小林担当の案件一覧

グローバル展開する大手エンタメ企業における、世界各国のリージョンを横断した「経営ダッシュボード」および「マーケティングモニタリング環境」の構築・改修プロジェクトです。
一般的なERP等の管理会計システムからデータを抽出するだけでなく、各海外法人が手作業で管理しているExcelデータや、各種SNSマーケティングデータといった、フォーマットや粒度の異なる様々なソースからデータを整理し、一元管理化・可視化していく業務を担います。
最初から要件を固めるのではなく、クライアント側と「可視化したい数値」についてクイックに対話・試作・すり合わせを繰り返しながら、アジャイル（段階的追加）に変革させていく進め方を採用しています。

– 該当BIツール（Power BI等）を用いたダッシュボード構築および改修の実務経験
– プログラミング言語（Python）またはデータベース操作言語（SQL）を用いたデータ処理フロー・パイプラインの構築・改修経験
– データマートの作成や、関数（DAX等）を用いたメジャー設計に関する知見
– フォーマット、粒度、期間がバラバラな散在するデータ（Excel、SNSデータ等の未整備データ）を整理・統合した実務経験
– 要件が不確実な状況下で、クライアントやメンバーと対話をしながら仕様をクイックに具体化していく柔軟なコミュニケーションスキル

大手小売チェーンのEC・実店舗データを活用し、商品の「需要予測」および「動的価格設定」の機械学習モデルを構築・改善するプロジェクトです。アルゴリズムの選定から実装、ビジネス層への効果説明までを主導していただきます。

• 大規模な購買履歴や販促データのデータ前処理および特徴量エンジニアリング
• 機械学習アルゴリズムを用いた需要予測モデルの設計、実装、評価
• 予測結果に基づく最適な値引き率や価格設定ロジックのモデリングとシミュレーション
• 本番環境へのモデル組み込みを見据えたパイプラインの設計支援
• 事業サイド向けの報告資料作成およびプレゼンテーション

– Pythonを用いた機械学習モデル（回帰、時系列予測等）の設計・開発・運用経験（3年以上）
– SQLを用いた大規模データの抽出・加工スキル
– 需要予測、価格最適化、レコメンデーションなど、小売・EC領域での実務経験
– 数理モデルのロジックや分析結果を、非エンジニアへ分かりやすく説明できる高いコミュニケーション能力

自社サービスを展開する企業において、各種クラウドサービスやプラットフォームを組み合わせて業務の自動化や新規サービス開発を推進していただきます。大規模システムの新規構築ではなく、既存ソリューションのカスタマイズや外部連携、軽量なWebアプリケーション開発を通じて迅速に課題を解決するポジションです。

主な業務内容

• ドキュメント管理ツールやコミュニケーションツール、自動化ツール等の各種SaaSの導入・初期設定・運用保守
• API連携による業務自動化スクリプトの構築およびデータ連携基盤の作成
• 特定プラットフォーム向けアプリ（LINEミニアプリ等）の設計、開発、および運用
• ブラウザ拡張機能（Chrome拡張等）や各種ツールのカスタムプラグイン開発
• ローコード・ノーコードツールを活用した素早いプロトタイプ（試作品）の開発
• 社内外における業務プロセスの可視化、改善提案、およびシステム実装による最適化

– JavaScriptまたはTypeScriptを用いたWebシステム開発の実務経験
– Webアプリケーションに関する基本的な仕組み（HTTPプロトコル、API、認証・認可等）の理解
– 外部サービスが提供するAPIを活用したシステム連携の開発経験
– バージョン管理システム（Git等）を用いたチーム開発の経験

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

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