単価100万円以上の案件一覧

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

予約・決済・在庫・発券等、高トラフィック領域のシステム設計、開発、運用を主導。
大規模Webアプリ・APIのアーキテクチャ設計や技術選定、DDDを意識した設計、チームの生産性向上やメンタリングなど幅広く担当いただきます。

■開発環境■
Java8以上, Spring Boot, AWS, RDBMS, NoSQL, Git

・Java8以上およびSpring Bootでの開発経験3年以上
・大規模Webアプリケーションの開発実務経験5年以上
・技術的な意思決定やリードを行った経験
・RDBMSやNoSQLを用いたデータモデル設計・運用経験
・Gitを利用したチーム開発におけるコードレビューリード経験

建設業界向けプロダクト開発における、
M-LLMを用いたデータ構造家業務をお願いします。

◆主な開発環境・ツール◆
・言語：Python・Typescript
・FW /ライブラリ：React・Angular・Node.js
・クラウド：AWS・Azure
・ツール：GitHub・Slack・Claude・miro

建設業界向けプロダクト開発における、
データモデリングなどを中心にAIが活用できる構造化業務をお任せします。

◆主な開発環境・ツール◆
・言語：Python・Typescript
・クラウド：AWS
・ツール：Slack・Claude

・既存WebアプリケーションのAPIへのリプレイスおよび技術リード
・既存Webアプリケーションの仕様を紐解きながら、APIへのリプレイスをリードしていただきます。
・その中で、クリーンアーキテクチャやドメイン駆動設計（DDD）に基づいた
モデルの構築および実装、そしてチーム全体の技術力向上を担っていただきます。
・単なる実装に留まらず、品質と納期のバランスを見極めた
意思決定を主導していただくことを期待しています。

【アーキテクチャ・設計・チームのリード】
■ドメイン駆動設計（DDD）の実践と推進スキル
・境界づけられたコンテキストの設計ができる
・チームメンバーに対し、DDDの思想や実装パターンを教育し、
チーム全体の設計力を底上げできる能力がある
■クリーンアーキテクチャの思想を深く理解した実装スキル
・プロジェクト固有の層構造の意図を理解しつつ、より良い実装へ昇華できる
・チームメンバーに対し、クリーンアーキテクチャの思想や実装パターンを教育し、
チーム全体の設計力を底上げできる能力がある
■技術的意思決定と推進スキル
■プロジェクトマネジメントの補佐スキル
【実装】
■モダンPHP（8.4）/ Laravelを駆使したコーディングスキル
・モダンPHPの型システム、Enum、Readonly等を活用し、堅牢で自己文書化されたコードが書ける
・LaravelのService Container、Middleware、Eloquentなどの内部構造を理解し、
パフォーマンスと可読性を両立できる
■レガシーコード（PHP5.6 / CakePHP2 / FuelPHP1.8）の解析能力
■段階的かつ安全な移行戦略の実行スキル

・S/4標準プロセスとアドオン機能を対象とした機能テストの実施
・テストシナリオに基づくデータ準備、テスト実行、結果検証・不具合解析
・不具合対応および再テスト、顧客レビュー対応

【主な使用技術】
SAP（SD/MM）
ABAP

NIST CSF 2.0 準拠に向けた実務レベルでの伴走支援
実際の業務対応、会議への参加、ドキュメント作成、ロードマップ策定
将来的なグローバルへの展開・横展開を見据えた、英語でのコミュニケーションを含む支援

LLMを活用したプロダクトおよび業務基盤の設計・開発をリードしていただきます。
RAG、エージェント、評価・監視、プロンプトエンジニアリングに留まらず、システムの信頼性と継続的な改善サイクルを確立することがミッションです。

◾️具体的な業務内容
（1）LLM機能の設計・開発（要件定義〜運用）
・医療ドメイン知識を活用したRAGシステムの設計（Chunking戦略、ハイブリッド検索、Re-ranking等）
・自律型エージェントの設計（Tool/Function calling設計、状態管理、ガードレール実装）
（2）品質改善・評価基盤の構築
・プロンプト最適化、Few-shot学習、必要に応じたFine-tuning/LoRAの実施
・LLM評価基盤（LLM-as-a-Judge, Ragas等）の導入と、定量的な品質モニタリング体制の構築
（3）運用・監視・コスト最適化
・トークンコストの管理、レイテンシ改善、エラー解析
・ログ基盤の整備と、Human-in-the-loopによる改善サイクルの確立
（4）セキュリティ・安全性設計
・個人情報（PII）保護、プロンプトインジェクション対策、権限管理の設計

・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（EDA）・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、リーク検知
・分析結果のドキュメント化・社内共有（再現可能な形で）

・PythonまたはRでのデータ分析経験（Pandas / NumPy 等）
・機械学習の実務経験または同等スキル
（分類・回帰・時系列・異常検知などいずれか）
・実験・分析の結果を整理し、改善案まで言語化できること