東京都の案件一覧

自社サービスを展開する企業において、各種クラウドサービスやプラットフォームを組み合わせて業務の自動化や新規サービス開発を推進していただきます。大規模システムの新規構築ではなく、既存ソリューションのカスタマイズや外部連携、軽量なWebアプリケーション開発を通じて迅速に課題を解決するポジションです。

主な業務内容

• ドキュメント管理ツールやコミュニケーションツール、自動化ツール等の各種SaaSの導入・初期設定・運用保守
• API連携による業務自動化スクリプトの構築およびデータ連携基盤の作成
• 特定プラットフォーム向けアプリ（LINEミニアプリ等）の設計、開発、および運用
• ブラウザ拡張機能（Chrome拡張等）や各種ツールのカスタムプラグイン開発
• ローコード・ノーコードツールを活用した素早いプロトタイプ（試作品）の開発
• 社内外における業務プロセスの可視化、改善提案、およびシステム実装による最適化

– JavaScriptまたはTypeScriptを用いたWebシステム開発の実務経験
– Webアプリケーションに関する基本的な仕組み（HTTPプロトコル、API、認証・認可等）の理解
– 外部サービスが提供するAPIを活用したシステム連携の開発経験
– バージョン管理システム（Git等）を用いたチーム開発の経験

小売業を展開する企業において、企業間電子商取引（BtoB EC）プラットフォームおよび電子請求書管理システムを導入するための設計・開発・設定業務をご担当いただきます。

主な業務内容

• 対象製品の仕様理解に基づくシステム最適な設定対応
• プラットフォーム導入に伴う要件定義および各種設計業務全般
• 既存システムとの連携を想定したデータ連携設計の推進

– 企業間取引（BtoB）プラットフォームに関する導入、システム設計、または設定対応の実務経験
– 電子請求書・請求管理システムに関する導入、システム設計、または設定対応の実務経験

大規模なユーザー基盤を持つ自社Webサービスにおいて、組織横断型のQAエンジニアとして品質管理体制の構築および継続的な品質改善業務を担当していただきます。

主な業務内容

• 開発チームにおけるテストプロセスの改善提案と実行
• テスト計画・設計・実行、およびテスト進捗の管理
• エンジニアが実施するテスト内容のレビューおよびフィードバック
• プロダクト要求仕様の整理および受け入れ条件（AC）の明確化
• 障害発生時の要因分析および再発防止策・改善施策の検討
• 業務効率化のためのQA補助ツールの開発
• ブラウザ自動化ツール（Playwright等）を用いたWeb向けE2Eテスト環境の構築と運用
• モバイルアプリ向け自動化ツールを用いたE2Eテストの運用
• CI/CDツール（GitHub Actions等）を活用したテスト自動実行の連携
• インシデント発生時の対応フローの運用および改善
• 開発組織全体へのQA意識・文化の啓蒙と浸透
• プロダクトマネージャー、開発エンジニア、デザイナー等と連携した多角的な品質向上活動

– 汎用的なブラウザ自動化ツール（Playwright等）を用いたテスト設計、スクリプト作成、および運用における実務経験3年以上

自社プロダクトを展開する企業において、プロダクトセキュリティの専任担当として技術責任者（CTO）や開発チームと密に連携し、以下の業務を牽引していただきます。

ガバナンスおよび方針策定

• セキュリティ方針の策定と推進（セキュリティポリシー策定、ロードマップ作成、外部チェックシートへの対応）

設計・実装支援

• プロダクト開発におけるセキュリティ設計・実装支援（脅威モデリングの実施、先端AI技術特有のセキュリティ対策、認証・認可に関する設計レビュー）

脆弱性管理・DevSecOps推進

• 脆弱性管理およびDevSecOpsの推進（脆弱性診断の実施、CI/CDパイプラインへの自動セキュリティスキャンの組み込み、依存ライブラリの管理）

インシデント対応・啓蒙活動

• インシデント対応体制の構築（対応フローの策定、ログ監視・アラートの設計、再発防止策の立案）
• 社内へのセキュリティ知識の普及（セキュアコーディングの啓蒙、勉強会の開催、ナレッジベースの構築）

◆技術環境
フロントエンド: Next.js、Chrome Extension
バックエンド: TypeScript/Hono/Drizzle、Python
データベース: PostgreSQL、Qdrant（ベクトルDB）
インフラ: AWS、Terraform
CI/CD: GitHub Actions
監視: Datadog
AI: OpenAI/Anthropic API 等

– Webアプリケーションセキュリティに関する実務経験3年以上（脆弱性診断、セキュアコードレビュー、脅威モデリングのいずれかの経験）
– 大規模言語モデル（LLM）等の先端AI技術を活用したプロダクトにおけるセキュリティの実務経験、または深い知見（入力値制限対策、出力フィルタリング、マルチテナント環境におけるデータ分離設計など）
– 主義的なクラウドインフラ環境におけるセキュリティ設計および運用の実務経験

サービスを展開する企業において、業務管理に関わる基幹システムの刷新プロジェクトが進行中です。プロジェクト内の入出金管理チームに所属し、上流工程での決定事項をもとに、開発ベンダーへの橋渡し役として業務を推進していただきます。

主な業務内容

• 上流工程で策定された要件や論点をインプットとした基本設計書の作成
• 開発担当ベンダーに対する詳細要件の伝達およびブリッジ業務
• 複数名のブリッジメンバーと連携し、スピード感と当事者意識を持ったプロジェクトの推進
• 周辺メンバーの進捗サポートや課題解決への支援

– Javaを用いたシステム開発の実務経験
– 一連のシステム開発ライフサイクルにおけるプロセスおよび標準的なフローへの理解と経験
– 基本設計書および詳細設計書といった各種設計ドキュメントの作成経験
– スクラッチシステム開発における複数年の実務経験
– 自発的に周囲の関係者を巻き込み、課題解決に向けて主体的に行動できるスキル

製造業を展開する企業において、基幹システムの刷新に向けた要件整理およびプロジェクトの立ち上げ準備が進行しています。生産管理・調達・原価管理の各領域を対象に、業務特化型パッケージシステムを導入するための要件定義業務をご担当いただきます。

主な業務内容

• 生産計画、調達、原価管理領域における現行業務のヒアリングと課題抽出
• 統合型パッケージシステム（SCM/ERP）を導入するためのシステム要件定義
• 顧客・関係各所との合意形成および導入準備に向けたドキュメント作成

– 特定のサプライチェーン管理（SCM）または基幹パッケージシステムに関する導入プロジェクトへの参画経験

• 専門金融機関における法人向け決済・預金管理システムのクラウド環境（AWS/GCP/Azure等）移行プロジェクト
• システム移行に伴う要件定義、設計、構築、テストからリリースに至るまでの一連の工程の遂行

– クラウド環境を用いたシステム開発における上流工程（要件定義および基本設計・詳細設計）の実務経験
– 多角的な関係者と円滑に連携できる高いコミュニケーション能力、および自発的に業務を推進できる能動的な姿勢

企業間取引（BtoB）を最適化するWebプラットフォームの新規機能開発および既存システムの改善を担当いただきます。

• 大規模言語モデル（LLM）を活用した先進機能の設計・実装および精度改善
• 外部データソースの調査、およびシステム連携のためのデータ収集・前処理加工
• 堅牢かつ拡張性の高いWebAPIの設計・開発

– Python（FastAPI、Flask等の軽量フレームワーク）を用いたWebアプリケーション開発実務経験（3年以上目安）
– Pythonを活用した構造化・非構造化データの収集およびデータ加工処理の実務経験
– 大規模言語モデル（LLM）の各種APIやライブラリを組み込んだパイプラインの設計・構築経験
– 基本設計、詳細設計から実装・テストまでの一連の工程を一人称で完結できる業務経験

• クラウド環境（AWS）における基本設計フェーズ以降のインフラ構築対応を、単独かつ主導的に担当

– クラウドインフラ（AWS）における、基本設計から環境構築・パラメーターシート作成までの一連の工程を一人称で遂行できる実務経験

AI技術を用いた先端科学・医療分野のデータ研究開発プロジェクトにおいて、以下の業務を担当します。

1. データ解析・研究開発

• 大規模な専門データ・医療情報の前処理、品質評価、探索的データ分析（EDA）、可視化、および仮説検証
• 特徴量設計、データ表現の最適化、学習・評価用データセットの整備

1. 機械学習 / 深層学習モデル開発

• 深層学習モデルの設計・実装・評価、およびベースライン構築と継続的改善
• 表現学習、自己教師あり学習、またはドメイン特化型基盤モデルの開発
• アクセラレータ（GPU等）環境を用いたモデル学習・実験運用、性能評価、および誤差分析

1. 大規模学習・開発基盤

• 分散学習ジョブの設計・運用・最適化、および学習パイプライン・実験管理基盤の構築
• 大規模データI/Oや再現性を考慮した研究開発フローの整備、およびMLOpsの推進

1. 研究プロセス・チーム連携

• 評価指標・ベンチマークの設計、実験の再現性担保、ログ管理、およびドキュメント化
• 各分野の研究者、データサイエンティスト、エンジニアとの緊密な協働

以下1、2のいずれかの領域において、「実装および最適化」の実務経験を有すること。
1. アーキテクチャ設計と事前学習の実務経験
– Transformerベースのモデル、または最新の動的状態空間モデル（SSM等）を用いた大規模モデルの設計・実装経験
– 基盤モデルの拡張則（Scaling Laws）に基づき、数千億〜兆規模のトークン学習に必要な計算リソースを定量的に見積もる能力
– 数十億〜数百億パラメータ規模の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
2. 大規模分散学習のエンジニアリング
– 主要な分散学習ライブラリ（PyTorch FSDPやDeepSpeed等）を、モデル規模やネットワーク帯域に合わせてカスタマイズ・チューニングした経験
– マルチノード環境における通信ボトルネックの解消、および大規模データに対する効率的なI/Oパイプラインの設計経験
– シーケンス並列（Sequence Parallelism）等の実装を通じた、単一メモリに収まらないコンテキスト長に対する学習最適化経験