単価90万円以上の案件一覧

本ポジションでは、研究者・技術者と連携しながら、生体情報領域における基盤モデル開発の主要メンバーとして、以下のようなテーマに取り組んでいただきます。

• 大規模生体データの解析・前処理・品質評価
• 機械学習 / 深層学習モデルの研究開発
• 生体分子・遺伝情報の特性を加味した基盤モデルの実装・評価・改善
• 分散学習基盤やML開発基盤の構築・最適化
  一般的なテキストや画像だけでなく、新規性の高い生体データ形式を対象に、研究開発から実装・運用まで一連の工程に関わるポジションです。
  このポジションの魅力
• 大規模データを活用した基盤モデル開発に取り組める
• 百億単位のパラメータ規模のモデル学習・改善に関われる
• 計算機クラスタを活用した分散学習・高速化に挑戦できる
• ライフサイエンス×AIという領域で研究開発できる
• 研究に留まらず、ヘルスケア応用まで見据えた開発に携われる
  業務内容
  AI × 生体情報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

• 大規模生体分子 / 医療データの前処理・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
• 基準モデル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
• 大規模データ入出力や再現性を考慮した研究開発フローの整備
• MLOps / 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・データアナリスト・技術者との協働

以下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
– アーキテクチャ設計と事前学習の実務経験（特定深層学習構造を用いた大規模モデルの設計・実装経験、スケーリング則に基づき学習に必要な計算リソースを定量的に見積もる能力、事前学習のパラメータ調整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をモデル規模やネットワーク帯域に合わせてチューニングした経験、複数ノード環境における計算資源間通信ボトルネックの解消および効率的なデータ入出力パイプラインの設計経験、並列化手法の実装を通じたメモリ制約下での学習最適化）

■ プロジェクト背景
大手IT企業にてAI駆動開発を進めるにあたり、生成AIが作成したプログラムの評価・検証工数がひっ迫している状況。社員からコード評価業務を引き継ぎ、伴走支援を行いAI駆動開発を定着化させたい。
■ 作業内容

• AIが生成したシステムのコードレビュー
• AI駆動開発の伴走支援

– システムコードレビューの経験
– AIを活用したコード生成およびコード精度向上の経験

大手エンターテインメント企業において、

• グループ会社のデータ基盤のインフラ整備とセキュリティ強化の実施
• グループ会社の事業部に関連するインフラ開発
  などを担当していただきます。
  単なる指示受けの作業にとどまらず、現場の業務フローや制約事項を踏まえた上で「そもそも何を実施・自動化すべきか」「どう仕組み化するか」の上流判断・改善提案を能動的に推進していただくポジションです。
  指示待ちではなく、背景や目的を汲み取って自発的に動ける方を求めています。
  【想定業務内容】
  〇プラットフォームエンジニアリング・改善提案（80%程度）
• クラウドインフラ基盤（AWS/GCP/Azure等）の整備・IaC化
• 業務プロセスの自動化・仕組み化における要件整理および可否判断
• セキュリティベストプラクティス（アクセス権限設計等）の現場環境に応じた調整・適用
• IaCツール等を用いたアカウント管理・アクセス権限管理の最適化
• 開発者向けドキュメント整備・技術調査
  〇情シス・基盤運用業務（20%程度）
• 各種ツールのアカウント管理・棚卸し
• マニュアル作成および運用フローの改善提案

– IaCツールでのインフラコード化およびCI/CDの経験
– スタートアップや環境が未整備な組織において、自ら課題を発見し、上流（方針策定・要件定義）から実装まで推進した経験
– 非エンジニアやビジネス側と折衝しつつ、実装方針を策定・業務フローを整備した経験
– 自身で課題を見つけ、周りのメンバーの協力を得つつ課題解決まで持っていけるコミュニケーション力
– クラウド基盤（データウェアハウス、クラウドストレージ、アクセス管理等）に関する知識・経験
– その他技術スタック：コード管理ツール、IaCツール
– 言語：SQL、Python
※できれば特定のクラウド基盤が良いが、他クラウドサービスでも可

■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

自社サービス展開企業にて、運用中のコンテンツや特定コンテンツで分析の需要が増えています。
事業部門の課題や背景をヒアリングにより整理し、施策実行や改善判断に向けた提案まで担当できる方を募集します。 既存体制の強化を目的に、分析担当リードと共にサービス拡大をビジネス視点で推進いただきます。
■ 業務内容

運用中コンテンツの分析、および担当者のサポートとして以下の分析支援・アドホック対応全般を幅広くご担当いただきます。（スキルやご経験に応じて調整）

• 事業部門（非技術職）への課題ヒアリングと要件整理・論点抽出
• 運用中サービスのKPIモニタリング・予実管理およびレポーティング
• 施策の効果検証とアドホック分析（イベント・提供施策・コラボレーション・ライブ施策など）
• 分析ディレクターの補助（分析の設計、分析フレームの作成支援、報告資料の作成など）
• 特定コンテンツの戦略分析の補助（データ取得、集計、分析）
• 事業部など関係者への報告と、改善策の提案
  ■ 業務の流れ
• 要件整理 ⇒ 分析設計 ⇒ データの抽出・加工 ⇒ 分析 ⇒ レポートと提案
  開発環境の傾向
• 分析基盤：分析向けDWH
• 言語：SQL、Python、R
• 分析環境：分析用ツール、分析向けDWH、表計算ソフト
• BIツール：BIツール

※高度な理論追求よりも、クライアントからの要請や現場課題に対して柔軟かつスピーディーに対応できる実務型の案件です。

– 非エンジニア等の関係者と円滑に対話し、背景や目的を把握できるコミュニケーションスキル
– データアナリスト / データサイエンティストとしての分析業務の経験（3年以上）
– DWH環境にて、SQLでのデータ抽出、加工が問題なくできる
– 指標管理、またはアドホック分析の経験
– 方向性を示されれば、論点を整理しながら自分で分析を進められる
– 単なる集計にとどまらず、事業視点での示唆や次の施策仮説を提示できるスキル

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

• 大規模ネットワークシステム構築プロジェクトにおける公共機関側個別ネットワークの移行業務
• ネットワークエンジニアとしての設計・構築・更改・切り替え作業全般
• 関係者との折衝およびプロジェクト推進・調整業務

– 大規模ネットワークインフラ案件での更改・切り替えの実務経験が豊富な方
– 関係者との折衝を含む、円滑なコミュニケーション能力
– 東京都内のオフィスへ常駐が可能な方

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