週4日の案件一覧

先進医療分野のブランドにおける、新設解析拠点向け業務管理システムの実装・開発をご担当いただきます。
開発リードが策定する要件・全体設計に基づき、検体受付から解析・結果返却までの業務プロセスのデジタル化・自動化を推進します。
【具体的な業務内容】

• システム機能の実装・カスタマイズ開発
  （受付、抽出、ライブラリ調製、レイアウト管理、品質チェック等の業務画面・ロジック開発）
• データモデルの構築とデータベース開発
  （データ構造、バッチ、処理単位、各種管理情報を担保するDB設計・実装）
• 外部機器・関連システム連携の実装
  （各種自動化機器向け連携プログラム・結果取り込み機能開発）
  （クラウド処理環境等の各種パイプライン自動起動用API/イベント連携実装）
• 品質保証・セキュリティ・監査機能の実装
  （監査ログ、アクセス権限制御、データ改ざん防止処理の実装）
• テスト・障害対応・保守運用
  （単体テスト、結合テスト、検証用テストスクリプト作成・実行、不具合修正、機能改善）

– Webアプリケーション開発経験（3年以上）
– Python, TypeScript, Go, Java 等の言語を用いたバックエンド/フルスタック開発経験
– RDB / NoSQL データベースの設計・運用経験
– 複雑なデータ構造の設計、SQLチューニング、ORMの利用経験
– REST API / gRPC 等を用いたシステム連携・マイクロサービス開発経験
– バージョン管理ツールを用いたチーム開発、CI/CD環境での開発経験
– クラウド環境（AWS/GCP/Azure等）上でのアプリケーション構築・デプロイ経験

分析企業に類する、生体試料から遺伝子情報を分析する自社解析拠点を新設します。
この拠点の立ち上げにあたり、検体受入から分析・結果提供までを支える管理システムを構築します。

◼︎役割概要
新設する解析拠点に導入する業務管理システムの要件定義・方式選定・設計・構築・導入をリードしていただきます。実験工程とデータ解析工程をつなぐ、拠点システムの中核ポジションです。品質保証や法的要件担当から受け取る規制・法務要件（確認履歴、利用権限、同意管理、匿名化等）を、システムの機能要件として設計に落とし込みます。双方の重要関係者を担っていただきます。

◼︎業務内容
・拠点業務の要件定義（検体受入 → 抽出 → 前処理 → 計測 → 品質確認 → 結果報告 → 保管/廃棄）
・データ解析工程（データ分離、解析値算出、品質確認取り込み、自動処理起動・結果連携）を含む要件定義
・システム方式選定（既存製品の修正導入 / オープンソース活用 / 新規開発）と理由提示
・検体管理・配置・処理単位を中心としたデータ構造設計
・計測機器・自動化機器・解析処理との連携設計および開発推進
・操作履歴・権限管理・変更履歴・データ整合性を前提とした設計
・現場・解析・基盤・法務の各担当との要件調整および橋渡し
・開発・導入の推進、内製運用・規制対応を見据えた展開計画策定

– 解析拠点向け業務管理システムの構築または導入をリードした経験
– 実験工程（抽出〜前処理〜計測）とデータ解析工程の両方を理解し、双方を接続した経験
– 検体追跡性、各種管理単位を含むデータ構造の設計経験
– 計測機器連携（処理指示作成、結果データの取り込み）の実装または設計経験
– クラウド環境（AWS/GCP/Azure等）を前提としたシステム設計の知見
– 関連部署を跨いだ要件定義・合意形成の推進力

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

AI×医療・バイオ領域における最先端の生成AI基盤モデル開発。
・1兆データポイントのエピゲノムデータを用いた言語モデルの設計およびフルスクラッチ事前学習
・GB200（複数ノード）を用いた大規模分散事前学習環境の構築・最適化
・数千万規模の超長尺コンテキストに対応するモデル構造（Mambaやコンテキスト並列等）の検討・実装
※分散学習時のメモリ・通信ボトルネックを自力で解決する挑戦的なR&Dポジションです。

– マルチノードGPU環境における大規模モデルの分散事前学習経験（または同等の知見）
– PyTorch、DeepSpeed、Megatron-LM等を用いた並列学習（テンソル/パイプライン/コンテキスト並列）の実装・最適化経験
– OOMや通信ボトルネック発生時、CUDAや通信レイヤーを含めて原因特定・解決できる高度なトラブルシューティング能力
– 超長尺コンテキストを扱う代替バックボーン（Mamba、状態空間モデル等）への強い関心とキャッチアップ力

大手エネルギー関連企業が内製で進めている「数理最適化（配船・燃料調達）アプリケーション」の開発プロジェクトです。
現在、主要な機能やコアロジックの開発は完了しており、実業務での運用に向けた環境整備、テスト、ドキュメント化、および今後の保守対応を担当いただきます。

■具体的な業務内容
・数理最適化システムにおけるテストコードの作成およびテスト環境の構築
・実運用に向けたソースコードのリファクタリング、デバッグ、各種設計書の作成・ドキュメント化
・社内のモデル設計担当者の指示に基づく、制約条件の追加やモデルの微修正
・実運用開始後のシステム保守、およびユーザー要望に応じた機能調整

＜アプリケーション開発環境＞

• 開発基盤: Dataiku（データ・AI分析プラットフォーム）
• 言語・フレームワーク: Python, Streamlit
• 数理最適化ソルバー: Gurobi Optimizer

– 数理分野の学歴またはバックグラウンド（数学、情報科学、統計学等）
– Pythonを用いた実務でのアプリケーション開発経験
– クラウド環境（AWS/GCP/Azure等）における一般的なWebシステムの開発・テスト経験
– GitHubを用いたソースコードの共同開発・管理経験
– 指示を正確に理解し、ドキュメント作成や細かな調整業務に素直に取り組めるマインド