クラウドの案件一覧

【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

• クラウド環境（AWS/GCP/Azure等）上に、プラントの分散データ（RDBMS・ファイル等）を統合する基盤をゼロから構築します
• 決まった仕様を作るのではなく、現場ヒアリングで要件を形にしていくフェーズから伴走いただきます
• 機能単位で設計〜実装〜テストまで一貫してお任せします
  ■ プロジェクト背景・目的
  現場の日報・分析値・在庫データが部署ごとに各種ファイルや基幹DBに分散しており、月次集計に多くの工数がかかっている。
  これらを統合基盤に集約し、BIツールなどで即時に確認できる状態にすると共に、AIなどのより高度な活用を見据えた基盤を整える。
  ■ 担当業務
  主担当（稼働の大半）
• クラウド環境（AWS/GCP/Azure等）上のデータ基盤／データマートの構築
• データ取り込み処理の実装（連携元：RDBMS／ファイル等）
• データマートからのファイル出力機能の実装
• BIツールでの可視化画面（レポート・ダッシュボード）の実装
  併せてお願いする業務
• 実ユーザーへの要件ヒアリング
• リリース作業、稼働後のモニタリングおよび課題対応
• 既存資料をベースにしたトレーニング資料の作成、ユーザーへのレクチャー支援
  進め方
  機能単位でアサイン → 現場担当者へのヒアリング → 設計 → 実装 → テストまで一貫して担当いただきます。
  週次の定例で進捗・課題をご自身から報告いただく形です。
  各種作業については支援ツールによる開発を進めます。
  ■ 技術環境
• クラウド：AWS/GCP/Azure等（分析サービス／RDBMS／サーバーレス実行環境／ストレージ／仮想マシン）
• データソース：RDBMS、各種ファイル
• BI：分析ツール
• 言語：SQL／Python
  ■ 体制・働き方
• 募集人数：1名
• 体制：PM1名／リーダー1名／開発メンバー3名(予定)
• 報告ライン：週次定例＋チャットツールで随時
• 稼働場所：原則リモート（在宅）。打合せはWeb会議
• 出張：東京都内または岐阜県内へ月1回程度／宿泊を伴う出張の可能性あり／出張費実費支給

– 指示された機能単位で、設計〜実装〜単体テストまで逐次フォローなしに完遂できること（システム開発またはデータ基盤構築の実務経験3年以上が目安）
– SQLでの中程度のデータ加工経験（複数テーブル結合／集計／ウィンドウ関数）
– 業務ユーザーへの直接ヒアリング経験（要件が固まっていない状態からの整理を含む）
– 進捗・課題を定例で自ら報告し、遅延やリスクを早期にエスカレーションできること

【業務概要】
製造事業者の業務効率化を支援する各種サービスを展開する企業にて、AI・機械学習エンジニアとして参画をしていただきます。
【募集背景】
画像・ドキュメント・各種属性情報などの様々な形式のデータを、AI・機械学習・検索技術によって横断的に扱い、ユーザーが必要な情報へより正確かつ素早くアクセスできる仕組みを強化すべく、画像・ドキュメントを中心とした検索・AIパイプラインを設計し、検証から本番環境まで一気通貫で実装できるエンジニアを募集します。
特定の技術や既存方式に縛られず、実データを使った仮説検証を高速に繰り返しながら、サービスとして成立する技術へ落とし込んでいただくポジションとなっております。
【業務内容】
特定業界のデータを活用した検索・AI機能について、技術検証から本番環境実装まで幅広く担当していただきます。

• 画像・ドキュメントを対象とした検索パイプラインの設計・実装
• ベクトルモデルを用いた検索手法の検証
• 画像解析 / 複合データモデルの評価・活用
• 画像・テキスト・構造化データを組み合わせた検索
• データ前処理・特徴抽出手法の検証
• 検索・モデル品質を継続的に評価する評価基盤の構築
• 検証で有効性を確認したアルゴリズムのAPI化・本番環境実装
• 推論速度・コスト・拡張性を考慮したシステム最適化
• 本番運用を通じた継続的な改善

– 機械学習エンジニア、またはAIエンジニアとしての実務経験（3年以上）
– Pythonを用いたシステム開発・実務経験（3年以上）
– Webアプリケーションのバックエンド（API）開発・運用経験

• 自社製品のモバイルアプリ設計/開発/運用のリード
• クロスプラットフォームフレームワークを用いたアプリにおける構造設計、状態管理、技術選定などの技術的意思決定
• 新機能および既存機能改善における、技術設計/実装/テスト/リリース
• 企画担当、デザイナー、サーバーサイドエンジニアと連携した、仕様検討およびユーザー体験の改善
• 自動テストやCI/CDを含む、開発/リリースプロセスの改善
• クラッシュ分析、監視、障害対応、性能改善を通じたアプリの安定運用

– Flutterを用いた開発経験（3年以上）
– 構造設計、技術選定、コードレビューなど、技術的な意思決定のリード経験
– 英語を用いた多国籍メンバーとのチーム開発経験

• 工場内の各種データの収集・統合・活用設計
• 生成AI技術を活用した業務支援機能の設計・開発
• 情報検索・ナレッジ活用基盤の構築
• 実装検証推進およびAI適合・改善サイクルの実行
• 内製ソリューション開発との連携
• 既存業務システム等とのデータ連携設計
• 知識構造化のためのデータ設計
• コンテナオーケストレーションを前提としたシステムアーキテクチャ設計

※提案工程からの参画歓迎
※複数検証を横断的に担当いただく想定

– 特定業界向けシステムまたはデータの取り扱い経験
– 生成AI技術を用いたシステム開発または試作検証経験
– データ基盤／データアーキテクチャ設計・構築経験
– 非構造化データの処理・活用経験
– クラウド環境（AWS/GCP/Azure等）での開発経験
– 試作検証をリードしつつ実装まで見据えられる技術力
– 現場関係者とのコミュニケーション能力