進 ●プロセス刷新や新規導入プロジェクトに伴うインフラ設計・拡張提案 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS, GCP, Azure コンテナ/オーケストレーション:Docker, Kubernetes, OpenShift CI/CD:Jenkins, GitLab CI, ArgoCD, Spinnaker 監視・可観測性:Prometheus, Grafana, Datadog, ELK Stack 構成管理/IaC:Terraform, Ansible, CloudFormation 開発ツール:GitHub / GitLab, JIRA, Confluence, Python, Shell Script (連携領域):AUTOSAR, Enterprise Architect, PREEvision, Doors, Jazz Platform等のALMツール

【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】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●組込み開発とクラウド開発をつなぐプロセス設計 └ ECUや制御ソフト開発に必要な検証・テスト環境をクラウド上に展開 ●プロセス改革と自動化推進 └ CI/CD、バーチャル検証環境、自動テストなどの仕組みを導入し、開発スピードを加速 ●開発効率化の推進 └ バーチャル検証環境や自動テストをクラウド上で活用し、組込み開発の工数を削減 ●最新技術の活用 └ シミュレーション環境を取り入れ、より早いフィードバックループを実現 ●生成AIやシミュレーション技術の活用 └ コード解析、テスト設計、仕様ドキュメント作成支援などへのAI応用 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS / GCP / Azure 開発言語:C/C++, Python, JavaScript, Shell Script 自動化・CI/CD:Jenkins, GitHub Actions コンテナ/仮想化:Docker, Kubernetes モデルベース開発/組込み関連:AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz PlatformなどのALMツール データ/AI活用環境:TensorFlow, PyTorch, Generative AI Tools ※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。

【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ● クラウド上でのソフトウェア開発プロセス基盤の設計・開発 └ CI/CD、テスト自動化、バージョン管理をクラウド上で統合・サービス化 ●プロセス革新の仕組みづくり └ クラウド基盤を活用し、プロセスの刷新や新規導入をシームレスに実現 ●クラウドと車載開発の橋渡し └ 組込み開発チームと連携し、クラウド基盤を活用した効率的な開発環境を提供 ●最新技術の導入・実装 └ 生成AI、コンテナ技術、マイクロサービスなどを取り入れた開発支援環境の構築 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS / GCP / Azure コンテナ/オーケストレーション:Docker, Kubernetes, OpenShift CI/CD・自動化:Jenkins, GitHub Actions, IaC/構成管理:Terraform, Ansible, CloudFormation モニタリング・可観測性:Prometheus, Grafana, Datadog 開発言語:Python, JavaScript, C++, Shell Script チーム開発ツール:GitHub / GitLab, JIRA, Confluence 車載連携領域(参考):AUTOSAR, PREEvision, Enterprise Architect, Doors, Jazz Platform等のALMツール

【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

【こんな方におすすめ】 ●生成AIや機械学習を使い、ソフトウェア開発の生産性向上・自動化に取り組みたい方 ●コーディング支援や品質検証の自動化など、AIを開発の中に組み込みたい方 ●クラウド/組込み/データなど多様な領域と連携し、大規模プロジェクトにAIを適用したい方 ●既存の開発手法を刷新し、Honda全体の開発プロセスを変革したい方 【業務委細】 SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

【具体的には】 ※ご経験/スキルに合わせ詳細業務を決定します 世界初レベルの自動運転・運転支援システム実現に向けて重要となる、コンピュータビジョン・機械学習モデルの設計・学習・評価・実装までを一貫して担っていただきます。エッジデバイス向けのモデル開発のみならず、ワールドモデル等の基盤モデル領域も含めた要素研究や学習手法の開発など、研究開発フェーズから「実車搭載・量産・運用」を見据えたモデル開発や学習手法の構築、評価がミッションです。 ・End-to-End (E2E) の自動運転/運転支援向けモデルの設計・実装 ・VLA/ワールドモデル等の自動運転・運転支援領域への応用研究・実装 ・機械学習モデルの学習に関するアルゴリズム開発 ・E2Eモデルのアプリケーション ・推論モデルを車両ECUへ適用するための最適化軽量化・高速化(Pruning, Quantization等) ※自動運転・運転支援の更なる革新のための各AI応用機能の研究開発業務、および、大学や国内外企業との共同研究開発の推進などをお任せ致します。 尚、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも発生する場合があります。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 Python, C++, PyTorch, TensorFlow, Docker, Kubernetes, AWS/GCP, Git/GitHub Enterprise 等

1.MLOps基盤の設計・構築(パイプライン自動化) データ収集、前処理、学習、評価、モデル変換、デプロイに至るEnd-to-EndのCI/CD/CT(Continuous Testing)パイプラインの構築 AIサービス開始後のAIの振る舞いを監視し、AIの性能向上にFBできるシステムの構築 AI独自のリスクに対する対応(AIガードレール等)を共通で提供する基盤の設計・構築 クラウド(AWS/GCP/Azure)とオンプレミスを組み合わせた、スケーラブルなGPU計算資源の管理・最適化 2.自動テスト・品質評価環境の構築 AIモデルの精度検証や、エッジケース(特殊な走行シーン)に対する自動シミュレーションテスト環境の整備 コードレビューの自動化や、静的・動的解析ツールの開発プロセスへの統合 ISO26262やその他車両関連法規を満たすソースコード、AIモデル、モデルデプロイ管理が自動化された開発環境の整備 【開発ツール】 ●プロジェクト管理: Azure Boards、Teams、MS Loop等 ●開発言語: Python、Java、TypeScript、HTML、CSS、Kotlin等 ●データベース:MySQL、Oracle等 ●使用ツール:ChatGPT、Gemini、BigQuery、TensorFlow、PyTorch、Tableau等 ●開発環境: Azure、GCP、AWS、Android Studio等

【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

【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。 SDV開発を支えるソフトウェア開発基盤のインフラ構築・運用を担当していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●クラウド環境(AWS, GCP, Azureなど)上での開発インフラの設計・構築・運用 ●CI/CD・テスト自動化基盤の設計・最適化(Jenkins, GitHub Actions等) ●Kubernetesやコンテナ技術を活用した高可用性システムの構築 ●モニタリング・可観測性(Observability)基盤の整備 ●セキュリティ/ガバナンスを考慮したマルチクラウド環境の運用設計 ●開発者の生産性を最大化するためのツールチェーン整備・自動化推進 ●プロセス刷新や新規導入プロジェクトに伴うインフラ設計・拡張提案 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS, GCP, Azure コンテナ/オーケストレーション:Docker, Kubernetes, OpenShift CI/CD:Jenkins, GitLab CI, ArgoCD, Spinnaker 監視・可観測性:Prometheus, Grafana, Datadog, ELK Stack 構成管理/IaC:Terraform, Ansible, CloudFormation 開発ツール:GitHub / GitLab, JIRA, Confluence, Python, Shell Script (連携領域):AUTOSAR, Enterprise Architect, PREEvision, Doors, Jazz Platform等のALMツール

1.MLOps基盤の設計・構築(パイプライン自動化) データ収集、前処理、学習、評価、モデル変換、デプロイに至るEnd-to-EndのCI/CD/CT(Continuous Testing)パイプラインの構築 AIサービス開始後のAIの振る舞いを監視し、AIの性能向上にFBできるシステムの構築 AI独自のリスクに対する対応(AIガードレール等)を共通で提供する基盤の設計・構築 クラウド(AWS/GCP/Azure)とオンプレミスを組み合わせた、スケーラブルなGPU計算資源の管理・最適化 2.自動テスト・品質評価環境の構築 AIモデルの精度検証や、エッジケース(特殊な走行シーン)に対する自動シミュレーションテスト環境の整備 コードレビューの自動化や、静的・動的解析ツールの開発プロセスへの統合 ISO26262やその他車両関連法規を満たすソースコード、AIモデル、モデルデプロイ管理が自動化された開発環境の整備 【開発ツール】 ●プロジェクト管理: Azure Boards、Teams、MS Loop等 ●開発言語: Python、Java、TypeScript、HTML、CSS、Kotlin等 ●データベース:MySQL、Oracle等 ●使用ツール:ChatGPT、Gemini、BigQuery、TensorFlow、PyTorch、Tableau等 ●開発環境: Azure、GCP、AWS、Android Studio等

【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

【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 【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

【ミッション】 ソフトバンクの基幹事業である移動体通信事業における、開通業務(新規/変更)を安定的に実行するためのシステムを提供し事業へ貢献する 【主な業務】 モバイル事業の大規模基幹システムに対するシステム開発 【具体的な業務】 店頭のショップシステム、オンラインショップ、My SoftBankなどのフロントシステムから受け取った注文情報を一元管理する注文管理システムにおける開発業務を担当いただきます。まずはご自身の開発・実装経験を生かして開発業務を担当いただき、将来的にはプロジェクト管理や上流工程へステップアップいただく想定です。 ・システム開発の各種工程の実行(要件定義～開発～リリース) ・生成AIを活用した開発の高度化・効率化の推進 ・生成AIを活用したコードやテストケースの作成 ・システム開発・維持/管理業務全般 ・関係部門との調整・折衝 【主な環境・技術スタック】 ・開発言語:Java ・フレームワーク:Spring Boot ・データベース:PostgreSQL、Apache Ignite ・環境構成:コンテナ技術を活用

【こんな方におすすめ】 ●製品開発の現場で、クラウドを使って開発効率化や新しい仕組みづくりをしてきた方 ●「クラウドで作ったものが、そのまま製品や車両機能の価値に直結する」環境に挑戦したい方 ●自動車開発という巨大なスケールで、クラウド技術の応用に挑みたい方 ●クラウド×車載という新しい開発領域で、自動車業界の常識を変える開発基盤づくりに携わりたい方 ●単なるインフラ整備ではなく、開発者体験(Developer Experience)を向上させる仕組み設計に興味のある方 【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ● クラウド上でのソフトウェア開発プロセス基盤の設計・開発 └ CI/CD、テスト自動化、バージョン管理をクラウド上で統合・サービス化 ●プロセス革新の仕組みづくり └ クラウド基盤を活用し、プロセスの刷新や新規導入をシームレスに実現 ●クラウドと車載開発の橋渡し └ 組込み開発チームと連携し、クラウド基盤を活用した効率的な開発環境を提供 ●最新技術の導入・実装 └ 生成AI、コンテナ技術、マイクロサービスなどを取り入れた開発支援環境の構築 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS / GCP / Azure コンテナ/オーケストレーション:Docker, Kubernetes, OpenShift CI/CD・自動化:Jenkins, GitHub Actions, IaC/構成管理:Terraform, Ansible, CloudFormation モニタリング・可観測性:Prometheus, Grafana, Datadog 開発言語:Python, JavaScript, C++, Shell Script チーム開発ツール:GitHub / GitLab, JIRA, Confluence 車載連携領域(参考):AUTOSAR, PREEvision, Enterprise Architect, Doors, Jazz Platform等のALMツール

【こんな方におすすめ】 ●生成AIや機械学習を使い、ソフトウェア開発の生産性向上・自動化に取り組みたい方 ●コーディング支援や品質検証の自動化など、AIを開発の中に組み込みたい方 ●クラウド/組込み/データなど多様な領域と連携し、大規模プロジェクトにAIを適用したい方 ●既存の開発手法を刷新し、Honda全体の開発プロセスを変革したい方 【業務委細】 SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

【業務委細】 SDVにおけるソフトウェアプロセス構築・ソフトウェア開発環境基盤構築を担っていただきます。 SDV開発を支えるソフトウェア開発基盤のインフラ構築・運用を担当していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●クラウド環境(AWS, GCP, Azureなど)上での開発インフラの設計・構築・運用 ●CI/CD・テスト自動化基盤の設計・最適化(Jenkins, GitHub Actions等) ●Kubernetesやコンテナ技術を活用した高可用性システムの構築 ●モニタリング・可観測性(Observability)基盤の整備 ●セキュリティ/ガバナンスを考慮したマルチクラウド環境の運用設計 ●開発者の生産性を最大化するためのツールチェーン整備・自動化推進 ●プロセス刷新や新規導入プロジェクトに伴うインフラ設計・拡張提案 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker , Jazz Platform クラウド基盤:AWS, GCP, Azure コンテナ/オーケストレーション:Docker, Kubernetes, OpenShift CI/CD:Jenkins, GitLab CI, ArgoCD, Spinnaker 監視・可観測性:Prometheus, Grafana, Datadog, ELK Stack 構成管理/IaC:Terraform, Ansible, CloudFormation 開発ツール:GitHub / GitLab, JIRA, Confluence, Python, Shell Script (連携領域):AUTOSAR, Enterprise Architect, PREEvision, Doors, Jazz Platform等のALMツール

【期待役割】 ・自動運転/先進安全システム開発におけるCI/CDパイプラインの設計・構築・運用リード ・クラウド技術やコンテナ技術を活用した、スケーラブルなビルド・テスト環境の実現 ・開発チーム(数100名規模)のDevOps文化醸成と開発プロセス効率化の推進 【具体的には】 CI/CDパイプラインのアーキテクチャ設計・構築 ソースコード管理からビルド、テスト(単体・結合・シミュレーション)、デプロイまでの自動化フローの構築 Jenkins, GitLab CI, GitHub Actions 等を用いたパイプラインの実装 シミュレーション環境のパイプライン統合 MILS/SILS等の仮想シミュレーションツールをCIパイプラインに組み込み、夜間ビルドやPRごとの自動検証を実現する仕組みづくり 開発インフラのクラウド化・IaC化 AWS/Azure等のパブリッククラウド上での計算リソース管理 Docker/Kubernetesを用いた実行環境のコンテナ化 Terraform/Ansible等によるインフラのコード化 ※自動車業界の経験は不問です。 「Webサービスのバックエンド開発でCI/CDを回していた」「大規模なクラウドインフラを構築していた」といった経験が、そのまま自動運転開発のスピードアップに直結します。 ※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・環境】 ●CI/CD・構成管理:Jenkins, GitLab, GitHub, Ansible, Terraform ●コンテナ・仮想化:Docker, Kubernetes ●クラウド:AWS, Azure, GCP ●OS:Linux (Ubuntu, CentOS等), Windows ●使用言語:Python, Groovy, Bash, Go, C++ 等 ●シミュレーション(入社後習得可):CarMaker, MATLAB/Simulink 等

SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

【具体的には】 次世代IVIシステムにおけるOS・ミドルウェア・BSP領域の開発リードを担当いただきます。単に動くものを作るだけでなく、製品としての「応答速度」「安定性」「拡張性」に責任を持ち、最高のユーザー体験(UX)を支える基盤を構築していただきます。 ●Android/Linuxプラットフォームの設計・実装(Kernel/Driver/HAL) ●SoCベンダー(Qualcomm等)提供のBSP適合およびカスタマイズ ●システムパフォーマンスの最適化(起動時間短縮、メモリ管理、省電力制御) ●AWS等を活用したCI/CD環境構築、自動テストパイプラインの運用・改善 ●新技術調査、アーキテクチャ刷新の提案、リファクタリング検討 ※担当領域に閉じこもらず、アプリ開発チームやハードウェア担当とも連携し、「どんなクルマを作りたいか」という視点を持って自律的に開発を推進していただきます。 ※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 【担当システム例】 Android Automotive OS基盤、Linux Kernel、Hypervisor、OTA(Over The Air)基盤、セキュリティモジュール、車載通信制御(CAN/Ethernetゲートウェイ) 【開発ツール】 ●構成管理ツール:Git(Gerrit, GitLab), SVN ●開発言語: C, C++, Python, Shell Script, (一部Java) ●インフラ: Amazon Web Service, Docker, Kubernetes ●開発手法: Agile (Scrum, Kanban) ●コミュニケーションツール: Slack ,Teams ●プロジェクト管理ツール: JIRA, Confluence等 ●その他: Jenkins, LAVA, Yocto Project

●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