Gitの案件一覧

特定業界の企業にて、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、クラウド型データ倉庫を中心としたデータ基盤と、各種BIツール等の分析環境を運用しています。
現在、分析・ダッシュボード領域では、BI開発、既存分析資産の整理、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加しており、既存メンバーのみでは運用の負担が高くなっている状況です。
本ポジションでは、各事業部の担当者と連携し、ビジネス課題の解決に繋がるダッシュボード構築・運用設計・データマート整備を一貫して担っていただきます。
現場担当者との対話やヒアリングを通じてニーズを汲み取り、意思決定に耐えうる可視化設計・迅速なダッシュボード構築を推進していただける方を募集します。
■ 主な業務内容
●要件整理・ヒアリング:

• 各事業部の課題感をヒアリングし、指標定義・集計条件・可視化画面構成へ落とし込み
  ●BIダッシュボード設計・開発・運用:
• 各種BIツールを用いたモニタリング環境・レポート構築
• フォルダ構成、命名規則、閲覧権限、更新頻度等の運用ルール・ドキュメント整備
  ●データマート設計・データ整備:
• クラウド型データ倉庫上のデータマート・集計テーブル・ビューの設計およびクエリ実装
• 既存クエリ・テーブルの改修、コストやパフォーマンスを意識したクエリ最適化
  ●既存資産の整理・棚卸し:
• 既存ダッシュボード・クエリの読み解き、仕様整理、移行・統廃合方針の検討
  ■ 環境・ツール
  DB / DWH: クラウド型データ倉庫 (AWS/GCP/Azure等)
  BIツール: Looker, Looker Studio, Tableau
  その他: バージョン管理ツール, データ変換・ビルドツール

– BIツールの実務経験（Looker, Looker Studio, Tableau のいずれかを用いた実務での開発・運用経験）
– SQLを用いたデータマート構築スキル（クラウド型データ倉庫上でのデータマート設計、複雑なクエリの解読・作成・改善ができること）
– ヒアリング・要件定義経験（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・画面構成へ落とし込んだ経験）
– 運用・保守を意識した設計力（権限管理・更新頻度・仕様変更・運用手順の整備まで見据えた設計ができること）

■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

健康指標の向上や医療課題の解決に取り組む事業会社における研究開発を推進するため、データ分析・機械学習の実務を担当いただくデータアナリストを募集します。
参画後は業務を通じて、適性に応じてモデル開発 / データ基盤活用 / 運用自動化 など専門領域へスキルアップを図っていただきます。
■業務内容

• データの収集・整形・品質確認（欠損/外れ値/分布チェックなど）
• 探索的データ分析・可視化・仮説検証
• 機械学習モデルの作成・評価（ベースライン構築、改善提案）
• 特徴量設計、評価指標の設計、不備検知
• 分析結果のドキュメント化・社内共有（再現可能な形で）

– 定量的な研究分野（各種数理・自然科学領域等）における学習・研究経験
– 統計モデル・数理モデルを用いて、実データから仮説検証や現象のモデル化を行った経験（各種分析手法や機械学習等）
– PythonまたはRを用いたデータ解析経験
– 分析手法を単にライブラリとして利用するだけではなく、モデルの仮定・推定方法・評価指標を理解した上で適切な分析手法を選択できること
– データや研究課題に対して、仮説設定 → 分析設計 → モデル構築 → 結果解釈 → 追加検証の一連のプロセスを自ら進めた経験
– 分析結果について、統計的・科学的な観点から解釈し、次に必要な検証や改善案を言語化できること

《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