単価70万円以上の案件一覧

案件概要
公共機関向け環境で、演算用サーバー、アプリケーションサーバー、データベースサーバーの構築・設定・試験・運用整備を担当。今後の負荷分散装置導入や負荷分散・冗長化にも対応する。
主なミッション
設計を実環境に落とし込み、構築・動作確認・障害調査・運用引き継ぎまで主体的に進める。
対象環境
オンプレミス環境／各種OS／演算用サーバー／アプリケーションサーバー／該当データベースを利用するDBサーバー／ネットワーク。
負荷分散装置は今後導入を検討。
主な業務
オンプレミス環境における各種サーバーおよびネットワークの構築・運用整備。
想定の成果物

• 詳細設計書、パラメータ定義書
• 構築・設定変更・切り戻し手順書
• 構築済み環境
• 構築・運用スクリプト
• 試験仕様書・結果、作業記録
• 監視・バックアップ・復旧設定資料
• 運用・引き継ぎ資料

– 該当OSの構築・設定・障害調査経験
– 設計書からパラメータ・手順を具体化し、構築した経験
– ネットワーク基礎知識（TCP/IP、DNS、ルーティング、ファイアウォール）
– OS・サービス・ミドルウェアのログ調査経験
– リソース状況に基づく問題の切り分け
– 構築後の動作試験、バックアップ・復旧確認経験
– 手順書、設定一覧、試験結果の作成

案件概要
公共機関向け環境で、認証基盤、AIモデル基盤、情報検索基盤、業務システムを支えるデータベースの設計・構築・運用・性能改善を担当。経験に応じて、インフラ対応、バッチ開発、検索機能改善にも携わる。
主なミッション
クエリ、インデックス、データベース設定の分析・調整を通じて、各システムの処理性能と安定性を向上させる。
対象環境
オンプレミス環境／各種OS
関連領域：認証基盤、AIモデル基盤、情報検索基盤、ベクトルデータベース、インデクサー、業務システム、一括処理。
主な業務

• データベースの設計・構築・設定変更・運用保守
• クエリ実行計画の分析、クエリ改修、インデックスの設計・見直し
• データベースパラメータ、接続数、リソース配分の調整
• メンテナンス処理、統計情報の保守設定の最適化
• 遅延処理、ロック競合、デッドロック、接続障害の調査
• オンライン・バッチの同時実行やシステム間の負荷干渉を考慮した性能改善
• 認証基盤、AIモデル基盤、情報検索基盤、業務システムのデータベースアクセス調査・改善
• 性能試験、改善前後の比較・効果検証
• 監視、アクセス権限、バックアップ・リストアの設計・運用
• 設計書、調査報告書、作業・運用手順書の作成
• 経験に応じて、OSの設定変更、リソース・通信調査、ネットワーク設定確認・変更
• 経験に応じて、データ連携・加工・集計バッチの設計・実装・改修、ジョブ管理、再実行・復旧処理の整備
• 経験に応じて、ベクトル検索・索引の調整、インデクサー・文書取り込み処理の改善
• 経験に応じて、データ分割、差分更新・削除反映、索引の整合性・閲覧権限対応、検索・再評価の改善と品質評価
  成果物の想定
• データベース設計書、パラメータ定義書
• 性能調査・改善報告書
• クエリ・インデックス改善一覧
• 試験仕様書・結果報告書
• 作業・運用・復旧手順書
• 担当範囲に応じて、バッチプログラム、評価資料

– 該当データベースの構築または運用経験
– 該当データベース／クエリの性能チューニング経験
– 実行計画分析ツール等による分析経験
– インデックス、統計情報、メンテナンス処理の知識
– トランザクション、ロック、接続管理の基礎知識
– 該当OSの基本操作・ログ調査
– 計測に基づく原因分析、改善・効果検証
– 文書作成、関係チームとの連携

将来的な事業成長に向けた主要プロジェクトとして、機器制御基盤とWebシステムをリアルタイム統合する共通フレームワークを新規設計・構築していただきます。
新規開発環境にて、フロントエンド/バックエンドの境界なくアーキテクチャ設計・共通部品化・実装・CI/CD構築・現場実機テストまでを一気通貫でリードしていただくポジションです。開発現場ではAI駆動開発ツールを活用しています。

• 現行業務・コード分析からの標準化・共通コンポーネント/ライブラリ基盤の設計・実装
• フロントエンド（Nuxt.js/Vue.js）およびバックエンド（Node.js/TypeScript）の開発・テスト
• CI/CDパイプライン（CI/CDツール）の構築・自動テスト環境整備
• スクラム開発体制でのスプリント推進および結合テスト・現場実機テスト対応
  ■開発環境・技術スタック
  言語・FW：TypeScript, Nuxt.js (Vue.js), Node.js
  インフラ・CI/CD：AWS/GCP/Azure等, CI/CDツール, コンテナ技術
  AI・開発手法：AI駆動開発ツール, アジャイル/スクラム
  コミュニケーション：Web会議ツール

– アジャイル／スクラム開発体制での開発・スプリント推進の経験
– AI駆動開発ツールの実務活用
– CI/CD環境の構築・運用経験
– フロントエンド（Nuxt.js / Vue.js / TypeScript）およびバックエンド（Node.js / TypeScript）の両面を区別なく、一人称で設計・実装・テストに取り組める方

■ 背景・目的
事業会社内における販売オペレーションの効率化を目的として、CRM/SFA基盤を中核とした大規模な業務システム刷新プロジェクトが進行中です。
本プロジェクトでは、既存の複数システムを統合し、業務プロセスの標準化・自動化を推進しています。
また、クラウド基盤への移行を前提に、データ2次活用などの検討も行っております。
■体制概要
全4チーム
開発チームと保守チームに分かれております。
現場環境は非常に安定しており、新しい知識や技術の習得にも前向きに取り組める方にとって相性の良い現場です
■開発手法・言語・技術スタック
手法： アジャイル開発（1週間スプリント）
言語・技術：

• CRM/SFA基盤
• Java（Webフレームワーク）/ JavaScript
• ローコード開発基盤
• クラウド型AIサービス・データ分析サービス（データ二次活用）
  業務効率化の一環としてデータ二次活用の検討も並行して進めており、
  クラウド環境のAIサービスやデータ分析サービスを活用したさらなる業務効率化にも取り組んでいます。

– アジャイル開発経験
– CRM/SFA基盤の開発経験
– Java（Webフレームワーク）/ JavaScriptを用いた開発経験
– ローコード開発基盤を用いた開発経験
– クラウド型AIサービス・データ分析サービスの利用経験

・事業部にて構築された試作品システムについて、本番展開に向けたクラウド環境（AWS/GCP/Azure等）への移行およびアプリケーションの継続的な機能拡張を行っていただくプロジェクトです。社内プロジェクト管理者配下にて、ユーザーからのフィードバックやご要望に基づく機能追加・改修の実務（フロントエンド・バックエンドAPI・DB実装）をご担当いただきます。
【業務内容】
・クラウド環境（AWS/GCP/Azure等）への実装・本番移行：
提供されるクラウド環境（AWS/GCP/Azure等）へのアプリケーション実装および本番移行作業
アプリケーションの機能拡張・追加開発
・ユーザーのご要望に基づく機能改修実務（画面開発、API開発、DB定義・実装）
・既存コードの理解・仕様確認：
既存システムのソースコード・ドキュメント（受領予定）の理解および既存ベンダー企業様への質疑応答（QA）対応
【開発環境・技術スタック】
・フロントエンド: React / Next.js
・バックエンド: Python / Node.js
・データベース: DB定義・実装
・インフラ / CI/CD等: クラウド環境（AWS/GCP/Azure等）, IaCツール, CI/CDツール, セキュリティポリシー

– React または Next.js を用いたフロントエンド開発の実務経験
– Python または Node.js を用いたバックエンドWeb API開発の実務経験
– データベース（DB）の定義・実装経験
– 既存ソースコードやシステム構成を理解・追従できる対応能力

映像制作事業を展開する企業における業務効率化プロジェクトにて、動画配信サービスをはじめとする映像関連システムを対象に、要件定義・設計などの上流工程からクラウド基盤構築までを一貫してご担当いただきます。

• 映像関連システムの顧客要件整理、要件定義、基本/詳細設計、構築
• クラウド環境（AWS/GCP/Azure等）・ストレージ基盤の検討・設計・構築
• 工数および費用の見積作成、導入に向けた各種技術検討
• 業務効率化推進に伴うシステム全体最適化・各種技術検証

– 要件定義～設計／構築までの一連の経験
– クラウド環境（AWS/GCP/Azure等）を利用したシステム環境の設計／構築経験
– 動画配信サービス、映像関連システム、または類似システムの経験

・外部金融機関接続基盤構築案件
・各拠点・支店の会計・経理システムと拠点ごとに異なる取引金融機関を連携する
・金融機関によって異なる連携仕様を吸収し、入出金照会や振込処理を行うにあたって会計・経理システム側が意識しなくて良い状態を実現する

– 主要金融機関の法人向けサーバー連携サービスの設計または実装経験
※詳細なサービス仕様等は後ほどお伝えいたします。

特定の事業展開企業において、内製化に向けた開発支援業務を行います。
現在外部協力会社へ業務委託している商談分析アプリについて、社内体制への移行を進めています。
社内担当者の体制整備までの期間、システム引き継ぎおよび各種開発対応を担っていただきます。
＜業務詳細＞
分析アプリのバックエンドおよびAI/データ分析基盤の協力会社からの引継ぎ、追加機能開発、ならびに社内メンバーへのナレッジ共有業務。

• 既存の分析基盤（AIモデル・データ処理基盤・バックエンド）のコード解析および挙動把握
• 協力会社が作成した各種分析モデル（音声解析、テキスト解析、データ分類等）のレビュー・評価
• 予定されている追加開発（分析精度の向上、新しい分析ロジックの追加、Web API構築等）
• 内製化に向けたシステム構成図・データフロー・環境構築手順・Web API仕様書等の整理・標準化
  共通業務：
  開発した追加機能および整理したドキュメントをベースに、社内メンバーへのレクチャー
  社内メンバーが自立して保守・運用・追加開発ができるよう、協働作業や質疑応答を通じたサポート

– Pythonを用いたWebアプリケーションおよびWeb APIの開発実務経験（3年以上）
– 機械学習・自然言語処理または音声解析を用いたプロダクトの開発・運用経験
– クラウド環境（AWS/GCP/Azure等）上での分析基盤・バックエンド構築・運用経験
– 既存のソースコードやシステムを迅速に理解し、仕様書・設計書にドキュメント化できる能力
– コミュニケーション能力
– モバイルアプリの開発知見

■業務内容
AI分野の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
•大規模データの前処理・品質評価
•探索的データ分析・可視化・仮説検証
•特徴量設計・データ表現の設計
•学習用データセットおよび評価用データセットの整備
2.機械学習 / 深層学習モデル開発
•機械学習モデルの設計・実装・評価
•ベースライン構築およびモデル改善
•表現学習 / 自己教師あり学習 / 基盤モデル開発
•GPU環境を用いたモデル学習・実験運用
•モデル性能評価、誤差分析、改善提案
3.大規模学習・開発基盤
•分散学習ジョブの設計・運用・最適化
•学習パイプライン / 開発基盤 / 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
•運用自動化 / 機械学習システム観点での改善
4.研究プロセス・チーム連携
•評価指標設計・ベンチマーク設計
•実験の再現性担保、ログ管理、ドキュメント化
•分析結果のドキュメント化・社内共有
•研究者・データサイエンティスト・エンジニアとの協働

– 以下1, 2のいずれかの領域において、「実装・最適化」の経験を有すること。
– 1.アーキテクチャ設計と事前学習の実務経験
– •各種モデルを用いた大規模モデルの設計・実装経験。
– •基盤モデルに基づき、大規模データ学習に必要な計算リソースを定量的で見積もる能力
– •一定規模のモデルにおける事前学習のハイパーパラメータ・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
– •各種ライブラリを、モデルの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GPU間の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
– •各種並列化技術の実装を通じた、単一GPUメモリに収まらないコンテキストの学習最適化

健康指標の向上や医療課題の解決に取り組む事業会社における研究開発を推進するため、データ分析・機械学習の実務を担当いただくデータアナリストを募集します。
参画後は業務を通じて、適性に応じてモデル開発 / データ基盤活用 / 運用自動化 など専門領域へスキルアップを図っていただきます。
■業務内容

• データの収集・整形・品質確認（欠損/外れ値/分布チェックなど）
• 探索的データ分析・可視化・仮説検証
• 機械学習モデルの作成・評価（ベースライン構築、改善提案）
• 特徴量設計、評価指標の設計、不備検知
• 分析結果のドキュメント化・社内共有（再現可能な形で）

– 定量的な研究分野（各種数理・自然科学領域等）における学習・研究経験
– 統計モデル・数理モデルを用いて、実データから仮説検証や現象のモデル化を行った経験（各種分析手法や機械学習等）
– PythonまたはRを用いたデータ解析経験
– 分析手法を単にライブラリとして利用するだけではなく、モデルの仮定・推定方法・評価指標を理解した上で適切な分析手法を選択できること
– データや研究課題に対して、仮説設定 → 分析設計 → モデル構築 → 結果解釈 → 追加検証の一連のプロセスを自ら進めた経験
– 分析結果について、統計的・科学的な観点から解釈し、次に必要な検証や改善案を言語化できること