AIエンジニアの案件一覧

【業務内容】：

• AIシステム開発における技術アーキテクチャ設計
• 複数プロジェクト横断での技術品質管理／実装方針策定
• 高難度のシステム連携・カスタマイズ開発のリード
• 生成AI・大型言語モデル特性を踏まえた技術選定
• 若手エンジニアへの技術サポート
• 複数プロジェクト並行対応（3～4プロジェクト、各1～2名体制）

【技術環境】：

• Python／JavaScript
• 生成AI／大型言語モデル
• API連携（外部システムとの統合）

– Python／JavaScriptでの開発実務経験
– 設計・技術リード経験
– 技術アーキテクチャ設計／技術選定の実務経験
– 生成AI／大型言語モデルを活用したシステム実装経験
– 日本語：ネイティブまたはビジネスレベル以上

➀顧客課題の発見・設計

• ステークホルダー（経営層〜現場担当者）との関係構築・調整
• 課題の構造化・仮説構築・ソリューション提案

➁業務フロー構築・PoCの高速実装

• 生成AI技術を活用した検証用システムの高速実装
• 既存クラウドサービスとの連携・データ統合
• フロントエンドからバックエンドに及ぶ実装対応

➂本番導入・伴走支援

• 本番導入の技術支援・運用設計
• セキュリティ・コンプライアンス要件への対応
• 導入後の利用定着支援・改善提案

➃製品フィードバック

• 現場の意見の製品開発チームへの還元
• 新規活用事例の発見・提案
• サービス改善に繋がるパターンの抽出・体系化

◆開発環境
言語：Python、TypeScript、各種JavaScriptライブラリ・フレームワーク
データ：DWH、RDBMS、各種データソース
インフラ：AWS/GCP/Azure等（コンテナ技術）、コンテナ仮想化ツール
AI：各種開発用フレームワーク
ツール：コミュニケーションツール、ドキュメント管理ツール、課題管理ツール、ソースコード管理ツール
AI開発支援：各種生成AI開発支援ツール
作業環境：各種PC（標準開発環境）、マルチモニタ対応

– ソフトウェアエンジニアとしての実務経験（3年以上）
– バックエンドおよびフロントエンドに渡る開発経験
– 生成AI技術を活用したアプリケーションの開発経験
– クラウド環境（AWS/GCP/Azure等）での開発・運用経験

業務改革支援担当が立案したテーマを実行するチームにて、検索拡張生成システム開発担当を募集しております。

■想定業務内容

• 業務改革支援起案テーマに紐づく検索拡張生成システムの企画・設計・実装
• 社内ドキュメント等のデータソース設計、取り込み、前処理（想定）
• ベクトルデータベースを用いた検索基盤の設計・実装・運用（要件）
• ナレッジ構造の取り込み/活用設計（要件）
• プロンプト/回答品質の設計、評価・改善（想定）
• チームリーダー、各種開発担当との連携

– 検索拡張生成システム構築の実務経験（設計〜実装〜評価）
– ベクトルデータベースを用いた設計・実装・運用経験
– ナレッジ構造の取り込み/活用（設計または実装）経験
– データソース設計/取り込み/前処理（ドキュメント、FAQ、業務データ等）の経験
– 検索品質（関連度）や回答品質の評価・改善の経験
– 関係者と連携して要件を詰め、実装に落とせるコミュニケーション力

業務改革支援担当が立案したテーマを実行するチームにて、生成AIシステム開発担当を募集しております。

■想定業務内容

• 業務改革支援起案テーマの実行に必要な生成AIシステムの設計・開発・改善
• 業務フローに組み込むシステムの要件定義/設計（想定）
• データ検索・抽出機能や外部ツール/データとの連携設計（想定）
• 検証（PoC）〜運用を見据えた品質/安全性/制御機能設計（想定）
• チームリーダー、各種開発担当との連携

– 生成AIシステムの設計・開発経験（要件整理〜実装〜改善）
– ツール連携/ワークフロー設計（業務タスクを分解して自動化に落とす力）
– 出力品質の評価・改善（失敗パターン分析、プロンプト/設計改善など）
– 関係者（業務側、インフラ・開発担当など）と連携して要件を具体化できる力

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

MLエンジニアとして、事業指標の改善に向けた業務を担当いただきます。
　

• 機械学習基盤の設計・構築（MLプラットフォーム活用）
• レコメンデーションアルゴリズムの選定・実装、運用フローの自動化など
• ビジネスサイドとの連携
  　
  ◆主な開発環境・ツール◆
• 言語: Python
• クラウド(サービス): AWS/GCP/Azure等（MLプラットフォーム・クラウドDWH・分散データベース・サーバーレス実行環境）
• 構成管理: IaCツール
• CI/CD: CI/CDツール
• コミュニケーションツール: チームチャットツール・ドキュメント共有ツール

– Webサービス企業/スタートアップ企業での業務経験
– レコメンデーションシステムの実務経験（2年以上）
– 大規模サービス(MAU数十万規模以上)でのML(機械学習)実装・運用経験
– AWS/GCP/Azure等でのML開発・運用経験
– ビジネス指標(CTR, CVR等)改善に向けたロードマップ策定・実行経験
– Webサービス企業またはスタートアップでの実務経験（2年以上）

• 学習データ作成のためのデータ収集および整備
• 機械学習モデルの学習および評価（学習結果の誤り分析を含む）
• 前処理／後処理を含めた、学習結果を改善する技術の検証および実装
• 機械学習を効果的に活用するための周辺技術開発
  　
  ■開発環境・ツール■
• 言語: C++、Python
• ツール: Linux、ソースコード管理ツール、ドキュメント共有ツール
• インフラ環境: AWS/GCP/Azure等、コンテナ技術

– Linux環境の使用経験（2年以上）
– スクリプト言語の使用経験（2年以上）
– 自然言語処理分野の修士号もしくは自然言語処理技術を用いた開発/運用における実務経験（1年以上）
– ビジネスレベルの日本語
– 分析を行える英語読解力

既存のシステムに対して機能を追加導入する案件です。
アプリ構築を中心にご支援いただくポジションを想定しています。

想定業務内容

• 機能導入に伴うアプリ設計・実装
• 既存システムへの機能追加に関する技術検討
• 顧客との仕様調整・折衝
• 説明資料、検討資料等の作成
• 必要に応じた課題整理、対応方針の検討

– アプリ構築経験
– Pythonでのコーディングスキル
– AI開発に関する知見
– 顧客折衝経験
– 説明資料、検討資料等の作成スキル

• 成長中の法律関連ITサービス運営企業における開発案件です。
• 生成AIや大規模言語モデルを活用したサービスにおける、新規機能の開発や既存機能の保守開発および改善などを担当いただきます。
• 新規機能のAPI実装やデプロイ、および既存システム内AIの保守運用や改善に携わっていただきます。

【技術環境】

• 関連技術：プログラミング言語、大規模言語モデルAPI、コンテナ技術、機械学習プラットフォーム
• 開発基盤：AWS/GCP/Azure等
• ツール：分散型バージョン管理システム、AI開発アシスタントツール、継続的インテグレーション・デリバリーツール
• グループウェア：グループウェア、ビジネスチャットツール
• プロジェクト管理/タスク管理：プロジェクト管理ツール、タスク管理ツール

– Pythonを用いたバックエンド開発の経験（3年以上）
– Rust、Go、TypeScript（Node.js）のいずれかを用いたバックエンド開発の経験
– AIやLLMを用いたWebサービス開発の経験