クラウドの案件一覧

■業務内容
AI分野の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
•ベースライン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I/Oや再現性を考慮した研究開発フローの整備
•運用自動化 / 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・データサイエンティスト・エンジニアとの協働

– 以下1, 2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。
– 1.アーキテクチャ設計と事前学習の実務経験
– •各種モデルを用いた大規模モデルの設計・実装経験。
– •基盤モデルに基づき、大規模データ学習に必要な計算リソースを定量的で見積もる能力
– •一定規模のモデルにおける事前学習のハイパーパラメータ・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
– •各種ライブラリを、モデルの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GPU間の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
– •各種並列化技術の実装を通じた、単一GPUメモリに収まらないコンテキストの学習最適化

技術部門内の複数ある事業に対して、新規立ち上げ支援や現状プロダクトの課題解決などを横断的に支援を行います。
一つのサービスだけじゃなく、様々なサービスと関わり事業をブーストするために動きます。
迅速なキャッチアップを求められますが横断的に事業に関わることで様々な開発環境に携わることができます。

• 新規立ち上げ、急拡大期、運用期など様々な事業フェーズでの課題解決
• アーキテクチャレビューや技術的課題の解決といった事業部支援
• 生産性向上とリスク軽減のためのモダン化をインフラ、アプリケーションの両面から推進
  業務環境
  技術部門、横断支援メンバー：4名
  ※横断活動をしているメンバーは、所属は異なるため面談内で詳細説明が出来ればと思います
  開発環境
  ■開発環境の一例
  PHP/Go
  Next.js
  RDBMS
  インメモリデータストア
  クラウド環境（AWS/GCP/Azure等）
  SaaS型監視ツール
  ※支援先によって様々な技術を利用しているためあくまでも一例となります

– 技術選定などの意志決定に関わった経験
– 曖昧な課題に対し、自分で問題を定義し（スコープ・成功条件・関係者）、解決策を設計・実行まで完遂した経験
– 新旧様々なシステムの理解とチームに素早くキャッチアップする力
– 課題設定力および関係者を巻き込みながら計画を遂行する実行力
– インフラからバックエンド、フロントエンドまでの広い実装経験
– コンテナ、CI/CD、マイクロサービス等のモダンな技術の経験
– RDBMSでのパフォーマンスを意識したコードを書くことができる
– サーバーサイドをTDD(テスト駆動設計)で書いたことがある
– 静的型付け言語での経験

金融機関のデータ分析基盤構築プロジェクトにおいて、構築担当のエンジニアを募集しております。
【役割】
データ分析基盤構築エンジニア

– データ連携要件の調整（顧客・外部接続先担当者とデータ項目/連携方式/更新タイミングの打ち合わせができること）
– インフラ/セキュリティ基礎（クラウド環境（AWS/GCP/Azure等）の基礎知識（アクセス管理、仮想ネットワーク、セキュリティグループ、機密情報管理、認証基盤/MFA/SAML/ディレクトリサービス連携））
– テスト・運用設計（結合/性能/障害テストの実施、および監視設計の経験）
– データ基盤構築（クラウド環境（AWS/GCP/Azure等）上でのデータレイク/クラウド型データ倉庫の設計・構築経験）
– データ統合/データ処理（オブジェクトストレージ、分散データ処理基盤、クラウド型データ倉庫、サーバーレス実行環境を用いた処理基盤の設計・開発）
– データ管理・ガバナンス（オープンテーブルフォーマット、アクセス制御・ガバナンス管理機能、データカタログ機能）の実務経験
– データ定義・品質、CSV等のファイル連携、スキーマ定義データ品質確認の経験
– 【SQL】データ抽出・集計・加工、SQLの性能チューニング経験
– 【Python】バッチ処理、データ統合、ファイル加工、運用ツール等の開発経験

【概要】
インフラ・SRE基盤の整備、可観測性の向上、IaC推進、バッチ・監視基盤の改善などをリードいただきます。
可視化、指標設計、アラート改善・自動化、障害対応プロセスの標準化、IaC推進、ミドルウェア設定見直し、開発チームからの問合せ対応および各種ドキュメント整備等を担当します。

– クラウド環境（AWS/GCP/Azure等）におけるインフラ設計/構築/運用経験（5年以上）
– ネットワーク、仮想サーバー、データベース、コンテナサービス、サーバーレス環境、監視サービス等の基盤構築・運用経験
– IaCツールを用いたコード管理経験
– 監視環境構築/運用経験
– 自律的な課題発見・改善推進力、技術的ファシリテーション能力

• 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（学習結果の不具合分析を含む）
• 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

– OS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力
– 分析を行える英語読解力

■具体的な業務

• スクリプト言語・Webフレームワーク・RDBMSによる、サーバー側、API、管理画面の開発。
• WebUIライブラリによる画面側追加開発。
• 詳細設計/製造/単体テスト。プロジェクトによっては保守・運用までを含む。
• スキルとプロジェクトによって基本設計、技術担当として顧客打ち合わせ同席の可能性あり。
  ■開発環境・使用技術など
• Ruby、Webフレームワーク、JavaScript、RDBMS/一部クラウド基盤
• インメモリキャッシュ、検索エンジン
• 非同期通信、認証技術、APIアーキテクチャ、サーバーレス構造など。
• 貸与端末にて開発作業

– Webフレームワーク（Ruby on Rails）の開発経験（3年以上）
– 顧客との仕様検討、要件検討などの折衝経験
– 一般消費者向けWebサービス開発経験（2年以上）
– データベース設計、詳細設計、テストケース設計などの経験
– 中期開発プロジェクト（4ヶ月～6ヶ月程度）の経験
– 開発を行うにあたって明確な方針を持っていること

– 4名以上の開発チーム、または複数職種が関わるプロダクト開発における技術リード相当の経験（2年以上）
– 技術選定、構造設計、設計方針決定、コードレビューを主導した経験
– 現在も主要機能の設計・実装・コードレビューを継続して担当している方
– TypeScriptを用いたUIライブラリ／Webフレームワークでの画面側設計・開発経験
– RDBMSにおける設計・運用・改善経験
– 生成AI／大規模言語モデルを活用したプロダクト、またはAI機能を組み込んだWebアプリケーションの開発経験
– 自社向け・業務向けプロダクト等で技術課題や不具合を恒久的な改善につなげた経験
– 日本国内在住かつ平日日中に月160時間程度フルコミット可能な方

【案件概要】
カスタマーサポート領域のAIプロダクトにおいて、サービスのコアとなる生成AI機能の設計・開発を担当いただく案件です。
大規模言語モデル連携、RAG、ベクトル検索、AIエージェント等を活用し、試作段階から本番プロダクトへの実装、品質評価・改善まで一気通貫で携わっていただきます。
AIの品質・速度・コストを意識しながら、プロダクトに直結するAI機能の改善を主体的に推進できる方を募集しています。
【業務内容】

• 大規模言語モデルAPIを活用したAI機能の設計・実装
• モデル選定、指示文最適化、品質評価
• RAG／AIエージェントの設計・実装
• ベクトルデータベースを用いたベクトル検索、インデキシング、検索精度改善
• 推論パイプラインの設計・最適化
• 品質評価基盤、A/Bテスト、自動評価メトリクスの実装
• AIソリューションの提案、技術検証、試作開発の主導
• FAQ、業務マニュアル、会話ログ等のデータ取得・分析・加工
  【備考】
• 開発環境：Python、TypeScript、フロントエンドフレームワーク、バックエンドフレームワーク、ORM、RDBMS、ベクトルデータベース、AWS/GCP/Azure等、IaCツール、CI/CDツール、SaaS型監視ツール
• 商用大規模言語モデルAPI等を活用
• AIの試作開発だけでなく、本番実装・品質改善まで携われるポジション

– 大規模言語モデルに関する知見
– データ分析の実務経験
– Webアプリケーション開発経験
– OS基礎、バージョン管理ツール、コンテナ技術、データベース等の基礎技術の理解・利用経験
– RAGまたはAIエージェントの設計・実装経験
– Pythonを用いた実務レベルの開発経験
– アルゴリズム、データ構造に関する実装能力
– 平日月160時間フルコミット可能な方

《具体的な業務内容》
制御領域のAIデータプロジェクトにおいて、幅広い業務を担っていただきます。
・技術検証プロジェクト：大手企業における技術検証等の受託プロジェクトを推進するR&Dプロジェクト
・関連プロダクト開発：自社開発プロダクトの制御機能の開発協力、オープンソースソフトウェアの機能強化・普及促進のための各種活動
【受託プロジェクト】
・例1）技術検証（要件定義/モデル開発/評価/レポーティング）
・プロジェクトの目的、使用する機器、タスク、評価基準など開発背景を理解し、プロジェクト管理担当と協力して要件定義を行う。
・収集したデータでAIモデルなどを学習し作成したモデルを使って評価を行う（実機およびシミュレーション）
・報告資料の作成およびクライアントへの報告を行う
・例2）制御系AI開発に関する技術コンサルティング
・AI開発におけるデータ作成やクライアント所有の機器を使った開発方針の助言、最先端のAI領域の技術調査
・シミュレーションデータの作成や活用方法について、社内R&Dの知見などを元に助言を行う
【R&D】

• AIモデルなどを用いて実機を制御するための実装
• さまざまな条件を比較し、どのようにモデルの性能向上を実現できるのか調査する
  【オープンソースソフトウェア活動】
  開発を進めているデータ収集アプリケーションの要件定義、開発
  【その他業務】
• 顧客提案活動における技術的支援
• イベントの出展や準備、情報発信用のコンテンツ制作などの技術広報活動
  ■仕事の醍醐味
  【物理制御 × AI の深い理解と実践的スキルの習得】
  AIモデルや基盤モデルといった最新技術を扱うだけでなく、データ設計から学習、実機制御までを一気通貫で手掛けます。
  【最先端技術を「実社会」へ応用する経験】
  R&Dで検証した最先端の論文技術やアルゴリズムを、実際の顧客プロジェクトに応用・実装します。
  【産業を支える大規模プロジェクトへの貢献】
  製造業や物流業など、産業基盤を支える大手企業のプロジェクトに参画します。
  【開発のリアルを開拓する面白さ】
  不確実性の高い中で仮説検証を繰り返し、自らの手で開発フローや成功パターンを作り上げていく現場経験が得られます。

– Pythonを用いた開発実務経験
– Linux環境での開発経験、およびバージョン管理ツールを用いたチーム開発経験
– コンテナ技術を用いた環境構築経験
– クラウド（AWS/GCP/Azure等）を活用した開発・運用経験

【プロジェクト概要】
すでに構築・検証が完了している生成AI・大規模言語モデルを活用した試作モデルを、実際の業務で活用するための本番運用環境への移行、事前検証、および必要な追加機能の拡張開発を一貫して担当するプロジェクトです。
アプリの主機能は、社内情報や引き継ぎ事項を一つのデータ領域に蓄積し、指示文に応じて迅速に検索・回答ができるRAGシステム（対話形式）を想定しています。
【チーム体制・環境】

• 体制：社内推進体制（情報システム部門など）と連携しながら、外部パートナーが作成した試作モデルを引き継ぎ、運用体制を詰めて開発を進めていただきます。
• 技術環境：
  クラウド：AWS/GCP/Azure等
  アプリケーション言語：Python（アプリ改修に使用）
  AI技術：大規模言語モデル、RAG（検索拡張生成）等
  【具体的な業務内容】
  ① 試作モデルの本番移行・実装
  他社が作成した既存の試作モデルをクラウド環境に載せ替え、本番環境で動作するよう構成を整えて実装します。
  Pythonで書かれたアプリケーションのソースコード回収・本番化対応。
  ② 事前運用と機能拡張
  モデルを本番環境へ載せた後、テスト運用として実際の業務で動作するか検証を行います。
  業務範囲や現場の追加要件に応じて、必要な機能拡張（応答精度向上、画面連携など）を定義し、追加開発を行います。

– Pythonを用いたWebアプリケーション開発・改修の実務経験
– クラウド環境（AWS/GCP/Azure等）上でのアプリケーション構築・運用経験
– 大規模言語モデル、RAG（検索拡張生成）などを活用したAIアプリ開発、指示文調整の実務知識または経験
– 指示された機能単位で、設計～実装～テストまで自律的に完遂できること