AWSの案件一覧

過去に募集したエンジニア、データサイエンティスト、マーケターの案件を中心に掲載しています。
非公開案件を多数保有していますので、ご希望のイメージに近い案件をクリックして無料サポートにお申込みください。
専門コンサルタントがヒアリングを通じて最適な案件をご提案いたします。
単価や稼働日数などの条件面についてもお気軽にご相談ください。

該当件数:1982

AWSの案件を探す

案件内容

創業期のスタートアップにおける、インフラ基盤の設計・運用保守業務です。一般ユーザー向けサービスと、データ解析を行うプロダクトの2つの基盤を並行して立ち上げるため、以下の業務を担当していただきます。
 

  • 複数プラットフォームの統合管理基盤構築
  • 医療・情報セキュリティ基準に準拠したセキュリティ基盤の確立
  • データ処理フロー設計、およびコスト最適化とスケーラビリティの両立
  • AWS/GCP/Azure等を中心としたクラウドインフラの設計・構築・運用・保守
  • AIモデル運用のためのMLOpsパイプライン構築・改善
  • IaCツールによる環境構築の自動化
  • コンテナ技術ベースの運用管理
  • 監視・ログ設計、アラート基盤構築等のSRE活動
  • 高負荷処理が必要なAI向けHPC環境の運用
必須スキル

– クラウドインフラ(AWS/GCP/Azure等)の構築・運用経験(5年以上)
– MLOps(学習・推論・デプロイまでのパイプライン)構築・運用経験
– IaCツールの知見・運用経験
– コンテナ技術の知見・運用経験
– SREに関する知見(監視、障害対応、パフォーマンス改善等)

案件内容

クライアントでは、グループ各社のデータを分析・意思決定に活用できる状態にするため、データウェアハウスを中心としたデータ基盤と、各種BI環境を運用しています。

現在、BI・ダッシュボード領域では、BI開発、既存BI資産の整理、ダッシュボード運用、権限管理、フォルダ構成、データマート整備などの対応が増えており、既存メンバーだけでは属人化・運用負荷が高くなっています。

そのため、BIダッシュボードの作成だけでなく、利用者の意思決定に耐えるデータ設計・可視化設計・運用設計まで一貫して支援できる方を募集します。
 
業務内容

  • 各種BIツールを用いたBIダッシュボードの設計・開発・改修
  • 既存BI資産の棚卸し、仕様整理、移行・統廃合方針の検討
  • クラウドDWH上のデータマート・集計テーブル・ビューの設計およびSQL実装
  • 分析官・データレイク担当者へのヒアリング、要件整理
  • 指標定義、集計粒度、フィルタ条件、閲覧権限、更新頻度などの整理
  • BIダッシュボードのフォルダ構成、命名、権限、運用ルールの整理
  • ダッシュボード利用者が自走できるためのドキュメント・運用手順の整備
  • 既存メンバーへの引き継ぎ、レビュー、ナレッジ化
  • 必要に応じたデータ品質・データ定義の確認、データレイク担当者との連携
必須スキル

– BIツールを用いたダッシュボード設計・開発経験
– SQLを用いたデータ抽出・集計・データマート作成経験(クラウドDWH上での開発経験を含む)
– 利用者へのヒアリングを通じて、曖昧な要望を指標・集計条件・画面構成に落とし込んだ経験
– ダッシュボードを「作って終わり」にせず、運用・保守・権限・仕様変更を意識した設計ができること
– 既存のテーブル・クエリ・ダッシュボードを読み解き、仕様や課題を整理できること

案件内容

セキュリティ基盤案件における提案・技術支援を担当いただけるクラウド技術者を募集します。自社メンバー2名との体制で提案を予定しており、本募集は技術スペシャリスト1名となります。
 
■業務内容

  • クラウド基盤を中心とした技術検討
  • セキュリティ基盤の構成・設計支援
  • 実現性検証(フィージビリティチェック)
  • 提案資料作成・見積支援
  • 技術観点での提案支援
必須スキル

– クラウド環境(AWS/GCP/Azure等)の設計・構築経験
– クラウド基盤を活用したアーキテクチャ設計経験
– 提案・要件検討フェーズでの技術支援経験

案件内容
  • セキュリティ管理プラットフォームに関する設計・開発・テスト(API開発、バッチ処理、BFF、フロントエンド開発等)
  • 国内向け統合セキュリティ管理プラットフォームにおける、対応領域や機能拡張に向けた開発推進
  • コード支援AIツール等の各種生成AIツールを積極的に活用した、最先端かつモダンな開発手法のキャッチアップおよび実践
    ※得意領域やご希望に合わせて詳細な担当業務を決定します。
必須スキル

– JavaまたはKotlinを用いたWebアプリケーションの開発経験(目安:5年程度~)
– Webアプリケーションフレームワークを利用した開発経験
– フロントエンドフレームワークを用いたSPA開発経験
– AWS/GCP/Azure等のクラウド環境での開発・利用経験
– アジャイル(スクラム)開発体制でのチーム開発経験

案件内容
  • 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
必須スキル

– 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

案件内容

商品情報管理システムを担当しているチームに参画いただき、バージョンアップやカスタマイズを含むシステム開発をご担当いただきます。
なお、該当システムは海外製品であるため、標準機能や製品仕様などのカスタマイズ制限を考慮しながら、最適な実装方法を検討・開発していただきます。

必須スキル

– 製造・物流・小売(EC含む)で商品管理関連のシステムに携わった経験、または、同業界にてパッケージ製品の保守運用に携わった経験
– コミュニケーション力(製品ベンダーやエンドユーザーとの調整経験があると尚可)
– 成果物、納品物におけるドキュメンテーション力

案件内容
  • 大手小売業向けの決済端末システム開発プロジェクト
  • クラウド環境で動作する決済システムの構築を担当
必須スキル

– ネットワーク(プライベート/パブリックサブネット、ネットワークアドレス変換/ブリッジなど)の知識
– AWS/GCP/Azure等のクラウドサービスを用いた開発経験
– コンテナオーケストレーションツールを前提としたマイクロサービスアプリケーションの開発または運用経験
– RDBMSの知識
– NoSQLの知識

案件内容
  • 自社サービス展開企業において、機械学習を牽引する役割としてご参画いただきます。
  • 要件定義や技術的意思決定の推進、機械学習基盤の設計・構築、機械学習を用いたプロダクト設計・開発などをご担当いただきます。

【技術環境】

  • 開発言語:プログラミング言語
  • インフラ:AWS/GCP/Azure等
  • 分析・モニタリング基盤:クラウド型データウェアハウス、BIツール
  • その他:アプリ分析ツール、コンテナ技術、分散型バージョン管理システム、IaCツール、ビジネスチャットツール、デザインツール、ドキュメント管理ツール
必須スキル

– 大規模なユーザー規模におけるレコメンドシステムの開発・運用経験
– 技術選定、要件定義などの上流工程の経験
– AWS/GCP/Azure等のクラウドサービスを用いた機械学習の経験

案件内容
  • コンテナ技術を用いたAPIサーバーのインフラ設計・構築
  • CI/CDツールを用いたパイプラインの構築と最適化
  • IaCツールによるインフラのコード化およびドキュメント整備
  • インフラ専任リードエンジニア(1名体制)としての技術的意思決定とチーム牽引

【具体的な業務内容】

  • 既存システムからモダンなAPIシステムへのリプレイスプロジェクトにおける、クラウド(AWS/GCP/Azure等)を利用したコンテナインフラおよびCI/CDパイプラインの構築
    ※アプリ開発およびRDBMSの構築・運用・チューニング等は対象外

【使用言語・ツールなど】
◆開発言語・FW:スクリプト言語、Webアプリケーションフレームワーク(最新版およびレガシー環境)
◆DB・インフラ:RDBMS、AWS/GCP/Azure等、コンテナ技術、ローカルコンテナ管理ツール
◆その他:分散型バージョン管理システム、CI/CDツール、コードエディタ

必須スキル

– AWS/GCP/Azure等のコンテナ環境におけるインフラ設計・構築・運用経験
– ネットワーク・セキュリティ・監視・アラートの適切な設計・構築スキル
– CI/CDツールおよびIaCツールを用いた開発自動化・コード化の実務経験
– 技術要件のドキュメント化およびチーム内での合意形成・意思決定能力

案件内容

AI×医療・バイオ領域における最先端の生成AI基盤モデル開発。
・1兆データポイントのエピゲノムデータを用いた言語モデルの設計およびフルスクラッチ事前学習
・GB200(複数ノード)を用いた大規模分散事前学習環境の構築・最適化
・数千万規模の超長尺コンテキストに対応するモデル構造(Mambaやコンテキスト並列等)の検討・実装
※分散学習時のメモリ・通信ボトルネックを自力で解決する挑戦的なR&Dポジションです。

必須スキル

– マルチノードGPU環境における大規模モデルの分散事前学習経験(または同等の知見)
– PyTorch、DeepSpeed、Megatron-LM等を用いた並列学習(テンソル/パイプライン/コンテキスト並列)の実装・最適化経験
– OOMや通信ボトルネック発生時、CUDAや通信レイヤーを含めて原因特定・解決できる高度なトラブルシューティング能力
– 超長尺コンテキストを扱う代替バックボーン(Mamba、状態空間モデル等)への強い関心とキャッチアップ力

検索結果1982件中11-20件