GCPの案件一覧

将来的な事業成長に向けた主要プロジェクトとして、機器制御基盤とWebシステムをリアルタイム統合する共通フレームワークを新規設計・構築していただきます。
新規開発環境にて、フロントエンド/バックエンドの境界なくアーキテクチャ設計・共通部品化・実装・CI/CD構築・現場実機テストまでを一気通貫でリードしていただくポジションです。開発現場ではAI駆動開発ツールを活用しています。

• 現行業務・コード分析からの標準化・共通コンポーネント/ライブラリ基盤の設計・実装
• フロントエンド（Nuxt.js/Vue.js）およびバックエンド（Node.js/TypeScript）の開発・テスト
• CI/CDパイプライン（CI/CDツール）の構築・自動テスト環境整備
• スクラム開発体制でのスプリント推進および結合テスト・現場実機テスト対応
  ■開発環境・技術スタック
  言語・FW：TypeScript, Nuxt.js (Vue.js), Node.js
  インフラ・CI/CD：AWS/GCP/Azure等, CI/CDツール, コンテナ技術
  AI・開発手法：AI駆動開発ツール, アジャイル/スクラム
  コミュニケーション：Web会議ツール

– アジャイル／スクラム開発体制での開発・スプリント推進の経験
– AI駆動開発ツールの実務活用
– CI/CD環境の構築・運用経験
– フロントエンド（Nuxt.js / Vue.js / TypeScript）およびバックエンド（Node.js / TypeScript）の両面を区別なく、一人称で設計・実装・テストに取り組める方

特定の事業展開企業において、内製化に向けた開発支援業務を行います。
現在外部協力会社へ業務委託している商談分析アプリについて、社内体制への移行を進めています。
社内担当者の体制整備までの期間、システム引き継ぎおよび各種開発対応を担っていただきます。
＜業務詳細＞
分析アプリのバックエンドおよびAI/データ分析基盤の協力会社からの引継ぎ、追加機能開発、ならびに社内メンバーへのナレッジ共有業務。

• 既存の分析基盤（AIモデル・データ処理基盤・バックエンド）のコード解析および挙動把握
• 協力会社が作成した各種分析モデル（音声解析、テキスト解析、データ分類等）のレビュー・評価
• 予定されている追加開発（分析精度の向上、新しい分析ロジックの追加、Web API構築等）
• 内製化に向けたシステム構成図・データフロー・環境構築手順・Web API仕様書等の整理・標準化
  共通業務：
  開発した追加機能および整理したドキュメントをベースに、社内メンバーへのレクチャー
  社内メンバーが自立して保守・運用・追加開発ができるよう、協働作業や質疑応答を通じたサポート

– Pythonを用いたWebアプリケーションおよびWeb APIの開発実務経験（3年以上）
– 機械学習・自然言語処理または音声解析を用いたプロダクトの開発・運用経験
– クラウド環境（AWS/GCP/Azure等）上での分析基盤・バックエンド構築・運用経験
– 既存のソースコードやシステムを迅速に理解し、仕様書・設計書にドキュメント化できる能力
– コミュニケーション能力
– モバイルアプリの開発知見

■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

《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

【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

動画配信事業における、外部プラットフォームのデータ取得バッチ基盤再構築およびデータモデル移行に携わっていただきます。
業務内容

• コンテナ管理基盤およびワークフロー制御ツールで稼働する外部API連携の分析データ収集バッチの運用・障害対応
• 分析ニーズに応じた新規バッチの設計・実装
• クラウド型データ倉庫内でのデータ加工・モデル整備

– クラウド環境（AWS/GCP/Azure等）の実務経験（データ倉庫 / オブジェクトストレージ / メッセージング機能 / コンテナ環境のうち複数）
– コンテナ管理基盤運用経験（ワークフロー制御ツール / 継続的デプロイメントツールは特に歓迎）