SQL×AIエンジニア(DL/機械学習)のリモートワーク転職・求人情報一覧
21件中 1件~10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/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/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/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 |
コインチェック株式会社
【リモートあり/データサイエンス】米NASDAQ上場/国内最大規模の暗号資産取引サービス運営企業 のリモートワーク求人
■お仕事内容
<担当していただくこと>
フロント機能に特化した新組織(クオンツG)の立ち上げに伴い、立ち上げフェーズに参画頂ける人材を募集しております。
暗号資産ディーリング業務における定量分析・モデル開発を通じた収益最適化をご担当頂きます。
-カバー取引のコスト分析・カバー戦略の定量的な策定・改善
-自社のスプレッド・パラメータ設定
-市場データを活用した収益機会の探索・分析
-デリバティブの理論価格算出モデルの設計・実装・検証
-Python / BigQuery / GCP を用いた分析基盤上でのモデル開発・運用
■この仕事の魅力
-暗号資産という成長市場で、カバー取引・資金管理・デリバティブなど多領域の定量分析に横断的に関われる
-フロント機能に特化した新組織(クオンツG)の立ち上げフェーズに参画できる
-分析から戦略策定まで一気通貫で携われる裁量の大きさ
-AIツールを活用した分析・開発ワークフローの構築スキル
■この仕事で伸ばせるスキル
-暗号資産特有の市場構造(24/365、高ボラティリティ)に対する定量分析スキル
-Cursor・Claude Code等のAIコーディングツールを業務に全面導入しており、分析・実装の生産性が高い環境で働ける
-フロントオフィスとしての収益最適化の意思決定経験
■配属部門について
暗号資産交換業事業(現物・デリバティブ)の運営を担うトレジャリー部では暗号資産のポジション管理の他、カバー先(LP)との契約・口座管理や、
カストディシステム(Fireblocks)の運用まで広く担当しております。
■募集背景
フロント業務に特化した組織の立ち上げに伴い定量分析を担うクオンツ人材を募集しております。
■コインチェック株式会社について
コインチェックは、2014年より暗号資産取引サービスを提供し、現在では国内トップクラスのダウンロード数を誇るプラットフォームへと成長してきました。
2025年現在、暗号資産は「デジタルアセット」としての認識が進み、単なる投資対象から、価値交換・証券化・新たな経済圏の基盤へと変容しつつあります。
私たちはこの社会的な変化を、サービスとして実装するテック集団です。マネックスグループの一員として、高いコンプライアンス水準を守りながらも、
新規サービスの立ち上げやブロックチェーン領域への挑戦など、スタートアップ的なスピードと柔軟さをあわせ持つ独自のポジションにあります。
インフラ、セキュリティ、バックエンドといったプロダクトの基盤は、すべて自社開発。数秒単位で価格が動く世界においても、
安定かつスケーラブルな体験を提供することは、シンプルながら極めて高度なチャレンジです。
こうした技術的課題を楽しめる方が、金融やEC、SaaSなどさまざまな業界からジョインし、活躍しています。
コインチェックが求めているのは、「クリプトに詳しい方」だけではありません。
「今は詳しくないけれど、社会構造を変える技術に携わりたい」「未知のドメインに挑戦したい」といった熱量を持つ方を歓迎しています。
私たちと一緒に、次の経済基盤を創り出しませんか?
■関連記事
note(コインチェック株式会社 公式note):https://note.com/coincheck
Company Deck(コインチェック会社紹介資料/Coincheck Company description):https://speakerdeck.com/coincheck_recruit/coincheck-company-description
【業務の変更の範囲】
会社の規定に準ずる
<担当していただくこと>
フロント機能に特化した新組織(クオンツG)の立ち上げに伴い、立ち上げフェーズに参画頂ける人材を募集しております。
暗号資産ディーリング業務における定量分析・モデル開発を通じた収益最適化をご担当頂きます。
-カバー取引のコスト分析・カバー戦略の定量的な策定・改善
-自社のスプレッド・パラメータ設定
-市場データを活用した収益機会の探索・分析
-デリバティブの理論価格算出モデルの設計・実装・検証
-Python / BigQuery / GCP を用いた分析基盤上でのモデル開発・運用
■この仕事の魅力
-暗号資産という成長市場で、カバー取引・資金管理・デリバティブなど多領域の定量分析に横断的に関われる
-フロント機能に特化した新組織(クオンツG)の立ち上げフェーズに参画できる
-分析から戦略策定まで一気通貫で携われる裁量の大きさ
-AIツールを活用した分析・開発ワークフローの構築スキル
■この仕事で伸ばせるスキル
-暗号資産特有の市場構造(24/365、高ボラティリティ)に対する定量分析スキル
-Cursor・Claude Code等のAIコーディングツールを業務に全面導入しており、分析・実装の生産性が高い環境で働ける
-フロントオフィスとしての収益最適化の意思決定経験
■配属部門について
暗号資産交換業事業(現物・デリバティブ)の運営を担うトレジャリー部では暗号資産のポジション管理の他、カバー先(LP)との契約・口座管理や、
カストディシステム(Fireblocks)の運用まで広く担当しております。
■募集背景
フロント業務に特化した組織の立ち上げに伴い定量分析を担うクオンツ人材を募集しております。
■コインチェック株式会社について
コインチェックは、2014年より暗号資産取引サービスを提供し、現在では国内トップクラスのダウンロード数を誇るプラットフォームへと成長してきました。
2025年現在、暗号資産は「デジタルアセット」としての認識が進み、単なる投資対象から、価値交換・証券化・新たな経済圏の基盤へと変容しつつあります。
私たちはこの社会的な変化を、サービスとして実装するテック集団です。マネックスグループの一員として、高いコンプライアンス水準を守りながらも、
新規サービスの立ち上げやブロックチェーン領域への挑戦など、スタートアップ的なスピードと柔軟さをあわせ持つ独自のポジションにあります。
インフラ、セキュリティ、バックエンドといったプロダクトの基盤は、すべて自社開発。数秒単位で価格が動く世界においても、
安定かつスケーラブルな体験を提供することは、シンプルながら極めて高度なチャレンジです。
こうした技術的課題を楽しめる方が、金融やEC、SaaSなどさまざまな業界からジョインし、活躍しています。
コインチェックが求めているのは、「クリプトに詳しい方」だけではありません。
「今は詳しくないけれど、社会構造を変える技術に携わりたい」「未知のドメインに挑戦したい」といった熱量を持つ方を歓迎しています。
私たちと一緒に、次の経済基盤を創り出しませんか?
■関連記事
note(コインチェック株式会社 公式note):https://note.com/coincheck
Company Deck(コインチェック会社紹介資料/Coincheck Company description):https://speakerdeck.com/coincheck_recruit/coincheck-company-description
【業務の変更の範囲】
会社の規定に準ずる
| 想定年収 | 800 〜 1,500 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 |
作業時間: 清算期間と1ヶ月の総労働時間:毎月1日~末日
所定労働時間:8時間×月の所定労働日数を満たす必要があります。
標準労働時間:1日8時間(部署により基本勤務時間は異なる)
コアタイム:12時~15時
フレキシブルタイム:7時~22時
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10時間) 休憩時間: 60分 |
||
| 企業概要 |
2014年8月に暗号資産取引サービス「Coincheck」を開始して以来、金融リテラシーにかかわらず、誰でも使いやすいサービスを提供することにより、「新しい価値交換」を身近に感じられる機会をお客さまに届けてきました。
暗号資産やブロックチェーンは日々進化を重ね、より個々人を主体とした「新たな価値交換」を実現しつつありますが、あたらしい技術がもたらす恩恵はまだほんの一部の人にしか行き届いておらず、情報リテラシーによる格差が生じています。 コインチェックは、暗号資産やブロックチェーンにより生まれる「新しい価値交換」、またその次に現れる新しいテクノロジーにより実現される変革を誰もが身近に感じられるように、より良いサービスを創出し続けます。 |
||
| 設立年数 | 15年 | 従業員数 | 212人 |
株式会社カンム
【地方フルリモート/データエンジニア/実務5年~】データ基盤 & MLOps リード/1200万ダウンロード超えの決済・金融サービスのデータ戦略立案・実行 のリモートワーク求人
■お仕事内容
事業インパクトに直結するデータ活用・機械学習基盤の設計・開発・運用、そしてその仕組み化と全社展開をリードしていただきます。
<具体的な業務イメージ>
・Go, Pythonを用いたデータパイプライン、API/バッチ処理の実装
・データウェアハウス・データレイクハウスの設計・構築・運用
・Terraformを用いたIaCによるインフラ構築・管理 (AWS, GCP)
・Feature Storeや実験管理基盤など、MLOps関連技術の選定・導入・運用
■ チーム構成
現在は、バックエンドエンジニア2名とプラットフォームマネジメント担当1名が兼務でデータエンジニアリング領域を担っています。
この領域を専門でリードする一人目のシニアメンバーとしてご活躍いただくことを期待しています。
将来的には、事業の成長に合わせてデータエンジニアリングチームを組成・拡大していく構想です。
■ポジションの魅力
・事業のコアで裁量を発揮
1200万ダウンロードを超える決済・金融サービスの根幹をなすデータ戦略の立案から実行まで、
大きな裁量を持ってリードできます。
・ビジネスに直結するインパクト
PoC(実証実験)で終わることなく、自身が構築した基盤が事業のP/Lにどう貢献したかまで、
ダイレクトに実感できる環境です。
・難易度の高い技術課題への挑戦
金融ドメイン特有のリアルタイム性、整合性、セキュリティ、そして予測応答性といった、
本質的でチャレンジングな技術課題に取り組むことができます。
・ゼロから仕組みを創る面白さ
プロダクト開発と一体となり、現場の課題解決というボトムアップのアプローチで、
最適なデータ・ML基盤を初期フェーズから設計・構築していく経験が積めます。
■募集背景
データ活用は当社に根付いた文化ですが、データ基盤の構築・運用はバックエンドエンジニアによる兼務に留まっており、
スピード・品質・再現性の面で改善の必要がある状況です。
特に、プロダクトごとに異なる要件に応じた仕組みの整備が必要な中で、属人的な対応ではインシデント発生時のリカバリや保守性にも課題が残っています。
今後は、より高度なパーソナライズやリスク管理といった施策を加速するため、MLOps 基盤を機能拡張・再設計し、
再現性ある仕組みとして定着させる必要があり、専任かつ高度な設計・実装力を持ったデータエンジニアを迎え、
事業のスケーラビリティを支える中核人材として活躍いただきたいと考えています。
【業務の変更の範囲】
会社の定める範囲
事業インパクトに直結するデータ活用・機械学習基盤の設計・開発・運用、そしてその仕組み化と全社展開をリードしていただきます。
<具体的な業務イメージ>
・Go, Pythonを用いたデータパイプライン、API/バッチ処理の実装
・データウェアハウス・データレイクハウスの設計・構築・運用
・Terraformを用いたIaCによるインフラ構築・管理 (AWS, GCP)
・Feature Storeや実験管理基盤など、MLOps関連技術の選定・導入・運用
■ チーム構成
現在は、バックエンドエンジニア2名とプラットフォームマネジメント担当1名が兼務でデータエンジニアリング領域を担っています。
この領域を専門でリードする一人目のシニアメンバーとしてご活躍いただくことを期待しています。
将来的には、事業の成長に合わせてデータエンジニアリングチームを組成・拡大していく構想です。
■ポジションの魅力
・事業のコアで裁量を発揮
1200万ダウンロードを超える決済・金融サービスの根幹をなすデータ戦略の立案から実行まで、
大きな裁量を持ってリードできます。
・ビジネスに直結するインパクト
PoC(実証実験)で終わることなく、自身が構築した基盤が事業のP/Lにどう貢献したかまで、
ダイレクトに実感できる環境です。
・難易度の高い技術課題への挑戦
金融ドメイン特有のリアルタイム性、整合性、セキュリティ、そして予測応答性といった、
本質的でチャレンジングな技術課題に取り組むことができます。
・ゼロから仕組みを創る面白さ
プロダクト開発と一体となり、現場の課題解決というボトムアップのアプローチで、
最適なデータ・ML基盤を初期フェーズから設計・構築していく経験が積めます。
■募集背景
データ活用は当社に根付いた文化ですが、データ基盤の構築・運用はバックエンドエンジニアによる兼務に留まっており、
スピード・品質・再現性の面で改善の必要がある状況です。
特に、プロダクトごとに異なる要件に応じた仕組みの整備が必要な中で、属人的な対応ではインシデント発生時のリカバリや保守性にも課題が残っています。
今後は、より高度なパーソナライズやリスク管理といった施策を加速するため、MLOps 基盤を機能拡張・再設計し、
再現性ある仕組みとして定着させる必要があり、専任かつ高度な設計・実装力を持ったデータエンジニアを迎え、
事業のスケーラビリティを支える中核人材として活躍いただきたいと考えています。
【業務の変更の範囲】
会社の定める範囲
| 想定年収 | 900 〜 1,150 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
標準労働時間:9:00~18:00
コアタイム:11:00-15:00
フレキシブルタイム:6:00~20:00
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30時間) 休憩時間: 60分 |
||
| 企業概要 |
-
|
||
| 設立年数 | 16年 | 従業員数 | 64人 |
株式会社ストラテジーアンドパートナー
【地方フルリモ・首都圏ハイブリ/東京/日本の教育を変えるエンジニア/HTML・CSS・JavaScript基礎&いずれかの言語での開発経験(経験年数不問)】AI×教育で社会を変える挑戦に、あなたの技術を!未来の教育を創る最先端AI技術を駆使した教育プラットフォーム開発企業! のリモートワーク求人
【募集背景】
日本の教育は今、危機に直面しています。
読解力・論理的思考力の低下、そしてAI時代の到来。
私たちはこの課題に立ち向かい、次世代に価値ある「人」と「事」を残すため、
最先端AI技術を駆使した教育プラットフォームを開発しています。
<社会背景>
日本の教育危機(読解力・論理的思考力の低下)
AI時代のスキル変革
<使命>
「次世代に『人』と『事』を残す」
教育劣化を防ぎ、非認知能力を育成することで未来を変える
<理念>
「早く仕事を辞めよう」=義務感から解放され、成果重視で楽しめる働き方
エンジニア=アスリート(フィジカル・テクニック・メンタルを鍛える)
【業務概要】
あなたが関わるプロジェクトは、
次世代エンジニア育成プラットフォーム「エレメンタルラボ」
非認知能力(忍耐力・協調性・批判的思考)を育成する革新的な教育サービス
AIによる学習データ分析と個別最適化
生成AIでパーソナライズされた学習コンテンツ開発
リアルタイムフィードバックシステム構築
<技術スタック>
React.js / TypeScript / Go / Python / FastAPI / AWS / LangChain / LlamaIndex
【具体的な業務内容】
■ 次世代エンジニア育成プラットフォーム開発(https://www.youtube.com/watch?v=bUfXD-zqLFU)
私たちが誇る「エレメンタルラボ」は、非認知能力の向上に特化した革新的な教育プラットフォームです。あなたには以下の開発に携わっていただきます:
• ユーザーの学習行動データ分析と個別最適化機能の設計・実装 • 生成AIを活用したパーソナライズド学習コンテンツの開発 • リアルタイムフィードバックシステムの構築
<技術スタック> フロントエンド:React.js、TypeScript • バックエンド:golang、• AI/ML:OpenAI API、Lama • データベース:MySQL • インフラ:AWS、Docker、Git
• 自然言語処理機能の高度化 • 対話型UIの改善とUXデザイン • マルチモーダルAIへの拡張
<技術スタック> Python、FastAPI • LangChain、LlamaIndex • React Native • AWS
■最先端技術を活用した受託開発
医薬ベンチャーからのラボ型開発や革新的なプロジェクトにも携わっていただきます:
• 自動運転車の渋滞予測システム開発 • 医療・調剤システムの設計・実装 • エネルギー産業向け業務効率化アプリケーション開発
<技術環境> 分散処理:Apache Spark、Kafka • クラウド:AWS各種サービス(Lambda、S3、EC2など) • 自動化:CI/CD、Infrastructure as Code
【働き方・開発体制】
<働き方>
90%リモートワーク:自由なライフスタイルを実現
成果重視の文化:「タイパ」を重視し、短時間で高い成果を評価
エンジニア=アスリート育成:技術・メンタル・フィジカルを総合的に強化
<開発アプローチ>
アジャイル開発+継続改善
データドリブンな意思決定
AIツール活用で開発効率化
<チーム体制>
クロスファンクショナル(エンジニア・教育専門家・デザイナー・データサイエンティスト)
スキルチェックツールで成長を可視化
<成長支援>
半年で生成AI活用スキル習得可能
メンタリング・学習会・フィードバック充実
【あなたのキャリアを加速する環境】
入社後すぐにスキルチェックで最適な成長プランを策定
半年で生成AI活用スキルを習得可能
3年後にはテックリードやAI専門家として活躍できるキャリアパス
【キャリアパススケジュールイメージ】
入社直後:環境構築・小規模改修
4〜6ヶ月:機能設計〜実装、PoCリード
7ヶ月〜:テックリード、後輩育成、技術発信
【特徴的なポイント】
社会的意義のある仕事(教育課題解決)
最先端技術に触れられる環境(生成AI、LLM、マルチモーダルAI)
成果重視・自由度高い働き方
エンジニアの総合的成長を支援(技術+メンタル+フィジカル)
【入社実績】
• Kさん(26歳):未経験から入社1年で複数言語をマスターし、大手自動車メーカーの研究開発プロジェクトに参画
• Tさん(25歳):大学中退からキャリアをスタートし、現在はAWSエンジニア(SAA資格保有)として活躍中
• Mさん(26歳):入社半年で生成AI活用スキルを習得し、自社サービスのUI/UX改善を主導
【実際に活躍しているメンバーのリアルな声】
• Kさん(26歳): 「未経験から入社しました。最初は不安でしたが、先輩のサポートが手厚く不安が解消されました。今では大手自動車メーカーの研究開発プロジェクトで自動運転データ分析システムを担当しています。エンジニアとしての市場価値が大きく上がったと実感しています。」
• Tさん(28歳): 「大学を中退後、独学でプログラミングを学んでいました。入社後は会社のサポートでAWS認定ソリューションアーキテクト(SAA)の資格を取得。今ではクラウドインフラ設計のリーダーを任されています。『タイパ』重視の文化のおかげで、効率よく成長できています。」
【事業に対する想い】
社会背景:教育危機と技術革新の狭間で
日本は今、深刻な教育危機に直面しています。
OECD国際学習到達度調査(PISA)では、読解力の低下が継続的に報告され、IMDの国際競争力ランキングでも日本の順位は低迷しています。
特に「読解力」「論理的思考力」「問題解決能力」といった基礎的なスキルの衰退が顕著です。
同時に、生成AIの急速な発展により、IT業界は大きな転換点を迎えています。
単純作業の自動化が進み、人間に求められるスキルセットが根本から変わりつつあります。
( https://www.jeita.or.jp/ideathon/jeitaideathon2024/ )
私たちは、この2つの大きな変化に着目しました。
技術革新と教育革命の交差点に立ち、社会に真の変革をもたらすチャンスが訪れているのです。
私たちの使命:日本の教育課題に挑む
株式会社ストラテジーアンドパートナーの使命は明確です
— 「次世代に『人』と『事』を残すために、社会的意義のある事業を創出すること」。
特に「日本の教育劣化」という教育分野の根本課題に対し、最先端技術を駆使して解決策を提供します。
私たちが開発する教育プラットフォーム「エレメンタルラボ」は、単なるeラーニングではありません。
AI技術を活用して「非認知能力」を高め、変化の激しい時代を生き抜くために必要な力を育むプラットフォームです。
なぜ「非認知能力」なのか?それは、AI時代において最も価値を持つのが、AIにはない人間特有の能力だからです。
忍耐力、協調性、批判的思考力、創造性といった能力は、どんなに技術が進化しても人間にしか培えません。
エンジニアの新たな役割:技術で人を育てる
従来のエンジニアは「システムを作る人」でした。
しかし私たちが目指すのは「人を育てるシステムを作るエンジニア」です。
当社で開発するサービスは、単にユーザーの利便性を高めるだけでなく、ユーザー自身の能力を引き出し、
成長を促進するものです。あなたが書くコード一行一行が、誰かの人生を変える可能性を秘めています。
例えば、マネージャーの負担を軽減しながら、チームメンバーの潜在能力を引き出し、組織全体の成長を促す仕組みです。
このようなサービスを開発することで、私たちは間接的に数万人、数十万人の成長に貢献できるのです。
技術的挑戦:AIと教育の融合の最前線
教育×AIの領域は、技術的にも非常にチャレンジングです。
以下のような最先端の技術課題に日々取り組んでいます:
• 学習者の理解度を正確に測定するアルゴリズムの開発
• 個人に最適化された学習コンテンツの自動生成
• 非認知能力の定量化と成長度合いの可視化
• 膨大な学習データからの意味ある知見の抽出
これらの課題は、単純なWebアプリケーション開発とは異なる高度な技術力を要求します。
だからこそ、技術的な成長機会が豊富にあり、エンジニアとしての市場価値を飛躍的に高められるのです。
組織としての理念:「早く仕事を辞めよう」の真意
私たちのモットー「早く仕事を辞めよう」には深い意味があります。
これは単に労働時間を短縮するという意味ではなく、「義務感から解放され、心から楽しめる仕事に取り組む」という理想の状態を表現しています。
当社では「労働時間」ではなく「成果」を重視します。100時間働いて100万円の売上より、50時間で同じ売上を上げる方が価値が高いと考えます。
そのために、能力向上・環境改善・学習に惜しみなく投資し、高効率な働き方を追求しています。
「エンジニア=アスリート」という独自の価値観も、この理念から生まれました。
闇雲に頑張るのではなく、「フィジカル」「テクニック」「メンタル」のどれを強化すべきかを明確にし、効率的に成長していく—これが私たちの目指す姿です。
未来を創るために、今行動する
人口減少や超高齢社会など、このままでは発展途上国のような「出稼ぎ」が次世代のスタンダードになってしまう危機感を私たちは持っています。
しかし、教育を変革できれば、日本の未来も変えられるはずです。新しい教育のあり方を提案し、実践することで、次世代に価値ある「人」と「事」を残せると信じています。
AI時代の教育革命は、まさに始まったばかり。この歴史的な変革期に、私たちと共に社会を変える挑戦に参加してみませんか?
あなたのエンジニアとしての技術と情熱が、次世代の教育を創り、日本の未来を変える原動力になります。
私たちが求めるのは、単なるコードを書く人ではありません。社会課題に共感し、技術の力で世界をより良く変えたいと願うエンジニアです。
そんなあなたと一緒に働ける日を、心から楽しみにしています。
【業務の変更の範囲】
会社の定める範囲での業務内容
日本の教育は今、危機に直面しています。
読解力・論理的思考力の低下、そしてAI時代の到来。
私たちはこの課題に立ち向かい、次世代に価値ある「人」と「事」を残すため、
最先端AI技術を駆使した教育プラットフォームを開発しています。
<社会背景>
日本の教育危機(読解力・論理的思考力の低下)
AI時代のスキル変革
<使命>
「次世代に『人』と『事』を残す」
教育劣化を防ぎ、非認知能力を育成することで未来を変える
<理念>
「早く仕事を辞めよう」=義務感から解放され、成果重視で楽しめる働き方
エンジニア=アスリート(フィジカル・テクニック・メンタルを鍛える)
【業務概要】
あなたが関わるプロジェクトは、
次世代エンジニア育成プラットフォーム「エレメンタルラボ」
非認知能力(忍耐力・協調性・批判的思考)を育成する革新的な教育サービス
AIによる学習データ分析と個別最適化
生成AIでパーソナライズされた学習コンテンツ開発
リアルタイムフィードバックシステム構築
<技術スタック>
React.js / TypeScript / Go / Python / FastAPI / AWS / LangChain / LlamaIndex
【具体的な業務内容】
■ 次世代エンジニア育成プラットフォーム開発(https://www.youtube.com/watch?v=bUfXD-zqLFU)
私たちが誇る「エレメンタルラボ」は、非認知能力の向上に特化した革新的な教育プラットフォームです。あなたには以下の開発に携わっていただきます:
• ユーザーの学習行動データ分析と個別最適化機能の設計・実装 • 生成AIを活用したパーソナライズド学習コンテンツの開発 • リアルタイムフィードバックシステムの構築
<技術スタック> フロントエンド:React.js、TypeScript • バックエンド:golang、• AI/ML:OpenAI API、Lama • データベース:MySQL • インフラ:AWS、Docker、Git
• 自然言語処理機能の高度化 • 対話型UIの改善とUXデザイン • マルチモーダルAIへの拡張
<技術スタック> Python、FastAPI • LangChain、LlamaIndex • React Native • AWS
■最先端技術を活用した受託開発
医薬ベンチャーからのラボ型開発や革新的なプロジェクトにも携わっていただきます:
• 自動運転車の渋滞予測システム開発 • 医療・調剤システムの設計・実装 • エネルギー産業向け業務効率化アプリケーション開発
<技術環境> 分散処理:Apache Spark、Kafka • クラウド:AWS各種サービス(Lambda、S3、EC2など) • 自動化:CI/CD、Infrastructure as Code
【働き方・開発体制】
<働き方>
90%リモートワーク:自由なライフスタイルを実現
成果重視の文化:「タイパ」を重視し、短時間で高い成果を評価
エンジニア=アスリート育成:技術・メンタル・フィジカルを総合的に強化
<開発アプローチ>
アジャイル開発+継続改善
データドリブンな意思決定
AIツール活用で開発効率化
<チーム体制>
クロスファンクショナル(エンジニア・教育専門家・デザイナー・データサイエンティスト)
スキルチェックツールで成長を可視化
<成長支援>
半年で生成AI活用スキル習得可能
メンタリング・学習会・フィードバック充実
【あなたのキャリアを加速する環境】
入社後すぐにスキルチェックで最適な成長プランを策定
半年で生成AI活用スキルを習得可能
3年後にはテックリードやAI専門家として活躍できるキャリアパス
【キャリアパススケジュールイメージ】
入社直後:環境構築・小規模改修
4〜6ヶ月:機能設計〜実装、PoCリード
7ヶ月〜:テックリード、後輩育成、技術発信
【特徴的なポイント】
社会的意義のある仕事(教育課題解決)
最先端技術に触れられる環境(生成AI、LLM、マルチモーダルAI)
成果重視・自由度高い働き方
エンジニアの総合的成長を支援(技術+メンタル+フィジカル)
【入社実績】
• Kさん(26歳):未経験から入社1年で複数言語をマスターし、大手自動車メーカーの研究開発プロジェクトに参画
• Tさん(25歳):大学中退からキャリアをスタートし、現在はAWSエンジニア(SAA資格保有)として活躍中
• Mさん(26歳):入社半年で生成AI活用スキルを習得し、自社サービスのUI/UX改善を主導
【実際に活躍しているメンバーのリアルな声】
• Kさん(26歳): 「未経験から入社しました。最初は不安でしたが、先輩のサポートが手厚く不安が解消されました。今では大手自動車メーカーの研究開発プロジェクトで自動運転データ分析システムを担当しています。エンジニアとしての市場価値が大きく上がったと実感しています。」
• Tさん(28歳): 「大学を中退後、独学でプログラミングを学んでいました。入社後は会社のサポートでAWS認定ソリューションアーキテクト(SAA)の資格を取得。今ではクラウドインフラ設計のリーダーを任されています。『タイパ』重視の文化のおかげで、効率よく成長できています。」
【事業に対する想い】
社会背景:教育危機と技術革新の狭間で
日本は今、深刻な教育危機に直面しています。
OECD国際学習到達度調査(PISA)では、読解力の低下が継続的に報告され、IMDの国際競争力ランキングでも日本の順位は低迷しています。
特に「読解力」「論理的思考力」「問題解決能力」といった基礎的なスキルの衰退が顕著です。
同時に、生成AIの急速な発展により、IT業界は大きな転換点を迎えています。
単純作業の自動化が進み、人間に求められるスキルセットが根本から変わりつつあります。
( https://www.jeita.or.jp/ideathon/jeitaideathon2024/ )
私たちは、この2つの大きな変化に着目しました。
技術革新と教育革命の交差点に立ち、社会に真の変革をもたらすチャンスが訪れているのです。
私たちの使命:日本の教育課題に挑む
株式会社ストラテジーアンドパートナーの使命は明確です
— 「次世代に『人』と『事』を残すために、社会的意義のある事業を創出すること」。
特に「日本の教育劣化」という教育分野の根本課題に対し、最先端技術を駆使して解決策を提供します。
私たちが開発する教育プラットフォーム「エレメンタルラボ」は、単なるeラーニングではありません。
AI技術を活用して「非認知能力」を高め、変化の激しい時代を生き抜くために必要な力を育むプラットフォームです。
なぜ「非認知能力」なのか?それは、AI時代において最も価値を持つのが、AIにはない人間特有の能力だからです。
忍耐力、協調性、批判的思考力、創造性といった能力は、どんなに技術が進化しても人間にしか培えません。
エンジニアの新たな役割:技術で人を育てる
従来のエンジニアは「システムを作る人」でした。
しかし私たちが目指すのは「人を育てるシステムを作るエンジニア」です。
当社で開発するサービスは、単にユーザーの利便性を高めるだけでなく、ユーザー自身の能力を引き出し、
成長を促進するものです。あなたが書くコード一行一行が、誰かの人生を変える可能性を秘めています。
例えば、マネージャーの負担を軽減しながら、チームメンバーの潜在能力を引き出し、組織全体の成長を促す仕組みです。
このようなサービスを開発することで、私たちは間接的に数万人、数十万人の成長に貢献できるのです。
技術的挑戦:AIと教育の融合の最前線
教育×AIの領域は、技術的にも非常にチャレンジングです。
以下のような最先端の技術課題に日々取り組んでいます:
• 学習者の理解度を正確に測定するアルゴリズムの開発
• 個人に最適化された学習コンテンツの自動生成
• 非認知能力の定量化と成長度合いの可視化
• 膨大な学習データからの意味ある知見の抽出
これらの課題は、単純なWebアプリケーション開発とは異なる高度な技術力を要求します。
だからこそ、技術的な成長機会が豊富にあり、エンジニアとしての市場価値を飛躍的に高められるのです。
組織としての理念:「早く仕事を辞めよう」の真意
私たちのモットー「早く仕事を辞めよう」には深い意味があります。
これは単に労働時間を短縮するという意味ではなく、「義務感から解放され、心から楽しめる仕事に取り組む」という理想の状態を表現しています。
当社では「労働時間」ではなく「成果」を重視します。100時間働いて100万円の売上より、50時間で同じ売上を上げる方が価値が高いと考えます。
そのために、能力向上・環境改善・学習に惜しみなく投資し、高効率な働き方を追求しています。
「エンジニア=アスリート」という独自の価値観も、この理念から生まれました。
闇雲に頑張るのではなく、「フィジカル」「テクニック」「メンタル」のどれを強化すべきかを明確にし、効率的に成長していく—これが私たちの目指す姿です。
未来を創るために、今行動する
人口減少や超高齢社会など、このままでは発展途上国のような「出稼ぎ」が次世代のスタンダードになってしまう危機感を私たちは持っています。
しかし、教育を変革できれば、日本の未来も変えられるはずです。新しい教育のあり方を提案し、実践することで、次世代に価値ある「人」と「事」を残せると信じています。
AI時代の教育革命は、まさに始まったばかり。この歴史的な変革期に、私たちと共に社会を変える挑戦に参加してみませんか?
あなたのエンジニアとしての技術と情熱が、次世代の教育を創り、日本の未来を変える原動力になります。
私たちが求めるのは、単なるコードを書く人ではありません。社会課題に共感し、技術の力で世界をより良く変えたいと願うエンジニアです。
そんなあなたと一緒に働ける日を、心から楽しみにしています。
【業務の変更の範囲】
会社の定める範囲での業務内容
| 想定年収 | 360 〜 900 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 | |||
| 従業員数 | 8人 | ||
株式会社エーピーコミュニケーションズ
★【フルリモート/自社・受託/データエンジニア・データサイエンティスト/PythonやSQLでのコーディング& AzureやAWSでの環境構築・運用経験】ITインフラ領域に特化し、クラウド・自動化・AIなど先端技術を積極的に取り入れ、SIer業界の常識を変える企業! のリモートワーク求人
■お仕事内容
Lakehouseでは、クラウド上でデータの格納・処理・分析・機械学習まで一気通貫で扱える Lakehouse プラットフォームであるDatabricksを活用し、お客様にデータ&AIを活用いただけるよう、データやインフラ基盤の構築や内製化支援をしています。
本求人で採用する方には、当部のデータエンジニア、データサイエンティストとしてのご活躍をお願いします。
採用後は、入社研修の後、下記の業務をお任せいたします。
・データ基盤環境(データレイク・DWH)の設計、構築
・各種データの収集、クレンジング、統合、最適化
・ETL/ELTパイプラインの設計、実装(Python,Airflow, dbtなど)
・ビッグデータ処理基盤の設計、運用(Spark、Hadoopなど)
・BIツール(Tableau、Power BIなど)向けのデータマート構築
・ユーザートレーニング、内製化の支援
この仕事で得られること
大規模案件の提案経験
Databricks やMicrosoft など大手パートナー企業や大手顧客との商談に関与し、数千万規模の案件提案を経験できます。
データプラットフォーム領域での専門性
Databricks をはじめとしたクラウドデータ基盤の知見を身につけ、今後市場価値の高い人材として成長できます。
キャリアの幅の拡張
クラウドインフラ、データエンジニア・サイエンスに加え、AI領域など、プロジェクトを通じてキャリアの幅を広げていただく事が可能です。将来的には、リーダーやマネジメントポジションへのチャレンジも大歓迎です。
働き方の特徴
上流のデータ活用構想から、分析基盤の構築、内製化・定着支援まで一気通貫で担当します。
特定工程だけを請け負うのではなく、お客様のデータ活用が自走する状態までを見据えて伴走する点が特徴です。
また、Claude Code をはじめとしたAI開発ツールを積極的に活用し、生産性高く開発できる環境を整えています。
※以下の技術は、いずれかのご経験があれば歓迎します(すべての経験は必須ではありません)。
プロジェクト事例
某製造系企業様
Databricks・AWSを活用したリアルタイムデータ分析基盤の構築。
ストリーミングデータ処理基盤を設計・実装し、生産データの即時可視化と迅速な意思決定を支援。
某通信系企業様
RAG・OpenAIを活用した社内ナレッジ検索AIを開発。
技術文書の検索・要約機能を実装し、情報活用の高度化と調査工数の削減を実現。
某金融系企業様
既存のOracle基盤をLakehouseアーキテクチャへ刷新。
データ統合基盤の再設計とパイプライン最適化により、部門ごとに分散していたデータを
一元化し、全社横断でのデータ活用と分析スピードの向上を実現。
某化学メーカー様
AutoMLを活用した原材料価格の時系列予測モデルを構築。
予測結果をダッシュボード化し、データドリブンな調達計画・意思決定を支援。
某家電メーカー様
Terraform・Databricksを活用した分析基盤の再設計およびIaC化を推進。
クラウドコストの最適化と運用効率向上に貢献。
業務の進め方の例
案件開始〜2週間:構想策定とアセスメント データ活用構想の策定および現状データのアセスメント
データソース、データ品質、業務課題のヒアリング
Databricksを活用した分析基盤アーキテクチャの提案
クラウド環境(Azure/AWS)を含めたデータプラットフォーム全体設計
1〜2か月目:分析基盤の構築とデータ整備
Databricksを活用したデータ分析基盤の構築
データパイプラインの設計・実装およびデータモデリング
分析・可視化に向けたデータ整備、変換処理の実装
新規データ追加やスキーマ変更に柔軟に対応できる運用プロセスの整備
お客様による継続的なデータ活用を実現するための内製化支援
2〜3か月目:ユースケース実装と定着支援 業務課題に基づくダッシュボード・分析ユースケースの実装
データ利活用シナリオの定義と活用支援
運用手順の整備、ナレッジ移管、トレーニングの実施
分析基盤の本番移行および定着支援
※案件により、本番稼働後も継続的にご支援するケースがあります。
キャリアパス
エンジニアの学びたい技術や目指すキャリアに応じて業務をお任せします。
例:データ収集やデータ統合、仮説検証、モデル構築、データの可視化等々
役割や裁量についても柔軟にお任せしていきます。
以下は現在活躍中メンバーの実例の一部となります。
Aさん メンバー(1年)→PM(1年)→EM(現在)
Yさん メンバー(半年)→PL(現在)
Jさん メンバー(2年)→PM ※データ領域未経験スタート
メンバー構成
2022年に新設され、様々なバックグラウンドをもつ幅広い世代が集まった多様性の高いチーム
※男女比 1:1 とバランスの取れたチーム構成
部長:1名
プロジェクトマネージャー:2名
エンジニアリングマネージャー:1名
データエンジニア/サイエンティスト、インフラエンジニア:7名
プリセールス、セールス&マーケティング:数名(他部門と兼務で対応中)
募集部門について
当求人はiTOC事業部 Lakehouseの求人となります。
<Lakehouse>
データエンジニア、データサイエンティスト、MLエンジニア、インフラエンジニアと色々な強みを持ったメンバー多数。外国籍の方や女性が多いのが特徴です。
売上が3年連続で200%超を達成し続けるなど、社内からの注目も集めているチームです。
①カルチャー
・設立4年目の比較的若い組織で、フラットな文化
・一人ひとりが自立しつつ、互いにリスペクトを持ち支え合うことを大切にしています
・インプット&アウトプット文化があり、技術ブログ執筆や国内外イベント参加も行っています
②業務環境
・Databricks、Microsoftとパートナー契約を締結しており、学習&検証環境が充実
・メンバーのバックグラウンドを活かし、多様な視点から意見を出し、品質を高めています
③ワークライフバランス
・管理者含め育児をしながら働くメンバーもおり、ワークライフバランスへの理解が高い職場です
・平時は原則リモートワークとなるため、居住地域にとらわれず働くことができます
・Slackチャンネルの活用など、心理的安全性を意識した環境です
<参考記事>
・3年連続200%成長。全社MVP受賞を支えたLakehouse部「チームの安全性」の裏側
https://www.ap-com.co.jp/blog/archives/13070#article
・Data+AI Summit 2026 現地レポート
https://www.ap-com.co.jp/data_ai_summit/
募集背景
売上が3年連続で200%超を達成し続けるなど、プロジェクトの引き合いがとても多い状況が続くなか、組織の拡大と強化が追いついていない状況を改善していくために募集を行っています。
当社は日本市場のデータ&AI文化を根本から変えたく、ビッグデータを使用したAIによる分析やデータ利活用等、データマネジメントを推進するために事業を一緒に推進いただける方を探しています。
【業務の変更の範囲】
会社の定める範囲
Lakehouseでは、クラウド上でデータの格納・処理・分析・機械学習まで一気通貫で扱える Lakehouse プラットフォームであるDatabricksを活用し、お客様にデータ&AIを活用いただけるよう、データやインフラ基盤の構築や内製化支援をしています。
本求人で採用する方には、当部のデータエンジニア、データサイエンティストとしてのご活躍をお願いします。
採用後は、入社研修の後、下記の業務をお任せいたします。
・データ基盤環境(データレイク・DWH)の設計、構築
・各種データの収集、クレンジング、統合、最適化
・ETL/ELTパイプラインの設計、実装(Python,Airflow, dbtなど)
・ビッグデータ処理基盤の設計、運用(Spark、Hadoopなど)
・BIツール(Tableau、Power BIなど)向けのデータマート構築
・ユーザートレーニング、内製化の支援
この仕事で得られること
大規模案件の提案経験
Databricks やMicrosoft など大手パートナー企業や大手顧客との商談に関与し、数千万規模の案件提案を経験できます。
データプラットフォーム領域での専門性
Databricks をはじめとしたクラウドデータ基盤の知見を身につけ、今後市場価値の高い人材として成長できます。
キャリアの幅の拡張
クラウドインフラ、データエンジニア・サイエンスに加え、AI領域など、プロジェクトを通じてキャリアの幅を広げていただく事が可能です。将来的には、リーダーやマネジメントポジションへのチャレンジも大歓迎です。
働き方の特徴
上流のデータ活用構想から、分析基盤の構築、内製化・定着支援まで一気通貫で担当します。
特定工程だけを請け負うのではなく、お客様のデータ活用が自走する状態までを見据えて伴走する点が特徴です。
また、Claude Code をはじめとしたAI開発ツールを積極的に活用し、生産性高く開発できる環境を整えています。
※以下の技術は、いずれかのご経験があれば歓迎します(すべての経験は必須ではありません)。
プロジェクト事例
某製造系企業様
Databricks・AWSを活用したリアルタイムデータ分析基盤の構築。
ストリーミングデータ処理基盤を設計・実装し、生産データの即時可視化と迅速な意思決定を支援。
某通信系企業様
RAG・OpenAIを活用した社内ナレッジ検索AIを開発。
技術文書の検索・要約機能を実装し、情報活用の高度化と調査工数の削減を実現。
某金融系企業様
既存のOracle基盤をLakehouseアーキテクチャへ刷新。
データ統合基盤の再設計とパイプライン最適化により、部門ごとに分散していたデータを
一元化し、全社横断でのデータ活用と分析スピードの向上を実現。
某化学メーカー様
AutoMLを活用した原材料価格の時系列予測モデルを構築。
予測結果をダッシュボード化し、データドリブンな調達計画・意思決定を支援。
某家電メーカー様
Terraform・Databricksを活用した分析基盤の再設計およびIaC化を推進。
クラウドコストの最適化と運用効率向上に貢献。
業務の進め方の例
案件開始〜2週間:構想策定とアセスメント データ活用構想の策定および現状データのアセスメント
データソース、データ品質、業務課題のヒアリング
Databricksを活用した分析基盤アーキテクチャの提案
クラウド環境(Azure/AWS)を含めたデータプラットフォーム全体設計
1〜2か月目:分析基盤の構築とデータ整備
Databricksを活用したデータ分析基盤の構築
データパイプラインの設計・実装およびデータモデリング
分析・可視化に向けたデータ整備、変換処理の実装
新規データ追加やスキーマ変更に柔軟に対応できる運用プロセスの整備
お客様による継続的なデータ活用を実現するための内製化支援
2〜3か月目:ユースケース実装と定着支援 業務課題に基づくダッシュボード・分析ユースケースの実装
データ利活用シナリオの定義と活用支援
運用手順の整備、ナレッジ移管、トレーニングの実施
分析基盤の本番移行および定着支援
※案件により、本番稼働後も継続的にご支援するケースがあります。
キャリアパス
エンジニアの学びたい技術や目指すキャリアに応じて業務をお任せします。
例:データ収集やデータ統合、仮説検証、モデル構築、データの可視化等々
役割や裁量についても柔軟にお任せしていきます。
以下は現在活躍中メンバーの実例の一部となります。
Aさん メンバー(1年)→PM(1年)→EM(現在)
Yさん メンバー(半年)→PL(現在)
Jさん メンバー(2年)→PM ※データ領域未経験スタート
メンバー構成
2022年に新設され、様々なバックグラウンドをもつ幅広い世代が集まった多様性の高いチーム
※男女比 1:1 とバランスの取れたチーム構成
部長:1名
プロジェクトマネージャー:2名
エンジニアリングマネージャー:1名
データエンジニア/サイエンティスト、インフラエンジニア:7名
プリセールス、セールス&マーケティング:数名(他部門と兼務で対応中)
募集部門について
当求人はiTOC事業部 Lakehouseの求人となります。
<Lakehouse>
データエンジニア、データサイエンティスト、MLエンジニア、インフラエンジニアと色々な強みを持ったメンバー多数。外国籍の方や女性が多いのが特徴です。
売上が3年連続で200%超を達成し続けるなど、社内からの注目も集めているチームです。
①カルチャー
・設立4年目の比較的若い組織で、フラットな文化
・一人ひとりが自立しつつ、互いにリスペクトを持ち支え合うことを大切にしています
・インプット&アウトプット文化があり、技術ブログ執筆や国内外イベント参加も行っています
②業務環境
・Databricks、Microsoftとパートナー契約を締結しており、学習&検証環境が充実
・メンバーのバックグラウンドを活かし、多様な視点から意見を出し、品質を高めています
③ワークライフバランス
・管理者含め育児をしながら働くメンバーもおり、ワークライフバランスへの理解が高い職場です
・平時は原則リモートワークとなるため、居住地域にとらわれず働くことができます
・Slackチャンネルの活用など、心理的安全性を意識した環境です
<参考記事>
・3年連続200%成長。全社MVP受賞を支えたLakehouse部「チームの安全性」の裏側
https://www.ap-com.co.jp/blog/archives/13070#article
・Data+AI Summit 2026 現地レポート
https://www.ap-com.co.jp/data_ai_summit/
募集背景
売上が3年連続で200%超を達成し続けるなど、プロジェクトの引き合いがとても多い状況が続くなか、組織の拡大と強化が追いついていない状況を改善していくために募集を行っています。
当社は日本市場のデータ&AI文化を根本から変えたく、ビッグデータを使用したAIによる分析やデータ利活用等、データマネジメントを推進するために事業を一緒に推進いただける方を探しています。
【業務の変更の範囲】
会社の定める範囲
| 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: 10:00~18:30(休憩時間 12:00~13:00)※ 所定労働時間 7.5時間
働き方: 固定時間制(9時~18時、10時~19時など) 時間外労働の有無: 有(月平均20時間) 休憩時間: 60分 |
||
| 設立年数 | 32年 | 従業員数 | 500人 |
株式会社Malme
【フルリモート・AIモデル開発経験必須】Python/統計解析/XGBoost等を用いたAIエンジニア募集 のリモートワーク求人
土木業界では、労働人口が減少する中DXが進んでいないという構造的な問題を抱えております。
各社未だに立体構造物の設計を2D上で実施しており
●膨大な枚数の設計図作成
●QAにかかるリードタイム・精度課題
●手戻りのハードルの高さ
など、土木設計における課題感は残り数年以内に解決しなければ業界そのものが瓦解する可能性が高く、待ったなしの状況となっております。
上記課題を解決するため、当求人ではAIエンジニアとしてPMFに向け、Pdmとご連携頂きながら新規プロダクト開発を担当して頂きます。
具体的には下記のような業務となります。
●土木設計における設計図面からの情報抽出・理解のためのAIモデル開発・実装、設計図から有用な情報を読み取り、解析する機械学習モデルの開発、一連の分析・検証・デプロイまでを可能とする機械学習環境及びDBの構築
●自社BtoBSaaSプロダクトへのAI実装環境構築
●ビッグデータ解析
●UXボトルネック分析
●時系列データ/テキストデータの分析
●大手企業開発案件のAI領域支援
プロジェクト一例:
●設計領域における機械学習による示唆機能実装
●施工領域における機械学習による3Dモデリング機能実装
●設計事例におけるLLMをもとにした事例サジェスト実装
etc…
【業務の変更の範囲】
無
各社未だに立体構造物の設計を2D上で実施しており
●膨大な枚数の設計図作成
●QAにかかるリードタイム・精度課題
●手戻りのハードルの高さ
など、土木設計における課題感は残り数年以内に解決しなければ業界そのものが瓦解する可能性が高く、待ったなしの状況となっております。
上記課題を解決するため、当求人ではAIエンジニアとしてPMFに向け、Pdmとご連携頂きながら新規プロダクト開発を担当して頂きます。
具体的には下記のような業務となります。
●土木設計における設計図面からの情報抽出・理解のためのAIモデル開発・実装、設計図から有用な情報を読み取り、解析する機械学習モデルの開発、一連の分析・検証・デプロイまでを可能とする機械学習環境及びDBの構築
●自社BtoBSaaSプロダクトへのAI実装環境構築
●ビッグデータ解析
●UXボトルネック分析
●時系列データ/テキストデータの分析
●大手企業開発案件のAI領域支援
プロジェクト一例:
●設計領域における機械学習による示唆機能実装
●施工領域における機械学習による3Dモデリング機能実装
●設計事例におけるLLMをもとにした事例サジェスト実装
etc…
【業務の変更の範囲】
無
| 想定年収 | 700 〜 1,100 万円/年 | 雇用形態 | 正社員 |
|---|---|---|---|
| 職種 | |||
| 開発経験 | |||
| 勤務形態 | |||
| 設立年数 | 6年 | 従業員数 | 34人 |
21件中 1件~10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。