GCP×従業員数101〜500人のリモートワーク転職・求人情報一覧 -2ページ目
157件中 11件~20件
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/Webプロダクトエンジニア_AI特許ロケット】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
AI特許ロケットは、特許・知財業務をAIで支援する自社プロダクトです。
特許・知財領域では、発明情報、技術資料、特許文書、先行技術情報など、機密性・専門性の高いデータを扱います。プロダクトとして長期的に価値を提供するためには、AI機能の精度だけでなく、堅牢なWeb基盤、セキュリティ、権限管理、データ管理、監査性、スケーラビリティが不可欠です。
本ポジションでは、Webプロダクトエンジニアとして、AI特許ロケットの長期開発を見据えたアーキテクチャ設計、マルチテナント設計、認証・認可、セキュリティ、AI基盤の安定化、高トラフィック対応、保守性・拡張性の高いWebプロダクト開発を担っていただきます。
AI特許ロケットを「AIで文書を生成するツール」ではなく、「企業の知財業務に安心して組み込めるSaaSプロダクト」へ進化させることがミッションです。
◼️プロダクトの設計思想
AI特許ロケットは、特許・知財という専門性の高い業務を扱うプロダクトです。
この領域では、情報の正確性、根拠の明確さ、データの機密性、アクセス制御、履歴管理が非常に重要になります。
また、発明情報や技術資料は企業にとって極めて重要な知的資産であり、ユーザーや組織ごとに適切な権限管理・データ分離・監査ログが求められます。
Webプロダクトエンジニアには、以下のような観点でプロダクトの土台を設計・改善していただきます。
- 長期開発を見据えたアーキテクチャ設計
- マルチテナントSaaSとしてのデータ分離
- 企業・部署・プロジェクト・ユーザー単位の権限管理
- 発明情報・技術資料・特許文書を扱うセキュリティ設計
- AI処理の非同期化・安定化
- 文書生成・検索・比較処理の安定実行基盤
- 監査ログ・操作ログ・変更履歴の設計
- 高トラフィック・大量文書処理を見据えたスケーラビリティ
- 知財業務に耐える信頼性・保守性
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AI特許ロケットのWebアプリケーション設計・開発・運用
- 長期開発を見据えたアーキテクチャ設計、技術選定
- Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発
- マルチテナントSaaSとしてのデータ設計、認証・認可、権限管理の設計・実装
- 企業・部署・プロジェクト・ユーザー単位でのデータ分離、アクセス制御、監査ログ設計
- 発明情報、技術資料、特許文書、先行技術情報を扱うセキュリティ設計
- AI機能を安定的に提供するためのAPI設計、非同期処理、ジョブ管理、エラーハンドリング
- LLM API・検索基盤利用を前提とした可用性・リトライ・コスト管理設計
- 大量文書処理、高トラフィック、利用拡大を見据えたパフォーマンス改善、スケーラビリティ向上
- インフラエンジニアと連携したクラウド構成、CI/CD、監視、ログ、アラート設計
- AIプロダクトエンジニアと連携したAI機能のWebアプリケーションへの組み込み
- 技術負債の整理、リファクタリング、開発基盤の整備
- テスト設計、品質改善、障害対応、運用改善
- コードレビュー、技術ドキュメント整備、開発プロセス改善
◼️開発テーマ例
- AI特許ロケットのWebアプリケーション基盤開発
- マルチテナント対応の認証・認可・権限管理設計
- 企業・部署・プロジェクト・ユーザー単位でのデータ分離、アクセス制御
- 発明情報・技術資料・特許文書を扱うセキュリティ設計
- AI利用ログ、監査ログ、操作ログ、変更履歴の設計・実装
- LLM API・検索基盤利用を前提とした非同期処理・ジョブキュー・リトライ制御
- 文書生成、検索、比較、要約処理の安定実行基盤
- 大量文書データに耐えるAPI・DB・検索・キャッシュ設計
- 知財業務向けの管理画面・権限管理画面・利用状況ダッシュボード
- セキュリティ、パフォーマンス、保守性を高めるリファクタリング
- 将来的なプロダクト横断基盤・共通コンポーネント設計
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
AI特許ロケットは、特許・知財業務をAIで支援する自社プロダクトです。
特許・知財領域では、発明情報、技術資料、特許文書、先行技術情報など、機密性・専門性の高いデータを扱います。プロダクトとして長期的に価値を提供するためには、AI機能の精度だけでなく、堅牢なWeb基盤、セキュリティ、権限管理、データ管理、監査性、スケーラビリティが不可欠です。
本ポジションでは、Webプロダクトエンジニアとして、AI特許ロケットの長期開発を見据えたアーキテクチャ設計、マルチテナント設計、認証・認可、セキュリティ、AI基盤の安定化、高トラフィック対応、保守性・拡張性の高いWebプロダクト開発を担っていただきます。
AI特許ロケットを「AIで文書を生成するツール」ではなく、「企業の知財業務に安心して組み込めるSaaSプロダクト」へ進化させることがミッションです。
◼️プロダクトの設計思想
AI特許ロケットは、特許・知財という専門性の高い業務を扱うプロダクトです。
この領域では、情報の正確性、根拠の明確さ、データの機密性、アクセス制御、履歴管理が非常に重要になります。
また、発明情報や技術資料は企業にとって極めて重要な知的資産であり、ユーザーや組織ごとに適切な権限管理・データ分離・監査ログが求められます。
Webプロダクトエンジニアには、以下のような観点でプロダクトの土台を設計・改善していただきます。
- 長期開発を見据えたアーキテクチャ設計
- マルチテナントSaaSとしてのデータ分離
- 企業・部署・プロジェクト・ユーザー単位の権限管理
- 発明情報・技術資料・特許文書を扱うセキュリティ設計
- AI処理の非同期化・安定化
- 文書生成・検索・比較処理の安定実行基盤
- 監査ログ・操作ログ・変更履歴の設計
- 高トラフィック・大量文書処理を見据えたスケーラビリティ
- 知財業務に耐える信頼性・保守性
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AI特許ロケットのWebアプリケーション設計・開発・運用
- 長期開発を見据えたアーキテクチャ設計、技術選定
- Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発
- マルチテナントSaaSとしてのデータ設計、認証・認可、権限管理の設計・実装
- 企業・部署・プロジェクト・ユーザー単位でのデータ分離、アクセス制御、監査ログ設計
- 発明情報、技術資料、特許文書、先行技術情報を扱うセキュリティ設計
- AI機能を安定的に提供するためのAPI設計、非同期処理、ジョブ管理、エラーハンドリング
- LLM API・検索基盤利用を前提とした可用性・リトライ・コスト管理設計
- 大量文書処理、高トラフィック、利用拡大を見据えたパフォーマンス改善、スケーラビリティ向上
- インフラエンジニアと連携したクラウド構成、CI/CD、監視、ログ、アラート設計
- AIプロダクトエンジニアと連携したAI機能のWebアプリケーションへの組み込み
- 技術負債の整理、リファクタリング、開発基盤の整備
- テスト設計、品質改善、障害対応、運用改善
- コードレビュー、技術ドキュメント整備、開発プロセス改善
◼️開発テーマ例
- AI特許ロケットのWebアプリケーション基盤開発
- マルチテナント対応の認証・認可・権限管理設計
- 企業・部署・プロジェクト・ユーザー単位でのデータ分離、アクセス制御
- 発明情報・技術資料・特許文書を扱うセキュリティ設計
- AI利用ログ、監査ログ、操作ログ、変更履歴の設計・実装
- LLM API・検索基盤利用を前提とした非同期処理・ジョブキュー・リトライ制御
- 文書生成、検索、比較、要約処理の安定実行基盤
- 大量文書データに耐えるAPI・DB・検索・キャッシュ設計
- 知財業務向けの管理画面・権限管理画面・利用状況ダッシュボード
- セキュリティ、パフォーマンス、保守性を高めるリファクタリング
- 将来的なプロダクト横断基盤・共通コンポーネント設計
【業務の変更の範囲】
無
| 想定年収 | 600 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/AIプロダクトエンジニア_AI特許ロケット】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、優れた技術や現場知見が数多く存在します。一方で、それらを発明として整理し、特許・知財として保護・活用するプロセスには、専門性の高さ、文書作成の負荷、調査業務の複雑さ、属人性といった課題があります。
AI特許ロケット は、LLM・RAG・自然言語処理・AIエージェント等を活用し、発明情報の整理、特許文書の作成支援、先行技術調査、技術資料の構造化など、特許・知財業務を支援するAIプロダクトです。
本ポジションでは、AIプロダクトエンジニアとして、AI特許ロケットの中核となるAI機能の設計・開発・評価・改善を担っていただきます。
特許・知財という専門性の高い領域において、AIを活用して「技術を守り、活かす」プロセスを変革することがミッションです。
◼️プロダクトの設計思想
AI特許ロケットが目指すのは、単に特許文書を自動生成するツールではありません。
発明者、研究開発者、知財担当者、弁理士など、関係者が持つ情報を整理し、技術的な特徴や差分を明確にし、特許・知財業務の意思決定を支援するプロダクトを目指しています。
特許・知財領域では、言葉の正確性、技術内容の構造化、先行技術との差分把握、根拠に基づいた生成が重要です。
そのため、AI特許ロケットでは以下を重視しています。
- 発明情報・技術資料の構造化
- 特許文書・技術文書の検索・要約・比較
- 先行技術調査を支援するRAG・検索体験
- 技術的特徴・差分・権利化ポイントの整理
- 専門性の高い文書生成における品質管理
- ユーザーが確認・修正しやすいAI出力設計
- 知財業務フローに馴染むAI体験
AIプロダクトエンジニアには、LLMやRAGを使って「それっぽい文章」を生成するだけではなく、専門業務に耐えるAI機能として、精度・根拠・使いやすさを磨き込んでいただきます。
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AI特許ロケットのAI機能設計・開発・運用
- LLM・RAG・自然言語処理・AIエージェントを活用した機能開発
- 特許文書、技術資料、発明情報、先行技術情報等を扱うAI機能開発
- 発明内容や技術資料をもとにした文書生成・要約・分類・構造化機能の開発
- 特許調査・先行技術調査を支援する検索・RAG機能の開発
- 技術文書・特許文書の比較、差分抽出、論点整理機能の開発
- プロンプト設計、RAG構成設計、評価設計、精度改善
- 知財業務フローを踏まえたAI機能のUX設計、プロトタイピング
- Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発
- AIエンジニアと連携したAI機能の組み込み、評価、改善
- PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理
- 技術調査、検証、ドキュメント整備
- 必要に応じたコードレビュー、技術支援
◼️開発テーマ例
- 発明情報の構造化・要点抽出機能
- 技術資料をもとにした特許文書作成支援機能
- 特許文書・技術文書の要約・分類機能
- 先行技術調査を支援する検索・RAG機能
- 技術的特徴・差分・権利化ポイントの整理機能
- 発明者へのヒアリング内容をもとにした文書生成機能
- 特許請求の範囲や明細書作成を支援するAI機能
- 関連文献・先行技術との比較支援機能
- AI出力の根拠提示・参照元表示機能
- 知財担当者や研究開発者の業務フローに合わせたAIワークフロー設計
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、優れた技術や現場知見が数多く存在します。一方で、それらを発明として整理し、特許・知財として保護・活用するプロセスには、専門性の高さ、文書作成の負荷、調査業務の複雑さ、属人性といった課題があります。
AI特許ロケット は、LLM・RAG・自然言語処理・AIエージェント等を活用し、発明情報の整理、特許文書の作成支援、先行技術調査、技術資料の構造化など、特許・知財業務を支援するAIプロダクトです。
本ポジションでは、AIプロダクトエンジニアとして、AI特許ロケットの中核となるAI機能の設計・開発・評価・改善を担っていただきます。
特許・知財という専門性の高い領域において、AIを活用して「技術を守り、活かす」プロセスを変革することがミッションです。
◼️プロダクトの設計思想
AI特許ロケットが目指すのは、単に特許文書を自動生成するツールではありません。
発明者、研究開発者、知財担当者、弁理士など、関係者が持つ情報を整理し、技術的な特徴や差分を明確にし、特許・知財業務の意思決定を支援するプロダクトを目指しています。
特許・知財領域では、言葉の正確性、技術内容の構造化、先行技術との差分把握、根拠に基づいた生成が重要です。
そのため、AI特許ロケットでは以下を重視しています。
- 発明情報・技術資料の構造化
- 特許文書・技術文書の検索・要約・比較
- 先行技術調査を支援するRAG・検索体験
- 技術的特徴・差分・権利化ポイントの整理
- 専門性の高い文書生成における品質管理
- ユーザーが確認・修正しやすいAI出力設計
- 知財業務フローに馴染むAI体験
AIプロダクトエンジニアには、LLMやRAGを使って「それっぽい文章」を生成するだけではなく、専門業務に耐えるAI機能として、精度・根拠・使いやすさを磨き込んでいただきます。
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AI特許ロケットのAI機能設計・開発・運用
- LLM・RAG・自然言語処理・AIエージェントを活用した機能開発
- 特許文書、技術資料、発明情報、先行技術情報等を扱うAI機能開発
- 発明内容や技術資料をもとにした文書生成・要約・分類・構造化機能の開発
- 特許調査・先行技術調査を支援する検索・RAG機能の開発
- 技術文書・特許文書の比較、差分抽出、論点整理機能の開発
- プロンプト設計、RAG構成設計、評価設計、精度改善
- 知財業務フローを踏まえたAI機能のUX設計、プロトタイピング
- Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発
- AIエンジニアと連携したAI機能の組み込み、評価、改善
- PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理
- 技術調査、検証、ドキュメント整備
- 必要に応じたコードレビュー、技術支援
◼️開発テーマ例
- 発明情報の構造化・要点抽出機能
- 技術資料をもとにした特許文書作成支援機能
- 特許文書・技術文書の要約・分類機能
- 先行技術調査を支援する検索・RAG機能
- 技術的特徴・差分・権利化ポイントの整理機能
- 発明者へのヒアリング内容をもとにした文書生成機能
- 特許請求の範囲や明細書作成を支援するAI機能
- 関連文献・先行技術との比較支援機能
- AI出力の根拠提示・参照元表示機能
- 知財担当者や研究開発者の業務フローに合わせたAIワークフロー設計
【業務の変更の範囲】
無
| 想定年収 | 600 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/Webプロダクトエンジニア_AIインタビュアー】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
AIインタビュアーは、インタビュー・ヒアリング・面談・調査業務をAIで支援する新規プロダクトです。
LLM・音声認識・対話AIを活用した体験価値が中核となる一方で、プロダクトが複数企業・複数ユーザーに安定して使われ続けるためには、堅牢なWebアプリケーション基盤が不可欠です。
本ポジションでは、Webプロダクトエンジニアとして、AIインタビュアーの長期開発を見据えたアーキテクチャ設計、マルチテナント設計、認証・認可、セキュリティ、AI基盤の安定化、高トラフィック対応、運用性の高いWeb基盤づくりを担っていただきます。
AIインタビュアーを「便利なAI機能」から「企業が安心して使い続けられるSaaSプロダクト」へ進化させることがミッションです。
◼️プロダクトの設計思想
AIインタビュアーは、会話データ・音声データ・回答データ・分析結果など、機密性の高い情報を扱うプロダクトです。
そのため、プロダクト設計においては、AI体験の良さだけでなく、企業利用に耐えるセキュリティ、データ管理、権限管理、監査性、可用性が重要です。
また、AIインタビューでは、文字起こし、要約、分析、レポート生成など、時間のかかる処理や外部AI APIとの連携が多く発生します。これらを安定して処理するためには、非同期処理、ジョブ管理、リトライ制御、ログ設計、コスト管理が必要になります。
Webプロダクトエンジニアには、以下のような観点でプロダクトの土台を設計・改善していただきます。
- 長期開発を見据えたアーキテクチャ設計
- マルチテナントSaaSとしてのデータ分離
- 企業・部署・ユーザー単位の権限管理
- 音声・会話データを扱うセキュリティ設計
- AI処理の非同期化・安定化
- 高トラフィック時のスケーラビリティ
- 監視・ログ・監査ログの整備
- プロダクト利用状況の可視化
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AIインタビュアーのWebアプリケーション設計・開発・運用
- 長期開発を見据えたアーキテクチャ設計、技術選定
- Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発
- マルチテナントSaaSとしてのデータ設計、認証・認可、権限管理の設計・実装
- 企業・部署・ユーザー単位でのデータ分離、アクセス制御、監査ログ設計
- 音声データ、文字起こしデータ、回答データ、分析結果を扱うセキュリティ設計
- AI機能を安定的に提供するためのAPI設計、非同期処理、ジョブ管理、エラーハンドリング
- LLM API・音声認識API利用を前提とした可用性・リトライ・コスト管理設計
- 高トラフィックや利用拡大を見据えたパフォーマンス改善、スケーラビリティ向上
- インフラエンジニアと連携したクラウド構成、CI/CD、監視、ログ、アラート設計
- AIプロダクトエンジニアと連携したAI機能のWebアプリケーションへの組み込み
- 技術負債の整理、リファクタリング、開発基盤の整備
- テスト設計、品質改善、障害対応、運用改善
- コードレビュー、技術ドキュメント整備、開発プロセス改善
◼️開発テーマ例
- AIインタビュアーのWebアプリケーション基盤開発
- マルチテナント対応の認証・認可・権限管理設計
- 企業・部署・ユーザー単位でのデータ分離、アクセス制御
- 音声・会話データを扱うセキュリティ設計
- AI利用ログ、監査ログ、操作ログの設計・実装
- LLM API・音声認識API利用を前提とした非同期処理・ジョブキュー・リトライ制御
- 文字起こし・要約・レポート生成処理の安定実行基盤
- 高トラフィックに耐えるAPI・DB・キャッシュ設計
- プロダクト利用状況を可視化する管理画面・ダッシュボード
- セキュリティ、パフォーマンス、保守性を高めるリファクタリング
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
AIインタビュアーは、インタビュー・ヒアリング・面談・調査業務をAIで支援する新規プロダクトです。
LLM・音声認識・対話AIを活用した体験価値が中核となる一方で、プロダクトが複数企業・複数ユーザーに安定して使われ続けるためには、堅牢なWebアプリケーション基盤が不可欠です。
本ポジションでは、Webプロダクトエンジニアとして、AIインタビュアーの長期開発を見据えたアーキテクチャ設計、マルチテナント設計、認証・認可、セキュリティ、AI基盤の安定化、高トラフィック対応、運用性の高いWeb基盤づくりを担っていただきます。
AIインタビュアーを「便利なAI機能」から「企業が安心して使い続けられるSaaSプロダクト」へ進化させることがミッションです。
◼️プロダクトの設計思想
AIインタビュアーは、会話データ・音声データ・回答データ・分析結果など、機密性の高い情報を扱うプロダクトです。
そのため、プロダクト設計においては、AI体験の良さだけでなく、企業利用に耐えるセキュリティ、データ管理、権限管理、監査性、可用性が重要です。
また、AIインタビューでは、文字起こし、要約、分析、レポート生成など、時間のかかる処理や外部AI APIとの連携が多く発生します。これらを安定して処理するためには、非同期処理、ジョブ管理、リトライ制御、ログ設計、コスト管理が必要になります。
Webプロダクトエンジニアには、以下のような観点でプロダクトの土台を設計・改善していただきます。
- 長期開発を見据えたアーキテクチャ設計
- マルチテナントSaaSとしてのデータ分離
- 企業・部署・ユーザー単位の権限管理
- 音声・会話データを扱うセキュリティ設計
- AI処理の非同期化・安定化
- 高トラフィック時のスケーラビリティ
- 監視・ログ・監査ログの整備
- プロダクト利用状況の可視化
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AIインタビュアーのWebアプリケーション設計・開発・運用
- 長期開発を見据えたアーキテクチャ設計、技術選定
- Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発
- マルチテナントSaaSとしてのデータ設計、認証・認可、権限管理の設計・実装
- 企業・部署・ユーザー単位でのデータ分離、アクセス制御、監査ログ設計
- 音声データ、文字起こしデータ、回答データ、分析結果を扱うセキュリティ設計
- AI機能を安定的に提供するためのAPI設計、非同期処理、ジョブ管理、エラーハンドリング
- LLM API・音声認識API利用を前提とした可用性・リトライ・コスト管理設計
- 高トラフィックや利用拡大を見据えたパフォーマンス改善、スケーラビリティ向上
- インフラエンジニアと連携したクラウド構成、CI/CD、監視、ログ、アラート設計
- AIプロダクトエンジニアと連携したAI機能のWebアプリケーションへの組み込み
- 技術負債の整理、リファクタリング、開発基盤の整備
- テスト設計、品質改善、障害対応、運用改善
- コードレビュー、技術ドキュメント整備、開発プロセス改善
◼️開発テーマ例
- AIインタビュアーのWebアプリケーション基盤開発
- マルチテナント対応の認証・認可・権限管理設計
- 企業・部署・ユーザー単位でのデータ分離、アクセス制御
- 音声・会話データを扱うセキュリティ設計
- AI利用ログ、監査ログ、操作ログの設計・実装
- LLM API・音声認識API利用を前提とした非同期処理・ジョブキュー・リトライ制御
- 文字起こし・要約・レポート生成処理の安定実行基盤
- 高トラフィックに耐えるAPI・DB・キャッシュ設計
- プロダクト利用状況を可視化する管理画面・ダッシュボード
- セキュリティ、パフォーマンス、保守性を高めるリファクタリング
【業務の変更の範囲】
無
| 想定年収 | 600 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/AIプロダクトエンジニア_AIインタビュアー】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
企業活動において、顧客理解、ユーザーインタビュー、採用面談、業務ヒアリング、社内ナレッジ収集など、「人から情報を引き出す」プロセスは非常に重要です。
一方で、インタビューの設計、実施、記録、要約、分析、示唆出しには多くの時間とスキルが必要であり、属人的になりやすい領域でもあります。
AIインタビュアー は、LLM・音声認識・対話AI・RAG・AIエージェント等を活用し、「人に聞く」「深掘る」「整理する」「示唆に変える」というプロセスをAIで支援するプロダクトです。
本ポジションでは、AIプロダクトエンジニアとして、AIインタビュアーの中核となるAI機能の設計・開発・評価・改善を担っていただきます。
単なるチャットボットや議事録ツールではなく、目的に応じて問いを設計し、対話を進め、情報を構造化し、意思決定につながる示唆を生み出すAIプロダクトをつくることがミッションです。
◼️プロダクトの設計思想
AIインタビュアーが目指すのは、単に「会話を文字起こしするツール」ではありません。
重要なのは、ユーザーの目的に応じて、AIが適切に問いを立て、回答に応じて深掘りし、得られた情報を構造化し、次の意思決定に使える形に変換することです。
たとえば、採用面談であれば候補者の経験や価値観を深掘りし、顧客インタビューであれば課題やニーズを引き出し、業務ヒアリングであれば現場の暗黙知や業務フローを整理する必要があります。
そのため、AIインタビュアーでは以下を重視しています。
- 自然で違和感のない対話体験
- 目的に応じた質問設計
- 回答内容に応じた深掘り
- 発話内容の構造化・分類・要約
- 複数インタビューの横断分析
- 意思決定に使えるレポート生成
- ユーザーの業務フローに馴染むAI体験
AIプロダクトエンジニアには、AIの出力品質だけでなく、「ユーザーが本当に使いやすいか」「業務の中で自然に使われるか」まで考えながら、AI体験を磨き込んでいただきます。
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AIインタビュアーのAI機能設計・開発・運用
- LLM・音声認識・対話AI・RAG・AIエージェントを活用した機能開発
- インタビュー設計、質問生成、深掘り質問、回答分析に関する機能開発
- 回答内容の要約、分類、構造化、レポート生成機能の開発
- 音声認識・文字起こし・要約機能の開発
- プロンプト設計、対話設計、評価設計、精度改善
- ユーザー体験を踏まえたAI機能のUX設計、プロトタイピング
- Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発
- AIエンジニアと連携したAI機能の組み込み、評価、改善
- ユーザーフィードバックや利用ログを踏まえた機能改善
- PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理
- 技術調査、検証、ドキュメント整備
- 必要に応じたコードレビュー、技術支援
◼️開発テーマ例
- AIによるインタビュー設計・質問生成機能
- 回答内容に応じた自動深掘り質問機能
- 音声認識・文字起こし・要約機能
- インタビュー結果の構造化・タグ付け・分類機能
- 複数インタビュー結果を横断した分析・示唆抽出機能
- 面談・ヒアリング内容の自動レポート生成
- ユーザーごとの目的に応じたAIインタビュー体験の最適化
- AIによる業務ヒアリング・社内ナレッジ収集支援
- 回答品質・質問品質を評価するための評価基盤づくり
- ユーザーの発話・回答データを活用したAI機能改善
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
企業活動において、顧客理解、ユーザーインタビュー、採用面談、業務ヒアリング、社内ナレッジ収集など、「人から情報を引き出す」プロセスは非常に重要です。
一方で、インタビューの設計、実施、記録、要約、分析、示唆出しには多くの時間とスキルが必要であり、属人的になりやすい領域でもあります。
AIインタビュアー は、LLM・音声認識・対話AI・RAG・AIエージェント等を活用し、「人に聞く」「深掘る」「整理する」「示唆に変える」というプロセスをAIで支援するプロダクトです。
本ポジションでは、AIプロダクトエンジニアとして、AIインタビュアーの中核となるAI機能の設計・開発・評価・改善を担っていただきます。
単なるチャットボットや議事録ツールではなく、目的に応じて問いを設計し、対話を進め、情報を構造化し、意思決定につながる示唆を生み出すAIプロダクトをつくることがミッションです。
◼️プロダクトの設計思想
AIインタビュアーが目指すのは、単に「会話を文字起こしするツール」ではありません。
重要なのは、ユーザーの目的に応じて、AIが適切に問いを立て、回答に応じて深掘りし、得られた情報を構造化し、次の意思決定に使える形に変換することです。
たとえば、採用面談であれば候補者の経験や価値観を深掘りし、顧客インタビューであれば課題やニーズを引き出し、業務ヒアリングであれば現場の暗黙知や業務フローを整理する必要があります。
そのため、AIインタビュアーでは以下を重視しています。
- 自然で違和感のない対話体験
- 目的に応じた質問設計
- 回答内容に応じた深掘り
- 発話内容の構造化・分類・要約
- 複数インタビューの横断分析
- 意思決定に使えるレポート生成
- ユーザーの業務フローに馴染むAI体験
AIプロダクトエンジニアには、AIの出力品質だけでなく、「ユーザーが本当に使いやすいか」「業務の中で自然に使われるか」まで考えながら、AI体験を磨き込んでいただきます。
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AIインタビュアーのAI機能設計・開発・運用
- LLM・音声認識・対話AI・RAG・AIエージェントを活用した機能開発
- インタビュー設計、質問生成、深掘り質問、回答分析に関する機能開発
- 回答内容の要約、分類、構造化、レポート生成機能の開発
- 音声認識・文字起こし・要約機能の開発
- プロンプト設計、対話設計、評価設計、精度改善
- ユーザー体験を踏まえたAI機能のUX設計、プロトタイピング
- Python、TypeScript、Next.js、FastAPI等を用いたプロダクト開発
- AIエンジニアと連携したAI機能の組み込み、評価、改善
- ユーザーフィードバックや利用ログを踏まえた機能改善
- PM・Bizメンバーとの仕様検討、仮説検証、優先順位整理
- 技術調査、検証、ドキュメント整備
- 必要に応じたコードレビュー、技術支援
◼️開発テーマ例
- AIによるインタビュー設計・質問生成機能
- 回答内容に応じた自動深掘り質問機能
- 音声認識・文字起こし・要約機能
- インタビュー結果の構造化・タグ付け・分類機能
- 複数インタビュー結果を横断した分析・示唆抽出機能
- 面談・ヒアリング内容の自動レポート生成
- ユーザーごとの目的に応じたAIインタビュー体験の最適化
- AIによる業務ヒアリング・社内ナレッジ収集支援
- 回答品質・質問品質を評価するための評価基盤づくり
- ユーザーの発話・回答データを活用したAI機能改善
【業務の変更の範囲】
無
| 想定年収 | 600 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/シニアWebエンジニア】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。
本ポジションでは、AIエンジニアやPM、ビジネスサイドと連携しながら、LLM・RAG・画像認識・音声認識などのAI技術を、ユーザーが実際に使えるWebアプリケーションとして設計・実装・改善していただきます。
単なるWeb開発ではなく、AI技術を実業務に組み込み、顧客の業務変革につながるプロダクト・システムをつくることがミッションです。
◼️本ポジションについて
シニアWebエンジニアには、AIアプリケーション開発における設計・実装・改善を自走して推進いただくことを期待しています。
フロントエンド、バックエンド、API、データベース、クラウド環境などを横断しながら、AI機能をユーザーにとって使いやすく、安定して運用できる形に落とし込んでいただきます。
AIエンジニアが開発したモデルやLLM/RAG機能を、現場で使われるWebサービス・業務システムとして成立させる、非常に重要なポジションです。
また、担当領域においては、設計判断、コードレビュー、技術調査、品質改善なども担っていただきます。将来的にはリードWebエンジニアやテックリードとして、より大きな技術責任を担うことも可能です。
◼️仕事のやりがい
- AI技術を、実際に業務で使われるWebアプリケーションとして社会実装できる
- LLM、RAG、画像認識、音声認識などを組み込んだAIプロダクト開発に関われる
- フロントエンド・バックエンド・インフラを横断したフルスタックな開発経験を活かせる
- PMやAIエンジニアと近い距離で、仕様検討から実装・改善まで一気通貫で関われる
- 製造業の現場課題を解決する、社会的意義の大きいプロダクト開発に携われる
- 担当領域の技術的な難所を解き、チームの開発品質向上に貢献できる
- 将来的にはテックリードや開発組織の中核メンバーとしてのキャリアも目指せる
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AI機能を組み込んだWebアプリケーションの設計・開発・運用
- Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発
- LLM/RAG/画像認識/音声認識等を活用したAIアプリケーション開発
- AIエンジニアと連携したAPI設計、データ連携、推論結果の表示・活用設計
- 要件や仕様をもとにした画面設計、API設計、データベース設計
- 顧客やユーザーの業務フローを踏まえたUI/UX改善
- パフォーマンス、セキュリティ、保守性、運用性を意識した実装改善
- クラウド環境を活用したアプリケーションの構築・運用
- コードレビュー、技術調査、ドキュメント整備
- PM、AIエンジニア、ビジネスサイドとの仕様調整・技術相談
- 既存プロダクト・既存システムの技術負債の解消、品質改善
- ジュニア〜ミドルメンバーへの技術支援
◼️開発テーマ例
- 製造業向けAI業務支援アプリケーション
- LLM/RAGを活用したナレッジ検索・文書生成システム
- 図面・帳票・PDF・マニュアル等を扱うWebアプリケーション
- 画像認識・異常検知・分類モデルを組み込んだ業務支援システム
- AIエージェントを活用した業務自動化アプリケーション
- 自社AIプロダクトの管理画面・ユーザー画面・API開発
- 社内外の利用ログをもとにしたプロダクト改善・グロース施策
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、AIによって解決できる課題が数多く存在します。
本ポジションでは、AIエンジニアやPM、ビジネスサイドと連携しながら、LLM・RAG・画像認識・音声認識などのAI技術を、ユーザーが実際に使えるWebアプリケーションとして設計・実装・改善していただきます。
単なるWeb開発ではなく、AI技術を実業務に組み込み、顧客の業務変革につながるプロダクト・システムをつくることがミッションです。
◼️本ポジションについて
シニアWebエンジニアには、AIアプリケーション開発における設計・実装・改善を自走して推進いただくことを期待しています。
フロントエンド、バックエンド、API、データベース、クラウド環境などを横断しながら、AI機能をユーザーにとって使いやすく、安定して運用できる形に落とし込んでいただきます。
AIエンジニアが開発したモデルやLLM/RAG機能を、現場で使われるWebサービス・業務システムとして成立させる、非常に重要なポジションです。
また、担当領域においては、設計判断、コードレビュー、技術調査、品質改善なども担っていただきます。将来的にはリードWebエンジニアやテックリードとして、より大きな技術責任を担うことも可能です。
◼️仕事のやりがい
- AI技術を、実際に業務で使われるWebアプリケーションとして社会実装できる
- LLM、RAG、画像認識、音声認識などを組み込んだAIプロダクト開発に関われる
- フロントエンド・バックエンド・インフラを横断したフルスタックな開発経験を活かせる
- PMやAIエンジニアと近い距離で、仕様検討から実装・改善まで一気通貫で関われる
- 製造業の現場課題を解決する、社会的意義の大きいプロダクト開発に携われる
- 担当領域の技術的な難所を解き、チームの開発品質向上に貢献できる
- 将来的にはテックリードや開発組織の中核メンバーとしてのキャリアも目指せる
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- AI機能を組み込んだWebアプリケーションの設計・開発・運用
- Next.js、React、FastAPI等を用いたフロントエンド・バックエンド開発
- LLM/RAG/画像認識/音声認識等を活用したAIアプリケーション開発
- AIエンジニアと連携したAPI設計、データ連携、推論結果の表示・活用設計
- 要件や仕様をもとにした画面設計、API設計、データベース設計
- 顧客やユーザーの業務フローを踏まえたUI/UX改善
- パフォーマンス、セキュリティ、保守性、運用性を意識した実装改善
- クラウド環境を活用したアプリケーションの構築・運用
- コードレビュー、技術調査、ドキュメント整備
- PM、AIエンジニア、ビジネスサイドとの仕様調整・技術相談
- 既存プロダクト・既存システムの技術負債の解消、品質改善
- ジュニア〜ミドルメンバーへの技術支援
◼️開発テーマ例
- 製造業向けAI業務支援アプリケーション
- LLM/RAGを活用したナレッジ検索・文書生成システム
- 図面・帳票・PDF・マニュアル等を扱うWebアプリケーション
- 画像認識・異常検知・分類モデルを組み込んだ業務支援システム
- AIエージェントを活用した業務自動化アプリケーション
- 自社AIプロダクトの管理画面・ユーザー画面・API開発
- 社内外の利用ログをもとにしたプロダクト改善・グロース施策
【業務の変更の範囲】
無
| 想定年収 | 700 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/AI/LLMエンジニア】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️仕事のやりがい
エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。
特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。
技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。
◼️役割期待
入社後は、シニアエンジニアやPMと連携しながら、LLM・RAG・AIエージェントを活用したAIシステムの実装、技術検証、精度改善を中心にお任せします。
まずは担当機能の開発やプロンプト設計、データ処理、評価検証などから関わっていただき、徐々に顧客課題の理解、技術設計、要件定義にも挑戦していただきます。
◼️業務内容
- LLM APIを用いた機能開発
- RAGシステムの実装・改善
- プロンプト設計・検証
- PDF、帳票、図面、マニュアル等のデータ処理
- AI機能の精度評価・改善
- Python/FastAPI/Next.js等を用いたアプリケーション開発
- 技術調査、検証結果のドキュメント化
- コードレビューへの参加、既存機能の改善
◼️開発例
- 製造業向けナレッジ検索・RAGシステム
- 図面・帳票・仕様書などのドキュメント解析AI
- 熟練者の暗黙知を活用した業務支援AI
- 問い合わせ対応・見積作成・調査業務の自動化
- 業務プロセスを自律的に支援するAIエージェント
- 生成AIを活用した社内業務効率化・AI駆動経営の推進
- 製造現場・バックオフィス・営業技術領域におけるAI活用支援
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️仕事のやりがい
エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。
特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。
技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。
◼️役割期待
入社後は、シニアエンジニアやPMと連携しながら、LLM・RAG・AIエージェントを活用したAIシステムの実装、技術検証、精度改善を中心にお任せします。
まずは担当機能の開発やプロンプト設計、データ処理、評価検証などから関わっていただき、徐々に顧客課題の理解、技術設計、要件定義にも挑戦していただきます。
◼️業務内容
- LLM APIを用いた機能開発
- RAGシステムの実装・改善
- プロンプト設計・検証
- PDF、帳票、図面、マニュアル等のデータ処理
- AI機能の精度評価・改善
- Python/FastAPI/Next.js等を用いたアプリケーション開発
- 技術調査、検証結果のドキュメント化
- コードレビューへの参加、既存機能の改善
◼️開発例
- 製造業向けナレッジ検索・RAGシステム
- 図面・帳票・仕様書などのドキュメント解析AI
- 熟練者の暗黙知を活用した業務支援AI
- 問い合わせ対応・見積作成・調査業務の自動化
- 業務プロセスを自律的に支援するAIエージェント
- 生成AIを活用した社内業務効率化・AI駆動経営の推進
- 製造現場・バックオフィス・営業技術領域におけるAI活用支援
【業務の変更の範囲】
無
| 想定年収 | 400 〜 800 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/機械学習エンジニア】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️本ポジションについて
エムニでは、製造業を中心とした顧客向けに、オーダーメイドAIの開発・導入を行っています。
MLエンジニアには、データサイエンティストやAIプロジェクトマネージャーが整理した顧客課題・検証テーマをもとに、機械学習モデルの設計、学習、評価、改善、本番実装、運用設計まで担っていただきます。
扱うテーマは、外観検査画像を用いた不良検知、設備ログを用いた異常検知・予兆保全、生産実績や需要データを用いた予測、文書や記録データを用いた分類など、多岐にわたります。
また、LLM/RAG/AIエージェントなどの生成AI技術と、従来型の機械学習モデルを組み合わせることで、より高度な業務支援システムを構築する機会もあります。
Webエンジニア、インフラエンジニア、AI/LLMエンジニアと連携しながら、モデルを本番環境で安定して届けるところまで責任を持っていただくポジションです。
◼️仕事のやりがい
- 製造業の現場で実際に使われる機械学習モデル・AIシステムを開発できる
- 画像認識、異常検知、時系列予測、需要予測など、産業課題に直結するテーマに挑戦できる
- PoCで精度を示すだけでなく、API化・本番導入・監視・継続改善まで担える
- データサイエンティスト、Webエンジニア、インフラエンジニア、PMと連携して社会実装を進められる
- MLOps、推論基盤、再学習、モデル監視など、運用を見据えたML開発に関われる
- LLM/RAG等の生成AIと機械学習を組み合わせた、新しいAIシステムに挑戦できる
- 将来的にはMLテックリード、MLOps責任者、AIソリューションの技術リードを目指せる
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- 製造業を中心とした顧客課題に対する機械学習モデル・アルゴリズムの設計、開発、評価
- 画像認識、異常検知、時系列予測、需要予測、分類、回帰、最適化等のモデル開発
- データ前処理、特徴量設計、学習データ設計、評価指標設計
- モデル精度の改善、エラー分析、ロバスト性向上
- 推論速度、処理性能、コスト、安定性を踏まえたモデル・処理方式の改善
- 機械学習モデルのAPI化、Webアプリケーション・業務システムへの組み込み
- 学習・推論パイプライン、バッチ処理、再学習フローの設計・開発
- モデル監視、性能劣化検知、データドリフト検知、バージョン管理
- クラウド・GPU環境を活用した学習・推論基盤の構築支援
- インフラエンジニアと連携したMLOps・運用基盤の整備
- AI/LLMエンジニアと連携した、LLM/RAGと機械学習モデルを組み合わせた機能開発
- PM・データサイエンティスト・顧客への技術説明、検証結果共有
- 最新論文・技術トレンドの調査、実装検証、社内ナレッジ共有
◼️取り組むテーマ例
- 検査画像・外観画像を用いた不良検知・分類モデルの開発
- 設備ログ・センサーデータを用いた異常検知・予兆保全モデルの開発
- 受注・生産・在庫データを用いた需要予測・生産計画支援モデルの開発
- 品質データを用いた不良発生予測・品質改善支援
- 作業データや工程データを用いた効率化・最適化モデルの開発
- 文書・帳票・記録データを活用した分類・抽出モデルの開発
- 学習済みモデルの推論API化と業務アプリケーションへの組み込み
- 本番導入後のモデル監視・再学習・性能改善
- LLM/RAGと予測モデル・分類モデルを組み合わせた業務支援AI
- 複数顧客・複数案件に横展開可能なML開発・運用基盤の整備
◼️このポジションで期待する成果
- 顧客課題に対して、適切なモデル方式・評価方法を設計できる
- PoCでのモデル検証から、本番システムへの組み込みまで推進できる
- 精度だけでなく、推論速度、コスト、可用性、保守性を意識して開発できる
- 運用開始後の性能監視や再学習を含め、継続的に改善できる仕組みをつくれる
- Webエンジニアやインフラエンジニアと連携し、AIモデルを安定した機能として提供できる
- 技術的な検討内容や制約を、顧客・PM・非技術者にもわかりやすく説明できる
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️本ポジションについて
エムニでは、製造業を中心とした顧客向けに、オーダーメイドAIの開発・導入を行っています。
MLエンジニアには、データサイエンティストやAIプロジェクトマネージャーが整理した顧客課題・検証テーマをもとに、機械学習モデルの設計、学習、評価、改善、本番実装、運用設計まで担っていただきます。
扱うテーマは、外観検査画像を用いた不良検知、設備ログを用いた異常検知・予兆保全、生産実績や需要データを用いた予測、文書や記録データを用いた分類など、多岐にわたります。
また、LLM/RAG/AIエージェントなどの生成AI技術と、従来型の機械学習モデルを組み合わせることで、より高度な業務支援システムを構築する機会もあります。
Webエンジニア、インフラエンジニア、AI/LLMエンジニアと連携しながら、モデルを本番環境で安定して届けるところまで責任を持っていただくポジションです。
◼️仕事のやりがい
- 製造業の現場で実際に使われる機械学習モデル・AIシステムを開発できる
- 画像認識、異常検知、時系列予測、需要予測など、産業課題に直結するテーマに挑戦できる
- PoCで精度を示すだけでなく、API化・本番導入・監視・継続改善まで担える
- データサイエンティスト、Webエンジニア、インフラエンジニア、PMと連携して社会実装を進められる
- MLOps、推論基盤、再学習、モデル監視など、運用を見据えたML開発に関われる
- LLM/RAG等の生成AIと機械学習を組み合わせた、新しいAIシステムに挑戦できる
- 将来的にはMLテックリード、MLOps責任者、AIソリューションの技術リードを目指せる
◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。
- 製造業を中心とした顧客課題に対する機械学習モデル・アルゴリズムの設計、開発、評価
- 画像認識、異常検知、時系列予測、需要予測、分類、回帰、最適化等のモデル開発
- データ前処理、特徴量設計、学習データ設計、評価指標設計
- モデル精度の改善、エラー分析、ロバスト性向上
- 推論速度、処理性能、コスト、安定性を踏まえたモデル・処理方式の改善
- 機械学習モデルのAPI化、Webアプリケーション・業務システムへの組み込み
- 学習・推論パイプライン、バッチ処理、再学習フローの設計・開発
- モデル監視、性能劣化検知、データドリフト検知、バージョン管理
- クラウド・GPU環境を活用した学習・推論基盤の構築支援
- インフラエンジニアと連携したMLOps・運用基盤の整備
- AI/LLMエンジニアと連携した、LLM/RAGと機械学習モデルを組み合わせた機能開発
- PM・データサイエンティスト・顧客への技術説明、検証結果共有
- 最新論文・技術トレンドの調査、実装検証、社内ナレッジ共有
◼️取り組むテーマ例
- 検査画像・外観画像を用いた不良検知・分類モデルの開発
- 設備ログ・センサーデータを用いた異常検知・予兆保全モデルの開発
- 受注・生産・在庫データを用いた需要予測・生産計画支援モデルの開発
- 品質データを用いた不良発生予測・品質改善支援
- 作業データや工程データを用いた効率化・最適化モデルの開発
- 文書・帳票・記録データを活用した分類・抽出モデルの開発
- 学習済みモデルの推論API化と業務アプリケーションへの組み込み
- 本番導入後のモデル監視・再学習・性能改善
- LLM/RAGと予測モデル・分類モデルを組み合わせた業務支援AI
- 複数顧客・複数案件に横展開可能なML開発・運用基盤の整備
◼️このポジションで期待する成果
- 顧客課題に対して、適切なモデル方式・評価方法を設計できる
- PoCでのモデル検証から、本番システムへの組み込みまで推進できる
- 精度だけでなく、推論速度、コスト、可用性、保守性を意識して開発できる
- 運用開始後の性能監視や再学習を含め、継続的に改善できる仕組みをつくれる
- Webエンジニアやインフラエンジニアと連携し、AIモデルを安定した機能として提供できる
- 技術的な検討内容や制約を、顧客・PM・非技術者にもわかりやすく説明できる
【業務の変更の範囲】
無
| 想定年収 | 600 〜 1,000 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
株式会社エムニ
【フルリモ/スーパーフレックス/東京・京都/シニアAI/LLMエンジニア】東大・京大発、学術知見で製造業にAI革新を牽引する企業! のリモートワーク求人
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️仕事のやりがい
エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。
特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。
技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。
◼️役割期待
入社後は、製造業を中心とした顧客の業務課題を理解し、LLM・RAG・AIエージェント等を活用したAIシステムの技術設計・開発リードをお任せします。
単なる実装にとどまらず、技術選定、アーキテクチャ設計、評価設計、PoCから本番運用までのロードマップ設計、顧客への技術提案、チームメンバーの育成まで、AI社会実装の中核を担っていただきます。
◼️業務内容
- 業務要件の整理、技術要件への落とし込み
- LLM/RAG/AIエージェントを活用したソリューション設計
- AIシステム全体のアーキテクチャ設計
- 技術選定、評価設計、品質基準の策定
- PoC設計、本番運用を見据えた開発リード
- 顧客やビジネスサイドとの技術的な議論・提案
- コードレビュー、設計レビュー、技術的意思決定
- ジュニア〜ミドルメンバーの育成・技術支援
- 社内のAI開発ナレッジやベストプラクティスの整備
◼️開発例
- 製造業向けナレッジ検索・RAGシステム
- 図面・帳票・仕様書などのドキュメント解析AI
- 熟練者の暗黙知を活用した業務支援AI
- 問い合わせ対応・見積作成・調査業務の自動化
- 業務プロセスを自律的に支援するAIエージェント
- 生成AIを活用した社内業務効率化・AI駆動経営の推進
- 製造現場・バックオフィス・営業技術領域におけるAI活用支援
【業務の変更の範囲】
無
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️仕事のやりがい
エムニでは、生成AI・LLMを活用した業務変革の最前線で、技術選定からプロトタイピング、実装、改善、運用まで一気通貫で関わることができます。
特に製造業領域では、図面、仕様書、検査記録、作業手順書、問い合わせ履歴、熟練者のナレッジなど、多様かつ複雑なデータを扱います。こうした現場固有の情報をLLMやRAG、AIエージェントと組み合わせ、実務で使えるプロダクト・ソリューションへ落とし込むことが求められます。
技術を深く理解するだけでなく、「誰の、どの業務課題を、どのように解くのか」まで踏み込み、顧客やビジネスサイドと連携しながら価値を形にできる環境です。
◼️役割期待
入社後は、製造業を中心とした顧客の業務課題を理解し、LLM・RAG・AIエージェント等を活用したAIシステムの技術設計・開発リードをお任せします。
単なる実装にとどまらず、技術選定、アーキテクチャ設計、評価設計、PoCから本番運用までのロードマップ設計、顧客への技術提案、チームメンバーの育成まで、AI社会実装の中核を担っていただきます。
◼️業務内容
- 業務要件の整理、技術要件への落とし込み
- LLM/RAG/AIエージェントを活用したソリューション設計
- AIシステム全体のアーキテクチャ設計
- 技術選定、評価設計、品質基準の策定
- PoC設計、本番運用を見据えた開発リード
- 顧客やビジネスサイドとの技術的な議論・提案
- コードレビュー、設計レビュー、技術的意思決定
- ジュニア〜ミドルメンバーの育成・技術支援
- 社内のAI開発ナレッジやベストプラクティスの整備
◼️開発例
- 製造業向けナレッジ検索・RAGシステム
- 図面・帳票・仕様書などのドキュメント解析AI
- 熟練者の暗黙知を活用した業務支援AI
- 問い合わせ対応・見積作成・調査業務の自動化
- 業務プロセスを自律的に支援するAIエージェント
- 生成AIを活用した社内業務効率化・AI駆動経営の推進
- 製造現場・バックオフィス・営業技術領域におけるAI活用支援
【業務の変更の範囲】
無
| 想定年収 | 800 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制
※コアタイムなし
※フレキシブルタイム:5:00~22:00
※スーパーフレックスタイム制
※標準労働時間:1日8時間
※月間所定労働時間:160時間前後
働き方: フルフレックス制 時間外労働の有無: 有(月平均20時間~30時間) 休憩時間: 60分 |
||
| 設立年数 | 4年 | 従業員数 | 151人 |
NXTech株式会社
【首都圏出社/クラウド・サーバ・ネットワーク】福利厚生充実/設計・構築経験を活かす!サーバ・ネットワークエンジニア募集 のリモートワーク求人
■事業内容
◎エンジニアリングサービス(SES)
◎システムサービス事業(システム開発、IT サービス)
◎デジタルサービス事業(IoT/AI サービス、組込み製品)
製造・金融・通信・公共系など様々なお取引先様に対し、経験に応じてシステム基盤やWeb アプリ等の開発、IT インフラ関連などの業務をお任せします。
エンドユーザーは通信キャリアや金融機関等の大手や官公庁が中心です。
自社開発、派遣、受託等、総合 IT ソリューション提供企業としてお客様のニーズにお応えします。
また、AIを中心とした新規事業にも積極的に取り組んでいます。
■業務概要
インフラエンジニアとして、システム基盤の設計、構築、運用保守を担当していただきます。
■業務詳細
・クラウド環境(AWS、Azure、GCP等)の提案、設計、構築、運用保守
・既存システムの移行(クラウドリフト、クラウドシフト、リフトアンドシフト)やネットワークインフラの最適化
・サーバー環境(Linux、Windows)の設計・構築、運用保守
・仮想化技術(VMware、Hyper-V 等)を活用したサーバー基盤構築や管理
・障害対応、セキュリティ管理、パフォーマンスチューニング、運用効率化の提案
・コンテナ技術(Docker、Kubernetes 等)の導入や自動化ツール(Terraform、CloudFormation 等)を活用した作業等
【業務の変更の範囲】
会社の定める範囲
◎エンジニアリングサービス(SES)
◎システムサービス事業(システム開発、IT サービス)
◎デジタルサービス事業(IoT/AI サービス、組込み製品)
製造・金融・通信・公共系など様々なお取引先様に対し、経験に応じてシステム基盤やWeb アプリ等の開発、IT インフラ関連などの業務をお任せします。
エンドユーザーは通信キャリアや金融機関等の大手や官公庁が中心です。
自社開発、派遣、受託等、総合 IT ソリューション提供企業としてお客様のニーズにお応えします。
また、AIを中心とした新規事業にも積極的に取り組んでいます。
■業務概要
インフラエンジニアとして、システム基盤の設計、構築、運用保守を担当していただきます。
■業務詳細
・クラウド環境(AWS、Azure、GCP等)の提案、設計、構築、運用保守
・既存システムの移行(クラウドリフト、クラウドシフト、リフトアンドシフト)やネットワークインフラの最適化
・サーバー環境(Linux、Windows)の設計・構築、運用保守
・仮想化技術(VMware、Hyper-V 等)を活用したサーバー基盤構築や管理
・障害対応、セキュリティ管理、パフォーマンスチューニング、運用効率化の提案
・コンテナ技術(Docker、Kubernetes 等)の導入や自動化ツール(Terraform、CloudFormation 等)を活用した作業等
【業務の変更の範囲】
会社の定める範囲
| 想定年収 | 400 〜 700 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 | |||
| 設立年数 | 15年 | 従業員数 | 333人 |
株式会社ABEJA
★【フルリモート/フレックス制/トランスフォーメーション領域:SRE/SRE、またはそれに準ずるロールとしての実務経験(目安:2年以上)】200社以上の導入実績を誇るディープラーニングのリーディングカンパニー! のリモートワーク求人
業務内容
主な業務(部門SREとして)
モニタリング/オブザーバビリティの設計・標準化
メトリクス、ログ、アラート、ダッシュボード設計の共通化
プロジェクトごとに分断された監視の整理・統合
インシデント管理プロセスの設計・改善
対応フロー、役割分担、ポストモーテムの型づくり
属人化しない判断・振り返りの仕組み化
運用ルール・設計思想の標準化と浸透
既存ドキュメントの整理・再設計
現場で「使われる」ことを前提とした改善
将来の24/365運用・オンコール体制に向けた設計・検討
現時点で常設オンコールを担うことはありません
将来を見据えた体制・ルールの整理、提案
条件付きで関与する業務(希望・状況に応じて)
大規模・高難度プロジェクトに対するSRE観点での支援
初期設計レビュー
運用・モニタリング設計の支援
本人の志向や状況に応じて、プロジェクトのデリバリーに一定期間関与する選択肢もあります
ただし、SREとしての主軸が疎かにならない範囲に限ります
※ 個別プロジェクトの納期・品質の最終責任は負いません
ポジションの魅力
1人目専任のSREとして、部門の運用設計に強い裁量を持てるポジションです
既存の仕組みを活かしながら、「作る」だけでなく 組織に根付かせる経験 ができます
複数プロジェクト・複数ステークホルダーを横断し、技術とコミュニケーションの両面で影響力を発揮できます
将来的な24/365やミッションクリティカル領域を見据えた、 中長期で価値のあるSREキャリア を積むことができます
募集背景
<事業・プロジェクトの背景>
システム開発部では、顧客への提案・プリセールス段階での見積やシステム設計から、実際の開発、リリース後の運用・保守までを一気通貫で担っています。特定の下請け的な立場ではなく、 プライムベンダーとして顧客と直接向き合いながら 、長期的な視点でシステムを育てていくスタイルが特徴です。
<システム開発部の特徴>
システム開発部は、フロントエンド・バックエンド・インフラまでを横断的に担える フルスタックエンジニア を中心に構成されたエンジニア組織です。特定の役割に厳密に分業するのではなく、プロジェクトごとに設計・開発・運用までを一気通貫で担うスタイルを強みとしています。
この柔軟な体制により、各プロジェクトが自律的に推進されやすい一方で、開発の進め方やドキュメント、部門間連携の方法などがプロジェクトごとに最適化されやすい側面もあります。
<なぜ該当ロールが必要か>
こうした体制の中で、これまでは各プロジェクトを中心に運用やモニタリングの工夫が行われてきました。その結果、プロジェクト数や規模の拡大に伴い、モニタリング、インシデント管理、運用設計といった プロジェクト横断の運用課題 がより明確に意識されるようになってきています。
現在も、モニタリングや運用に関する考え方・ドキュメントは一定程度整備されていますが、それらを 部門としてオーナーシップを持って管理・改善・浸透させる専任ロールが不在 であるため、
実運用で十分に活用されない
判断や調整が部長・マネジャーに集中する
プロジェクトごとの差分が説明しづらい
といった状況が生じています。
これらの課題を解消し、システム開発部として 一貫した運用設計・説明ができる状態 を実現するため、運用を「人」ではなく「仕組み」で支える部門横断の役割として、 1人目の専任SRE を募集します。
ミッション
SREとして、複数プロジェクトにまたがるシステムの 信頼性・運用性・再現性 を部門横断で担保し、既存の運用ルールや考え方にオーナーシップを持って整理・標準化・浸透させることがミッションです。
人が頑張って回す運用ではなく、 仕組みとして継続的に回る状態 を設計し、システム開発部として共通の言葉で語れる運用基盤を作っていくことを期待しています。
【業務の変更の範囲】
会社の定める業務へ配置転換の可能性あり
主な業務(部門SREとして)
モニタリング/オブザーバビリティの設計・標準化
メトリクス、ログ、アラート、ダッシュボード設計の共通化
プロジェクトごとに分断された監視の整理・統合
インシデント管理プロセスの設計・改善
対応フロー、役割分担、ポストモーテムの型づくり
属人化しない判断・振り返りの仕組み化
運用ルール・設計思想の標準化と浸透
既存ドキュメントの整理・再設計
現場で「使われる」ことを前提とした改善
将来の24/365運用・オンコール体制に向けた設計・検討
現時点で常設オンコールを担うことはありません
将来を見据えた体制・ルールの整理、提案
条件付きで関与する業務(希望・状況に応じて)
大規模・高難度プロジェクトに対するSRE観点での支援
初期設計レビュー
運用・モニタリング設計の支援
本人の志向や状況に応じて、プロジェクトのデリバリーに一定期間関与する選択肢もあります
ただし、SREとしての主軸が疎かにならない範囲に限ります
※ 個別プロジェクトの納期・品質の最終責任は負いません
ポジションの魅力
1人目専任のSREとして、部門の運用設計に強い裁量を持てるポジションです
既存の仕組みを活かしながら、「作る」だけでなく 組織に根付かせる経験 ができます
複数プロジェクト・複数ステークホルダーを横断し、技術とコミュニケーションの両面で影響力を発揮できます
将来的な24/365やミッションクリティカル領域を見据えた、 中長期で価値のあるSREキャリア を積むことができます
募集背景
<事業・プロジェクトの背景>
システム開発部では、顧客への提案・プリセールス段階での見積やシステム設計から、実際の開発、リリース後の運用・保守までを一気通貫で担っています。特定の下請け的な立場ではなく、 プライムベンダーとして顧客と直接向き合いながら 、長期的な視点でシステムを育てていくスタイルが特徴です。
<システム開発部の特徴>
システム開発部は、フロントエンド・バックエンド・インフラまでを横断的に担える フルスタックエンジニア を中心に構成されたエンジニア組織です。特定の役割に厳密に分業するのではなく、プロジェクトごとに設計・開発・運用までを一気通貫で担うスタイルを強みとしています。
この柔軟な体制により、各プロジェクトが自律的に推進されやすい一方で、開発の進め方やドキュメント、部門間連携の方法などがプロジェクトごとに最適化されやすい側面もあります。
<なぜ該当ロールが必要か>
こうした体制の中で、これまでは各プロジェクトを中心に運用やモニタリングの工夫が行われてきました。その結果、プロジェクト数や規模の拡大に伴い、モニタリング、インシデント管理、運用設計といった プロジェクト横断の運用課題 がより明確に意識されるようになってきています。
現在も、モニタリングや運用に関する考え方・ドキュメントは一定程度整備されていますが、それらを 部門としてオーナーシップを持って管理・改善・浸透させる専任ロールが不在 であるため、
実運用で十分に活用されない
判断や調整が部長・マネジャーに集中する
プロジェクトごとの差分が説明しづらい
といった状況が生じています。
これらの課題を解消し、システム開発部として 一貫した運用設計・説明ができる状態 を実現するため、運用を「人」ではなく「仕組み」で支える部門横断の役割として、 1人目の専任SRE を募集します。
ミッション
SREとして、複数プロジェクトにまたがるシステムの 信頼性・運用性・再現性 を部門横断で担保し、既存の運用ルールや考え方にオーナーシップを持って整理・標準化・浸透させることがミッションです。
人が頑張って回す運用ではなく、 仕組みとして継続的に回る状態 を設計し、システム開発部として共通の言葉で語れる運用基盤を作っていくことを期待しています。
【業務の変更の範囲】
会社の定める業務へ配置転換の可能性あり
| 想定年収 | 700 〜 1,200 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: フレックスタイム制度
・コアタイム 10:00 - 15:00
・フレキシブルタイム 07:00 - 10:00 / 15:00 - 19:00
・標準労働時間:10:00 - 19:00 (休憩60分)
働き方: フレックス制(コアタイムあり) 時間外労働の有無: 有(月平均20時間) 休憩時間: 60分 |
||
| 企業概要 |
ゆたかな世界を、実装する
ABEJAは、「ゆたかな世界を、実装する」を経営理念とし、「ABEJA Platform」を基盤に顧客企業の基幹業務のプロセスを変革し、ビジネスの継続的な収益成長の実現に伴走する「デジタルプラットフォーム事業」を展開しています。2012年の創業時よりABEJA Platformの研究開発を進めており、これまで多種多様な業界・業態の300社以上のデジタル変革をABEJA Platform上で実現してきました。 |
||
| 設立年数 | 15年 | 従業員数 | 130人 |
157件中 11件~20件
リモートワーク求人を探す
職種からリモートワーク求人を探す
- CTO
- VPoE
- テックリード
- ITコンサルタント
- ITアーキテクト
- プロジェクトマネージャー
- プロダクトマネージャー
- スクラムマスター
- PMO
- ブリッジSE
- プロジェクトリーダー
- webデザイナー
- UIUXデザイナー
- webディレクター
- デジタルマーケター
- ゲームデザイナー
- CGデザイナー
- インフラエンジニア
- SRE
- ネットワークエンジニア
- サーバーエンジニア
- セキュリティエンジニア
- システムエンジニア
- システムディレクター
- サーバーサイドエンジニア
- フロントエンドエンジニア
- マークアップコーダー
- iOSエンジニア
- Androidエンジニア
- ゲームエンジニア
- ゲームプランナー
- QAエンジニア
- テストエンジニア
- テスター
- AIエンジニア(DL/機械学習)
- データサイエンティスト
- データアナリスト
- BIエンジニア
- データベースエンジニア
- 社内SE
- ヘルプデスク
- テクニカルサポート
- CRE
開発経験からリモートワーク求人を探す
- Access
- ActionScript
- AD
- Android(Java)
- Angular
- Ansible
- AWS
- Azure
- C#
- C++
- CakePHP
- COBOL
- Cordova
- C言語
- Django
- EC-CUBE
- Electron
- Elixir
- Express.js
- Figma
- Firebase
- Flask
- Flutter
- FuelPHP
- GCP
- Go
- HTML/CSS
- Illustrator
- Java
- JavaScript
- Kotlin
- Kubernetes
- Laravel
- Linux
- MySQL
- Next.js
- Node.js
- Nuxt.js
- Objective-C
- Oracle
- Perl
- Photoshop
- PHP
- PL/SQL
- PostgreSQL
- Python
- R
- React
- React Native
- RPA(Biz Robo)
- RPA(UiPath)
- RPA(WinActor)
- Ruby on Rails
- Rust
- Salesforce
- SAP
- Scala
- Seasar2
- Sketch
- Spring
- Spring Boot
- SQL
- SQL Server
- Struts
- Swift
- Symfony
- Tableau
- Tensorflow
- Terraform
- Tresure Data
- TypeScript
- Unity
- VB
- VBA
- Vue.js
- WordPress
- Xamarin
- XD
働き方からリモートワーク求人を探す
リモートワークタイプからリモートワーク求人を探す
語学・国籍からリモートワーク求人を探す
Jobのタイトルが入ります
こちらの求人に応募します
Jobのタイトルが入ります
こちらの求人に応募します
への応募が完了しました。
ご応募ありがとうございます。
担当エージェントからの連絡をお待ちください。
Jobのタイトルが入ります
こちらの求人を辞退しますが間違いないですか?
への辞退が完了しました。
またのご応募お待ちしています。
既に応募済みの案件です。
求人への応募には
リラシクの利用を開始してください。
求人への応募にはご住所の入力が必要です。
予期せぬエラーが発生しました。