Azureの案件一覧

データエンジニア / インフラエンジニア
専門性や強みに応じた業務を担当します。

概要：
横断的な組織として、事業部門と連携しながらデータ基盤の構築・運用を担当するチームです。
事業部門側に払い出すクラウドプロジェクトの管理を行い、事業部門のデータはオンプレミスサーバー上に存在します。
セキュアで信頼性が高く、自動化されたデータ基盤構築および共通基盤の実現を目指します。

構築対象の主要なサービス:
・共通

• アクセス制御
• クラウドストレージ
• RDBMS
• コンテナ実行環境
• サーバーレス処理
• コンテナリポジトリ
• ジョブスケジューラ
• メッセージング
• 仮想サーバー
• 秘密情報管理
• 監視ツール
• ログ管理

・データエンジニア

• DWH

・インフラエンジニア

• コンテナオーケストレーション
• セキュリティ管理
• ネットワークセキュリティ
• ネットワーク接続サービス

※AI開発支援ツールや自動化ツールがチーム内の共通ツールです。
拡張機能連携ツールやドキュメント管理ツール等が使用可能で、業務に必要な文章にアクセスできる環境です。
コード管理はCLIコマンド経由で利用可能です。

●クラウド環境（AWS/GCP/Azure等）の実務経験
・共通
– クラウドプロジェクト作成および適切なアクセス制御設定
– CI/CDを実践しての運用業務効率化
– CLIコマンドでのクラウド環境の操作
・データエンジニア
– DWHを用いてのデータ基盤の構築
– ワークフローエンジンを利用したパイプライン処理の構築
・インフラエンジニア
– コンテナ技術でのワークロード構築および継続的な運用改善経験
– セキュリティ境界設計および構築(参画後のキャッチアップも可)

●Infrastructure as Code (IaC)の実務経験
・クラウド環境のリソースを対象にしてのIaCツールでの構成管理経験
・コンテナ技術の実務経験

以下は職種に応じていずれかが必要
●データエンジニア
・データ基盤（DWH等）の概念の理解とDWHおよびクラウドストレージを利用しての構築・運用経験
・データ変換ツールを活用したデータパイプライン構築・運用経験
・オーケストレーションツールの構築経験
・各種データ転送・ワークフローツールの利用経験
・SQLの読み書き（特定DWH特有の構文に習熟していると尚可）

●インフラエンジニア
・コンテナ実行環境上でのワークロード運用経験（セキュリティやネットワークポリシー設計の理解）
・パッケージマネージャーを用いたアプリケーションのデプロイ・管理経験
・権限分離によるコンテナからリソースへのアクセス権限設計経験
・CI/CDパイプラインからのコンテナデプロイ自動化経験
・各種管理ツールを用いたトラブルシューティング経験

➀顧客課題の発見・設計

• ステークホルダー（経営層〜現場担当者）との関係構築・調整
• 課題の構造化・仮説構築・ソリューション提案

➁業務フロー構築・PoCの高速実装

• 生成AI技術を活用した検証用システムの高速実装
• 既存クラウドサービスとの連携・データ統合
• フロントエンドからバックエンドに及ぶ実装対応

➂本番導入・伴走支援

• 本番導入の技術支援・運用設計
• セキュリティ・コンプライアンス要件への対応
• 導入後の利用定着支援・改善提案

➃製品フィードバック

• 現場の意見の製品開発チームへの還元
• 新規活用事例の発見・提案
• サービス改善に繋がるパターンの抽出・体系化

◆開発環境
言語：Python、TypeScript、各種JavaScriptライブラリ・フレームワーク
データ：DWH、RDBMS、各種データソース
インフラ：AWS/GCP/Azure等（コンテナ技術）、コンテナ仮想化ツール
AI：各種開発用フレームワーク
ツール：コミュニケーションツール、ドキュメント管理ツール、課題管理ツール、ソースコード管理ツール
AI開発支援：各種生成AI開発支援ツール
作業環境：各種PC（標準開発環境）、マルチモニタ対応

– ソフトウェアエンジニアとしての実務経験（3年以上）
– バックエンドおよびフロントエンドに渡る開発経験
– 生成AI技術を活用したアプリケーションの開発経験
– クラウド環境（AWS/GCP/Azure等）での開発・運用経験

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。

– 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

大手総合商社における、生成AI（RAG等）を活用した意思決定支援・分析レポートシステムの開発を技術面から牽引するポジション。
・商社の事業部門との直接対話による要件定義および仕様の合意形成（超上流～上流）
・PythonやReact/Next.jsを用いたクラウドネイティブ環境でのアーキテクチャ設計およびスクラッチ開発リード
・開発メンバーへの技術指導、およびPython/React双方の高度なコードレビュー
・最新のAIツール・AIエージェント（Devin等）を活用した、次世代開発プロセスの構築・推進

■開発環境■
Python (FastAPI), TypeScript (React/Next.js/Vite), AWS, Google Cloud, Azure, Terraform, GitHub, Jira, アジャイル（スクラム）

– 技術的な意思決定とメンバーマネジメントを伴うプロジェクトのリード・完遂経験
– 顧客折衝を通じた要件定義、および複雑な業務要件のシステム化スキル
– 主要クラウド（AWS/GCP/Azure）上において、フロント・バック・インフラを独力で設計〜構築〜公開まで完結できるフルスタックな技術力
– PythonおよびReact双方における、品質・保守性・性能を考慮した精緻なコードレビュー経験
– 抽象的な要望を具体化し、複数のステークホルダーと円滑に調整できる高いビジネスコミュニケーション能力

最先端の技術スタックを用いて、大手クライアントのDXおよびデータ利活用を最上流からリードしていただくプロジェクトです。
クライアントの経営課題やKPIに基づき、データ基盤のアーキテクチャ設計からAIを活用したソリューション提案まで、大きな裁量を持ってアジリティ高く推進していただきます。

【具体的な業務内容】
・次世代データ基盤（エンタープライズデータレイク）の構築・利活用推進
・クラウド環境（Microsoft Fabric、Azure Databricks）を中心としたデータ基盤のアーキテクチャ設計
・分散処理フレームワーク（Spark）を用いた大規模なETLパイプラインの設計、およびデータインテグレーションの最適化
・生成AIを用いた業務高度化・自動化ソリューション（RAG / AIエージェント）の導入
・社内ナレッジの高度活用を目的とした、先進的なRAGシステム（GraphRAG等）やAI検索機能を駆使したシステムの要件定義および設計・開発

– クラウド環境（Microsoft Azure等）におけるデータ基盤またはAIシステムのアーキテクチャ設計・構築経験
– 該当データプラットフォーム（Microsoft Fabric等）を用いたデータエンジニアリングの実務経験（Spark上でのETL作成、データパイプライン構築など）
– Pythonを用いたデータ前処理、データモデリング、およびスクリプト開発の実績
– 生成AI / 大規模言語モデル（LLM）を活用したシステム（RAG、プロンプトエンジニアリング等）の設計・開発経験、および関連する主要フレームワーク（FastAPI等）の知見
– クライアントのビジネス課題を理解し、技術的な解決策をロジカルに提案できるITコンサルティングまたは上流工程の経験

大手エネルギー関連企業が内製で進めている「数理最適化（配船・燃料調達）アプリケーション」の開発プロジェクトです。
現在、主要な機能やコアロジックの開発は完了しており、実業務での運用に向けた環境整備、テスト、ドキュメント化、および今後の保守対応を担当いただきます。

■具体的な業務内容
・数理最適化システムにおけるテストコードの作成およびテスト環境の構築
・実運用に向けたソースコードのリファクタリング、デバッグ、各種設計書の作成・ドキュメント化
・社内のモデル設計担当者の指示に基づく、制約条件の追加やモデルの微修正
・実運用開始後のシステム保守、およびユーザー要望に応じた機能調整

＜アプリケーション開発環境＞

• 開発基盤: Dataiku（データ・AI分析プラットフォーム）
• 言語・フレームワーク: Python, Streamlit
• 数理最適化ソルバー: Gurobi Optimizer

– 数理分野の学歴またはバックグラウンド（数学、情報科学、統計学等）
– Pythonを用いた実務でのアプリケーション開発経験
– クラウド環境（AWS/GCP/Azure等）における一般的なWebシステムの開発・テスト経験
– GitHubを用いたソースコードの共同開発・管理経験
– 指示を正確に理解し、ドキュメント作成や細かな調整業務に素直に取り組めるマインド