週4日の案件一覧

AI音声合成エンジンとAI言語処理を組み合わせたオーディオブック量産化にあたり以下の業務を担当頂きます。
・開発ベンターとの折衝

・要件定義

・工程管理

・技術的アドバイス

概要：

エンドクライアントとのスコアリングシステムをAzure ML上に構築。

対向システムから答案が送られてくるので、それをAIによって自動採点するシステム

業務内容：

現在は単体テスト工程に入っており、今まで作成したコードにバグがないかをテストしている。

推論、前処理に関わるパートの一部を担当しており、処理内容によってはAzure MLを使用した単体テストになる。

pytestというテスト用のライブラリを使用

フェーズ：

現在は4月にかけて単体テスト→結合テストフェーズ

概要：

お客様のデジマ環境構築のエンジニアを募集しております。

業務：

・Adobe Experience Cloudの設計構築

環境：

Adobe Experience Cloud（Adobe Analytics,Adobe Target,Adobe Experience Manager等）

課題：データ基盤が整い、データ分析できる素地は整いつつあるが、広告やMAでしかデータ利活用はできておらず、分析起点でのインサイト出しが出来ていない。

また、分析設計が出来る方もおらずチーム全体の分析力が足りていない。

期待値：そのなかで、分析推進を行っていただきたい。

【対応スコープ】

・分析テーマ設定/設計を行っていただき、データアナリストに依頼。

・データアナリストから上がってくるアウトプットのレビュー

■顧客

大手自動車メーカー
■業務内容

Webでクローリングした法規関連の文書をAIで選別

某有名webサービスの新規機能開発に伴うPoC案件の機械学習エンジニアロールをお願いする想定です。
【業務スコープ】

・生成モデル(Chat GPT,GPT-4)等の調査

・上記モデルの検証

・上記モデルの実装

概要：設計書を取り込むと自動でテストまで完了し、実行モジュール(Java)を出すノーコードツールの機能開発をお願いします。

自動テストを行うにあたり、テストケースの網羅性が足りていない状況です。

（機能要件は出来るが、非機能要件が出来ていない）
業務：

・設計書を自然言語で解析、意味分類をし、テストケースへの落とし込み

小売店舗経営を支援するダッシュボードに関わるデータ抽出・分析をお任せします。

＜クライアントが提供しているサービスとは＞

現状の店舗経営は他業界に比べ経営者のKKD（勘、経験、度胸）に依存した経営体制が多く、経営者による意思決定の質のばらつき、現場に適切な説明責任を果たすことができない、分析にコストがかかるなどの課題が存在しています。

提供しているサービスは、店舗経営のオーナーや現場に対して、必要な項目を可視化することで、経営の日々の業務改善の意思決定をサポートするサービスとなります。
■募集背景

2020年にクライアント向けサービスの正式版をローンチしてから利用店舗数が順調に増加しています。

利用者数増大に伴いプロダクト運営のKPI・メトリクスのモニタリング体制の強化、プランナーが意思決定するためのデータ分析業務をお願いします。
■具体的な業務

・SQLやPythonを利用したデータ抽出

・データに基づいたKPI設計サポート・分析

・ユーザー行動分析

・US/CS部門に展開するプロダクトKPIダッシュボードの構築

・エンジニアと協業したデータ基盤のモニタリング

【背景】

アクセス解析データ/DBデータ/APIデータ等合計600TBのデータ基盤を管理データ基盤を管理・改善する人員が不足しており今回の募集にいたりました。
【お願いしたい業務】

* 運用改善

* データ基盤関連ツールの導入(ELTツール - dataform, データガバナンス - dataplex/DataCatalogなど)

* CDPの構築(店舗向け、ラベル推定/スコア推定など, SFAツールへの連携)
【できればお願いしたい業務】

* 新規データ連携対応(DB - embulk, API - Cloud Run/Pythonによる実装)

* データマート整備(Composerなど)
DWHはbigqueryBIはtableauはtreasuredataにアクセスし可視化しています

様々なIP（知的財産）を中心に事業展開を行う事業会社にて、社内のECサイトやスマホゲーム、ニュースアプリへの機械学習モデルのPoC、デプロイ、運用

・本募集は推薦チームにアサインを想定。
【業務スコープ】

「機械学習モデルの開発およびシステム実装」

- ※以下、DWHのDBログを想定

- 案件の要件定義をPMと行う

- 前処理、EDA(探索的データ解析)、Data Augmentation

- 機械学習モデルの構築（推薦、CFML、分類/回帰、クラスタリング、強化学習、最適化、ほか）

- モデルのWebアプリケーションへの実装（GCPを活用）

- BIツール(Looker)上で、案件のKPIとモデル精度の監視