東京都の案件一覧

• ネットワーク領域における移行およびネットワーク切替の実行支援
• 現行／新環境のネットワーク構成整理および移行方式の設計補助
• 回線／機器切替に伴う設定作業および影響範囲確認
• 切替手順に基づく作業実施およびリハーサル対応
• クラウド型電話交換機／IP電話／音声回線／複合機の設定・切替対応
• 拠点での現地対応（ネットワーク／音声機器／複合機の設置・動作確認）
• 関係者（インフラ担当／各種ベンダー／各拠点）との作業調整

●役割：

• ネットワークおよび音声領域における移行・切替作業を担い、
• 拠点インフラ（ネットワーク＋音声）の安定切替・業務継続に寄与する

●背景：
ネットワーク切替に加え、回線・音声を含む拠点インフラ全体の移行対応が必要となっているため

– ネットワーク構築／運用経験（L2／L3／ファイアウォール等）
– 音声系（電話交換機／IP電話／VoIP）の基礎知識または実務経験
– ネットワーク切替または回線切替の実務経験
– 拠点対応または現地作業経験

➀顧客課題の発見・設計

• ステークホルダー（経営層〜現場担当者）との関係構築・調整
• 課題の構造化・仮説構築・ソリューション提案

➁業務フロー構築・PoCの高速実装

• 生成AI技術を活用した検証用システムの高速実装
• 既存クラウドサービスとの連携・データ統合
• フロントエンドからバックエンドに及ぶ実装対応

➂本番導入・伴走支援

• 本番導入の技術支援・運用設計
• セキュリティ・コンプライアンス要件への対応
• 導入後の利用定着支援・改善提案

➃製品フィードバック

• 現場の意見の製品開発チームへの還元
• 新規活用事例の発見・提案
• サービス改善に繋がるパターンの抽出・体系化

◆開発環境
言語：Python、TypeScript、各種JavaScriptライブラリ・フレームワーク
データ：DWH、RDBMS、各種データソース
インフラ：AWS/GCP/Azure等（コンテナ技術）、コンテナ仮想化ツール
AI：各種開発用フレームワーク
ツール：コミュニケーションツール、ドキュメント管理ツール、課題管理ツール、ソースコード管理ツール
AI開発支援：各種生成AI開発支援ツール
作業環境：各種PC（標準開発環境）、マルチモニタ対応

– ソフトウェアエンジニアとしての実務経験（3年以上）
– バックエンドおよびフロントエンドに渡る開発経験
– 生成AI技術を活用したアプリケーションの開発経験
– クラウド環境（AWS/GCP/Azure等）での開発・運用経験

小売・流通企業向けのクラウドインフラ導入プロジェクトにおいて、インフラ/アーキテクチャの上流工程やシステム基盤の検討を担当いただきます。

【直近の作業】
・インフラ関連の検証計画作成や技術調査
・各種業務領域（連携処理、データ管理等）との課題管理、議事録作成、技術調査

【中長期的な作業(予定)】
・システムガイドライン等のルールの理解、および技術調査をもとにしたインフラ・アーキテクチャ方針・設計検討
・社内管理部署への問い合わせ対応、他チーム・開発ベンダーとの連携によるインフラ方針・テスト計画決定のサポート等

■開発環境■
AWS/GCP/Azure等のクラウド基盤、API連携基盤、ネットワーク環境、端末、各種アプリケーション

– 大規模・高信頼性システムにおけるインフラ/アーキテクチャ上流工程の経験
– クラウド移行や統合を前提としたシステム基盤（クラウド基盤、API連携、バッチ連携、イベント連携等）の検討経験
– 非機能要件定義（可用性、性能・拡張性、セキュリティ、バックアップ、業務継続性等）の経験
– マルチベンダー環境での調整および推進支援経験（責任分界や技術課題の整理・プロジェクト推進）
– クライアント環境での常駐実務経験（現場課題の吸い上げおよび施策反映）

マイクロサービス群における開発リード業務を担当

• プロダクト責任者から受領したタスクに対するシステム要件の具体化および開発担当者向けタスク整理
• 開発担当者の見積・設計・テストに対するレビュー
• 構成変更を伴う変更時における全体アーキテクトチームへの設計説明・合意形成
• リリース作業の指示および監督
• システム問い合わせの一次対応
• 障害・トラブル発生時の対応リード
  開発環境：マイクロサービスアーキテクチャ／アジャイル・スクラム

– プロダクト責任者や他チーム開発リードとの調整能力
– 英語および日本語でのコミュニケーション能力
– バックエンドWebサービス（管理画面を含む）の開発リード経験
– コンテナ環境におけるアプリケーション開発経験
– 自律的に業務を遂行できる推進力
– プロダクト責任者と開発チームの架け橋となり技術的リーダーシップを発揮できる方

大規模データ、大規模モデル、多数のアクセラレータクラスター環境を前提とした、次世代データ解析基盤モデルの事前学習・開発に携わっていただきます。
　
◇データ解析・研究開発
大規模データ・医療関連データの前処理、品質評価、データ分析、特徴量およびデータ表現設計、学習・評価データセットの整備
◇機械学習/深層学習モデル開発
深層学習アーキテクチャを用いた基盤モデルの設計・実装・評価、表現学習/自己教師あり学習、ハイパーパラメータ調整、モデル性能評価・改善
◇大規模学習・開発基盤
分散学習フレームワークを用いた分散学習ジョブの設計・運用・最適化、I/Oパイプライン高速化、コンテキスト学習最適化、MLOps/ML Systems構築
◇チーム連携
評価指標・ベンチマーク設計、実験ログ管理・ドキュメント化、研究者やデータサイエンティストとの協働

– アーキテクチャ設計と事前学習の実務経験
– 最新アーキテクチャを用いた大規模モデルの設計・実装経験
– 計算リソースの定量的見積もり能力
– 数十億〜数百億規模のパラメータモデルにおける事前学習のチューニングおよび学習安定化の経験
– 大規模分散学習のエンジニアリング
– 分散学習フレームワークのカスタマイズ・チューニング経験（モデル規模や帯域に合わせた最適化）
– マルチノード環境でのアクセラレータ間通信ボトルネック解消、大規模データに対する効率的なI/Oパイプライン設計経験
– シーケンス並列等の実装による学習最適化経験

MLエンジニアとして、事業指標の改善に向けた業務を担当いただきます。
　

• 機械学習基盤の設計・構築（MLプラットフォーム活用）
• レコメンデーションアルゴリズムの選定・実装、運用フローの自動化など
• ビジネスサイドとの連携
  　
  ◆主な開発環境・ツール◆
• 言語: Python
• クラウド(サービス): AWS/GCP/Azure等（MLプラットフォーム・クラウドDWH・分散データベース・サーバーレス実行環境）
• 構成管理: IaCツール
• CI/CD: CI/CDツール
• コミュニケーションツール: チームチャットツール・ドキュメント共有ツール

– Webサービス企業/スタートアップ企業での業務経験
– レコメンデーションシステムの実務経験（2年以上）
– 大規模サービス(MAU数十万規模以上)でのML(機械学習)実装・運用経験
– AWS/GCP/Azure等でのML開発・運用経験
– ビジネス指標(CTR, CVR等)改善に向けたロードマップ策定・実行経験
– Webサービス企業またはスタートアップでの実務経験（2年以上）

金融機関向けの業務システム（モバイルアプリや社内管理・審査機能システム）における、新規開発支援（設計・開発・テスト・サブリード・上級メンバー業務）をご担当いただきます。

要件定義（内容確認）から結合テストまで、関係者と調整・交渉しながらプロジェクトを推進いただきます。

本プロジェクトでは、システム構成や機能配置検討、DBモデル設計のほか、コード支援AIツール等のAI駆動開発を活用した開発効率の改善を実施しており、複雑なデータモデルや処理ロジックのパターン確認を目的としたソース解析やデータ構造把握作業なども行います。

– システム構成、機能配置検討・DBモデル設計の経験
– コード支援AIツール等の生成AIを用いた開発実務経験
– 顧客に業務ヒアリングしながら、設計書への落とし込みができ、AI駆動開発を推進できる方
– Java等のオブジェクト指向言語での設計開発経験があり、ソースレビューが可能な方
– 勤怠・健康面で問題のない方
– 現場メンバーと円滑に対話できるコミュニケーション力
– プロジェクトの文化に適応できる方
– プロジェクト完遂に向けた意欲・スタンスのある方
– キャッチアップ力・学習意欲のある方

創業期のスタートアップにおける、インフラ基盤の設計・運用保守業務です。一般ユーザー向けサービスと、データ解析を行うプロダクトの2つの基盤を並行して立ち上げるため、以下の業務を担当していただきます。
　

• 複数プラットフォームの統合管理基盤構築
• 医療・情報セキュリティ基準に準拠したセキュリティ基盤の確立
• データ処理フロー設計、およびコスト最適化とスケーラビリティの両立
• AWS/GCP/Azure等を中心としたクラウドインフラの設計・構築・運用・保守
• AIモデル運用のためのMLOpsパイプライン構築・改善
• IaCツールによる環境構築の自動化
• コンテナ技術ベースの運用管理
• 監視・ログ設計、アラート基盤構築等のSRE活動
• 高負荷処理が必要なAI向けHPC環境の運用

– クラウドインフラ（AWS/GCP/Azure等）の構築・運用経験（5年以上）
– MLOps（学習・推論・デプロイまでのパイプライン）構築・運用経験
– IaCツールの知見・運用経験
– コンテナ技術の知見・運用経験
– SREに関する知見（監視、障害対応、パフォーマンス改善等）