単価100万円以上の案件一覧

お客様向け、および管理者向けアプリケーションのフロントエンド側バグ改修と単体テストをご担当頂きます。

お客様向けおよび管理者向けアプリケーションのバックエンド側バグ改修と単体テストご担当いだきます。

• AWSを活用したインフラ設計および構築
• Github ActionsやCodePipelineによるCI/CD業務
• システム監視および障害調査と対応
• セキュリティ対策と脆弱性対応

電気設計士の回路設計業務を自動化するプロジェクトにて、開発～実装までを行っていただける人材を募集しております。
案件開始の4月以降、PMに加えて作業ができる方を募集しております。（4月からは100%稼働）
今回AIで整形したい回路図は、実際の物理設計ではなく、人がレビューするためのものとなります。
機能や検討内容・検証結果をクライアントへ説明していただくこともございます。

【開発環境】
・インフラ：GCP、Azure、AWS
・言語：主にPython
・PC: Windows, Mac
・その他：Docker、GitHub

国内大手金融機関では、データ活用のために機械学習モデルの構築を行っています。
モデル構築のためのデータ基盤構築はすでに実施済みですが、機械学習モデルの継続的な最適化と
効率的な運用が課題となっており、機械学習エンジニアとして支援頂ける方を募集しています。

＜業務内容＞
・機械学習モデルの維持管理および最適化
・モデルのパフォーマンス監視と評価
・データの更新
・技術ドキュメンテーションの作成と更新

お客さまとの折衝やチームとしての作業が多いため、コミュニケーション能力の高い方を希望します。

銀行デジタル企画部生成AIを活用したPOC（テーマが10個くらい）を推進していくためのメンバーを探しております。
POC環境構築するメンバについてはすでに参画済みであることから環境構築ができるメンバというよりは、生成AI、アジャイルに知見がある人材が必要となります。

LLMを利用したシステム開発
LLMと社内データソースとの接続を可能にするためのインフラ構築
技術戦略および戦術の策定
開発に必要なリソースの設計と管理

Azure OpenAI Serviceを基盤としたセキュアなシステムの開発を進めております。このプロジェクトの技術責任者となるExecutive AIエンジニアを募集します。重要な役割を担うこのポジションでは、生成AIの開発に関する深い知識が求められ、技術戦略の策定から、リソース設計、チームビルディングに至るまで、開発プロセスの全体をリードしていただきます。

【概要】
・データ活用のために機械学習を利用してモデル構築を担当。
・モデルを構築するためのデータ基盤および基盤データを利用したモデルの構築は既に構築済み。
・直近ではモデルの継続的な最適化と効率的な運用を支援することが課題。

【業務内容】
・機械学習モデルの維持管理および最適化。
・モデルのパフォーマンス監視と評価。
・データの更新とモデルの再学習プロセスの実施。
・技術ドキュメンテーションの作成と更新。

現在自動車メーカーで、toCのコンタクトセンターで蓄積されているVoCデータへ、生成AIを活用するようなプロジェクトが検討されている。
手始めに本下期中に何らかPoC（研究開発）したいと考えている。
PoCしたい内容は、以下2点。
・VoCデータから要約文を生成
・VoCデータから、FAQを作成
※個人情報を多く含む生VoCデータをPoCへ使うは厳しいため、ダミーデータを顧客内で準備をする予定。

・生成AIおよびプロンプトエンジニアリングの経験（主にエンジニアとしての経験）

リアルタイムなデータパイプラインを構築するためのデータエンジニア業務と、
機械学習モデルをより素早く安定的にデプロイできるようなCI/CDパイプラインの構築、効率よくデータを捌くためのミドルウェア開発、インフラ構築などを行う、MLOpsエンジニア業務をおまかせします。
GCPデータ基盤とその活用案件、は既に多数存在するものの、さらなる拡充を狙った専門人材の募集となります。
IP(知的財産)ビジネスがドメインの事業会社において、全社へ大きな影響を与える分析部門にアサイン頂きます。

【業務スコープ】
分析官や機械学習エンジニアと連携しながら、速く安全に機械学習のサイクルを回せるML基盤の構築をお任せします。

[データエンジニア概要]
■データパイプライン(リアルタイム)の設計・実装

（具体的な職務）
・収集対象：ECサイト
・データ分析基盤の開発・運用
・データを収集するETL/ELTパイプラインの開発
・運用体制構築のためのルール・ドキュメント整備
・上記を継続的に利用するための、ソフトウェアのバージョンアップや周辺ツールの開発(運用)
・技術調査

[MLOpsエンジニア概要]
■ ビジネス課題と要求の整理（案件の要件定義をPMと行える=足りない情報が何かを定義し、自身で要求できる）
■ 機械学習ワークフローの設計/開発/運用
■ データ提供のためのAPI設計/開発/運用（アプリ開発側との連携）
■ 機械学習モデルをより素早く安定的にデプロイできるようなCI/CDパイプラインの構築
■効率よくデータを捌くためのミドルウェア開発、インフラ構築
■ ML基盤内へログデータを収集・蓄積・加工する、一連のデータパイプラインの設計/開発/運用

（具体的な職務）
■ ビジネス課題と要求の整理（案件の要件定義をPMと行える=足りない情報が何かを定義し、自身で要求できる）
■ 機械学習ワークフローの設計/開発/運用
■ データ提供のためのAPI設計/開発/運用（アプリ開発側との連携）
■ 機械学習モデルをより素早く安定的にデプロイできるようなCI/CDパイプラインの構築
■ 運用体制構築のためのルール・ドキュメント整備