機械学習の案件一覧

• 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

– 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

• 成長中の法律関連ITサービス運営企業における開発案件です。
• 生成AIや大規模言語モデルを活用したサービスにおける、新規機能の開発や既存機能の保守開発および改善などを担当いただきます。
• 新規機能のAPI実装やデプロイ、および既存システム内AIの保守運用や改善に携わっていただきます。

【技術環境】

• 関連技術：プログラミング言語、大規模言語モデルAPI、コンテナ技術、機械学習プラットフォーム
• 開発基盤：AWS/GCP/Azure等
• ツール：分散型バージョン管理システム、AI開発アシスタントツール、継続的インテグレーション・デリバリーツール
• グループウェア：グループウェア、ビジネスチャットツール
• プロジェクト管理/タスク管理：プロジェクト管理ツール、タスク管理ツール

– Pythonを用いたバックエンド開発の経験（3年以上）
– Rust、Go、TypeScript（Node.js）のいずれかを用いたバックエンド開発の経験
– AIやLLMを用いたWebサービス開発の経験

• 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

– 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

ECアプリ開発における、非機能要件の定義から技術選定、投資判断までを担う上流データ基盤構築業務。
・非機能要件定義、技術選定、投資判断など経営に近い視点での上流設計
・AIレコメンドをはじめとする機械学習活用に向けたML基盤・データパイプラインの整備
・MLエンジニアやデータサイエンティストと連携した、最先端のモダンデータスタック環境の構築
　　　
■開発環境・ツール■
BigQuery, Dataform, Cloud Spanner, Looker Studio, Terraform

– データ基盤の設計・構築から運用保守までの一貫した実務経験
– データ基盤構築における要件定義（非機能要件含む）の経験
– データモデリング（DWH/DM設計など）の経験
– モダンデータスタック（MDS）環境におけるデータパイプラインの設計・運用経験
– Terraform等のIaCツールを用いたインフラのコード化（IaC化）経験
– オープンソース言語を用いたWebアプリケーションの開発経験

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

プラットフォームサービスを運営する企業にて、コンテンツ監視向けAIシステムの開発・運用をご担当いただきます。
画像認識技術を活用し、投稿コンテンツの検知・分類を行うAIモデルの開発から推論基盤の改善まで幅広く携わっていただきます。
少数精鋭のチームで、プロダクト開発チームと連携しながらAI機能の品質向上や運用改善を推進するポジションです。

【業務内容】
・各種画像認識モデルの開発、学習、評価
・AI推論パイプラインの設計、実装、本番運用
・アノテーションデータの品質管理およびデータセット設計
・モデル精度・処理速度向上に向けた既存パイプラインの改善・最適化
・アノテーターチームへの技術支援およびガイドライン整備
・プロダクト開発チームと連携したAI機能開発および技術支援

– 主要な機械学習フレームワークを用いたモデルの開発・学習・評価経験
– 画像認識モデル（物体検出・画像分類・領域抽出）の実装経験
– 主要な機械学習評価指標の設計・運用経験
– 学習パイプラインの不具合調査・改善経験
– データセット設計およびデータ不均衡対策の経験
– 画像処理ライブラリや動画処理ツールを用いた画像・動画データの前処理経験
– アノテーションデータの品質管理経験
– プログラミング言語によるデータパイプライン構築経験
– クラフト環境（AWS/GCP/Azure等）の利用経験
– コンテナ技術を用いた開発環境構築および実験環境運用経験

大手製造業の企業にて、事業部門内で推進している機械学習・AIを活用したシステムの企画、開発、運用保守をご支援いただける方を募集します。
モデルを作成するだけではなく、データ前処理、学習、評価、推論、再学習、モデル管理、監視、障害対応までを含めた、実運用を前提とする機械学習システム全体の設計・構築ができる方を想定しています。
今後、クラウド上の機械学習サービスやマイクロサービスを組み合わせ、運用・保守を見据えた機械学習システムを構築する案件が増加する見込みです。

■想定業務内容
・クラウド上の機械学習サービスを活用したシステムの設計・構築
・機械学習パイプラインの構築
・API、バッチ処理、データ基盤、ストレージ、監視ツール等を組み合わせたシステム構造設計
・本番運用を想定したモデル管理、デプロイ、監視、ログ収集、障害対応、性能改善
・CI/CD、IaCツール、コンテナ技術等を活用した開発・運用基盤の整備
・クラウド環境におけるネットワーク、権限、セキュリティ設計
・要件整理、システム構造設計、実装、テスト、運用設計までの一連の対応

– クラウド上の機械学習サービスを活用したシステム設計・実装経験
– データ前処理、学習、評価、推論、再学習を含む機械学習パイプラインの構築経験
– API、バッチ処理、データ基盤、ストレージ、監視ツールなどを組み合わせたシステム構造設計経験
– 本番運用を想定したモデル管理、デプロイ、監視、ログ収集、障害対応、性能改善の知見
– MLOps、CI/CD、IaCツール、コンテナ技術、権限設計、セキュリティに関する実務経験
– 要件整理からシステム構造設計、実装、テスト、運用設計まで一貫して対応できること

ECアプリケーション運営企業における、機械学習を用いたプロダクトのリード。要件定義、技術選定などの意思決定、機械学習基盤の設計・構築、およびレコメンドシステムを中心としたプロダクトの設計・開発・運用。

【技術環境】

Python、GCP（BigQuery、Looker Studio等）、Tableau、Docker、Terraform、GitHub

– 数十万ユーザー規模以上におけるレコメンドシステムの開発・運用経験
– 技術選定や要件定義などの上流工程における実務経験
– GCPまたはAWS環境を活用した機械学習モデルの開発・運用経験

• 学習データ作成のためのテキスト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

◆主な開発環境・ツール
言語：C++、Python
ツール：OS環境、バージョン管理システム、情報共有ツール
インフラ環境：AWS/GCP/Azure等、コンテナ技術

– 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1年以上の実務経験
– ビジネスレベルの日本語力
– 分析を行える英語読解力（特定の英語資格試験の一定スコア程度目安）