リモートの案件一覧

■業務概要
データ分析プラットフォームによる月次管理会計環境構築支援
大手企業における予実管理（月次PDCA）を手作業集計からデータ分析基盤を用いた自動集計に改善する
設計・開発工程はアジャイルで行うため、アジャイル経験必須。
サブリーダーと協力して要件定義内容の検証や設計・構築を行う。
■作業内容

• 既存の共通分析環境に、新たに月次管理会計用新環境を構築
• データソースは基幹システムやデータベースから既設ETL環境を経由して接続
• POSデータ等外部データや、表計算ソフトによる補正入力等もある
• フェーズ1はスキーマ処理されたデータをGoldまで格納
• 各種損益表、粗利表、製造原価、拡売費、月次PDCAを自動出力する
• フェーズ2でBIツールによるダッシュボード化を実施
  ■担当業務
• データ分析基盤構築（要件定義時の技術面での検証、設計・開発・テスト）
• Bronzeへの各種データ取込
• Silver、Goldの設計・構築
• 付属アプリケーションを用いた取込・承認の設計・構築
• 既存環境をサンプルとしたデータスキーマ化、データガバナンス機能の設計・構築（フェーズ2）
• Python／SQLによるデータ加工・検証
• SQL・ジョブ・データフローの調査／解析

– 一人称で構築、運用作業が実施できること
– 既存チームや構築チームとの会話が前提のため、コミュニケーションスキルが高いこと
– ETLおよびPySparkでの設計、開発経験
– PythonおよびWebアプリケーションフレームワークでのWebアプリ設計、開発経験
– データ分析基盤（Databricks等）の設計、開発経験

■業務概要
データ分析プラットフォームによる月次管理会計環境構築支援
大手企業における予実管理（月次PDCA）を手作業集計からデータ分析基盤を用いた自動集計に改善する
■役割（サブリーダー・要件定義フェーズより参画）
管理会計の上流要件定義は委託元リーダーが担当。サブリーダーはメダリオンアーキテクチャやスキーマを理解した上で、BronzeからGoldまでのデータ設計を実施。要件定義段階から委託元リーダーに伴走し、要件定義を共に作成する。方式・基盤設計やアプリ設計においても、担当するチームメンバーのファシリテーションや進捗管理を行う。
■作業内容

• 既存の共通分析環境に、新たに月次管理会計用新環境を構築
• データソースは基幹システムやデータベースから既設ETL環境を経由して接続
• POSデータ等外部データや、表計算ソフトによる補正入力等もある
• フェーズ1はスキーマ処理されたデータをGoldまで格納
• 各種損益表、粗利表、製造原価、拡売費、月次PDCAを自動出力する
• フェーズ2でBIツールによるダッシュボード化を実施
  ■担当業務
• データ分析基盤構築を前提とした要件定義作業の実施
• Bronzeへの各種データ取込
• Silver、Goldの設計・構築
• 付属アプリケーションを用いた取込・承認の設計・構築
• 既存環境をサンプルとしたデータスキーマ化、データガバナンス機能の設計・構築（フェーズ2）
• Python／SQLによるデータ加工・検証
• SQL・ジョブ・データフローの調査／解析

– 一人称で構築、運用作業が実施できること
– 既存チームや構築チームとの会話が前提のため、コミュニケーションスキルが高いこと
– ETLおよびPySparkでの設計、開発経験
– PythonおよびWebアプリケーションフレームワークでのWebアプリ設計、開発経験
– データ分析基盤（Databricks等）の設計、開発経験

顧客向けクラウドセキュリティ製品の展開設計支援

• クラウドセキュリティ製品の設計、構築、導入支援
• クラウド環境（AWS/GCP/Azure等）の設計、構築

– 業務内容に関連するご経験

日本のものづくりを支える中小製造業のデジタル化を支援するSaaS型サービスを展開する企業にて、AI・機械学習エンジニアとして参画いただきます。
【業務内容】
製造業データを活用した検索・AI機能について、技術検証からプロダクション実装まで幅広く担当いただきます。

• 画像・ドキュメントを対象とした検索パイプラインの設計・実装
• 埋め込みモデルを用いた検索手法の検証
• Vision / Multimodalモデルの評価・活用
• 画像・テキスト・構造化データを組み合わせた検索
• データ前処理・特徴抽出手法の検証
• 検索・モデル品質を継続的に評価する評価基盤の構築
• 技術検証で有効性を確認したアルゴリズムのWeb API化・プロダクション実装
• 推論速度・コスト・拡張性を考慮したシステム最適化
• 本番運用を通じた継続的な改善
  開発環境の傾向
• フロントエンド：TypeScript / 外部フレームワーク
• バックエンド：Webフレームワーク / スクリプト言語
• インフラ：AWS/GCP/Azure等（コンテナ実行環境, RDBMS, IaCツール）
• その他：ドキュメント管理ツール / コミュニケーションツール / デザインツール / GitHub

– ベクトル検索 / RAG / 画像検索 / レコメンドの実プロダクト実装経験
– Pythonを用いたAI・機械学習モデルの実装経験
– PyTorch等を用いたディープラーニングモデル（特に画像処理・コンピュータビジョン領域）の実装・評価経験
– 仮説検証（PoC）から精度評価、プロダクション環境（コンテナ技術/AWS/GCP/Azure等）へのWeb API化までを自律的に推進した経験

• 学習データ作成のためのコーパス収集および整備
• 機械学習モデルの学習および評価（学習結果の誤り分析を含む）
• 前処理／後処理を含めた、学習結果を改善する技術の検証および実装
• 機械学習を効果的に活用するための周辺技術開発
  開発環境の傾向
• 言語：C++、Python
• ツール：Linux、GitHub、ドキュメント管理ツール
• インフラ環境：AWS/GCP/Azure等、コンテナ技術

– Linux環境の使用経験（2年以上）
– スクリプト言語の使用経験（2年以上）
– 自然言語処理分野の修士号もしくは自然言語処理技術を用いた開発/運用における1年以上の実務経験
– ビジネスレベルの日本語
– 分析を行える英語読解力（TOEIC700点程度目安）

老朽化したオンプレミス環境の小売向け基幹システム（旧型フレームワーク）を、AWS/GCP/Azure等のクラウドを中心としたモダンな技術スタックへ刷新・移行するプロジェクトです。
フロントエンド、バックエンド、インフラ構築、監視・テスト設計に至るまで、全工程を推進・担当します。
【想定業務】

• 既存システムの解析・再構築
  旧型フレームワークベースの既存ソースコードおよび仕様の読み解き
  新システム（Java / アプリケーションフレームワーク等）への業務ロジックの再構築・移行（AIツールの活用可）
• フルスタック開発・設計
  フロントエンド（型定義スクリプト言語 / ライブラリ）、バックエンド（アプリケーションフレームワーク / バッチフレームワーク）の設計・実装
  クラウドインフラ環境の設計・構築（IaC活用）および SaaS型監視ツールによる監視設計・テストケース設計
• リード・タスク管理
  テックリードとしての技術選定・設計方針の策定
  開発メンバーのタスク・進捗管理および関係者との仕様確認・調整
  開発環境の傾向
• フロントエンド：型定義スクリプト言語 / フロントエンドUIライブラリ / 状態管理ライブラリ（SPA）
• バックエンド：Java / アプリケーションフレームワーク / バッチ処理フレームワーク
• インフラ：AWS/GCP/Azure等（コンテナ実行環境、イベント駆動型サービス、RDBMS、各種セキュリティ設定）
• IaC：IaCツール等
• 監視：SaaS型監視ツール

– テックリードとして、技術選定や設計方針の策定を担った経験
– 上記技術スタックを用いた、フロントエンド・バックエンド・インフラの一通りの開発経験
– 既存コードから仕様や業務ロジックを把握し、新システムへ再構築したモダナイゼーション開発の経験（AI活用・自身での解析いずれも可）
– IaCによる基盤構築、テストケース設計、監視設計など、移行に関わる一連の工程の経験
– 開発メンバーのタスク管理・進捗管理など、チームをまとめた経験
– 不明点を関係者に確認しながら、前向きに開発を進めていける方

AIを活用した新規事業の立ち上げにおいて、出題および採点基準の設計を担当いただくポジションです。
以下の一部または全てをお任せします。
■ フェーズ別の主な役割

• 初期設計フェーズ：能力構造の定義、出題・評価基準の設計、検証の実施
• 運用開始後：統計評価、自動採点と手動採点の一致率検証、基準の改訂
• 運用定着期：実施回ごとの品質管理、法人向け出力フォーマットの設計
  ■ 測定対象の設計
• 測定要素：能力構造・出題領域、領域ごとの要求水準、評価の階層設計
• 出題形式：実践的な課題設計、難易度調整、複数回実施に対応した出題管理
• 採点方法：成果物と作業プロセスの記録を対象とした評価軸・配点設定、自動採点可能な粒度への落とし込み
  ■ 評価精度と信頼性の確保
• 統計設計（項目分析、難易度／識別力の管理、スコア変換と段階評価の基準設定）
• 自動採点と手動採点の一致率検証および基準の修正
• 出題のセキュリティ管理、偏り・公平性の評価観点の整備
  ■ 設計の横展開・標準化
• 出題ガイドライン／作問マニュアルの作成
• 法人向け出力フォーマットの設計

– 資格試験・検定・適性検査・アセスメントのいずれかにおける、出題設計または採点基準設計の実務経験（3年以上）
– 心理測定・教育測定の基礎知識と実務適用経験
– 記述式・実技系（自由記述、パフォーマンス課題）に対する評価基準（ルーブリック）設計の経験

クラウド環境の標準構成テンプレートについて、設計から実装、検証までを担う。標準環境は要件定義書・基本設計書・IaCがテンプレート化されており、これを用いた品質の安定化と高速な環境提供が価値の中核となるが、既存のIaC資産は別クラウド前提であり、対象クラウド環境版は未整備の状態にある。設計方針に基づき、セキュリティ環境、共通機能セット、コンテナ基盤、CI/CDといった標準構成を該当クラウド上でIaCとして実装し、テンプレートの構造設計、モジュール分割、環境展開の検証、再利用に向けたドキュメント整備までを担当範囲とする。実装段階で判明した課題は設計担当へフィードバックし、標準構成の精度向上に貢献する。

– 該当クラウドに関する知見
– 該当クラウドを用いた基盤構築の実務経験
– IaCツールによるクラウド基盤の設計・実装経験

既存クラウド基盤前提で整備されている標準環境を、別クラウド環境へ横展開するための移行構想策定およびアーキテクチャ設計を担う。
標準環境は要件定義書・基本設計書・IaCテンプレートとして整備済みだが、移行先クラウド向けの知見・アセットは未整備の状態にある。既存クラウド版の設計資産を起点に移行先相当サービスへのマッピング方針を策定し、アーキテクチャ差分の洗い出し、実現可否の判断、移行に伴うリスク・制約事項の整理と対応方針の提示までを担当範囲とする。
並行して進むIaC実装ポジションに対しては、設計方針および標準構成を定義して展開する。移行先クラウドの知見者が確保できていない領域であり、技術的な意思決定を委ねられる立ち位置での推進を期待する。

– OCIに関する知見
– OCIを用いたエンタープライズ基盤のアーキテクチャ設計経験
– クラウド間のアーキテクチャ差分を評価し移行方針・リスク・制約を整理して提示できる能力

大手ITサービス企業の機械学習チームにおいて以下のような業務を担当いただきます。

• 与信モデルの開発・運用・改善
• 評価設計：オフライン指標だけでなく、重要なビジネスKPIやリスク指標、ユーザー体験を含めた評価設計
• 運用設計：モデル性能変化や不具合の検知から恒久対応まで含む、サービスレベル目標および運用設計
• モデル構築：データ分析、特徴量設計、テーブルデータ向けの機械学習モデルの設計・実装、推論／学習パイプライン整備、再現性担保、実験管理、モデルの品質保証を含む設計・実装
• プロダクト／ビジネス／法務／コンプライアンス等の関係者を巻き込んだ合意形成
• 次世代与信モデルの検討および開発 等

– PyTorchを用いた深層学習モデルの研究開発・実装経験（実務3年以上目安）
– PythonおよびSQLを用いたデータ処理・分析・特徴量設計の実務経験（2年以上）
– 実験管理ツールを用いた体系的なモデル評価・実験の経験
– チームメンバーや関係者との円滑な連携および技術的根拠を論理的に説明できるコミュニケーション力