【デジタルパートナー事業部】AIエンジニア

以下のいずれかまたは複数の経験・知見が求められます。

• 機械学習モデル（需要予測・行動分析・マッチングアルゴリズム等）の設計・実装経験
• Pythonを用いたデータ処理・モデル開発の実務経験
• FastAPIなどを用いたモデル推論APIの開発・運用経験
• AirflowやFargate等を用いたバッチ処理の設計・構築経験
• AWS等クラウド環境でのAPI／バッチシステムの構築・運用経験
• CDK・TerraformなどInfrastructure as Codeによるリソース管理経験
• SQL・Spark・Pandasなどを用いたデータ処理パイプライン構築経験

• ビジネス課題への目的志向:
  単に技術を実装するだけでなく、「何のためにAIを使うのか」というビジネス的な目的意識を持ち、クライアントの事業成長に貢献しようとする姿勢が求められます。
• クライアント・ビジネスサイドとの折衝力:
  要件定義や設計フェーズでビジネスサイドのメンバーと連携するため、技術的な内容を分かりやすく伝え、非エンジニアとも円滑にコミュニケーションできる能力が必要です。
• PoCから本番運用を見据えた設計力:
  実験的なPoCフェーズで終わらず、本番環境での安定稼働・保守運用まで責任を持った設計ができる、実践的な思考力が求められます。
• 自律的な学習・成長意欲:
  AI・機械学習分野の技術進化は速く、常に最新動向をキャッチアップし、自ら学び続ける姿勢が重視されます。会社全体として成長志向の強いメンバーが多い環境です。
• チームでの協働力:
  「仲間と共に」という企業バリューのもと、データサイエンティストや他のエンジニア、ビジネスサイドと連携してプロジェクトを推進するチームワークが求められます。

• MLOps・機械学習基盤の整備経験:
  Datadogなどを用いたシステム監視・メトリクス収集・障害検知など、機械学習システムの安定運用のための基盤構築・MLOpsの経験があると即戦力として活躍できます。
• データ基盤・DXプロジェクトの推進経験:
  GA4・SQL・BIツール等を活用したデータ分析や、データ基盤構築に関する知識・プロジェクト経験があると、クライアント支援の幅が広がります。
• 上流工程（コンサルティング・DX推進）の経験:
  AI・機械学習のプロジェクトに加え、経営層や現場との折衝・コミュニケーション経験やDX推進の経験があると、事業課題の解決をより上流からリードできます。
• LLM・生成AI関連の開発経験:
  ChatGPT等のLLM活用やRAG構築など、生成AI領域の実装経験があると、ビットエーが掲げるAIトータルサポートの幅をさらに広げられます。

• エンタープライズ向けAIシステムの実装・運用スキル:
  大手クライアントの実ビジネス課題に対し、顧客行動分析・需要予測・マッチングアルゴリズムなど多様なAIモデルをPoCから本番運用まで一貫して担当することで、エンタープライズ品質のAI開発スキルが身につきます。
• クラウドネイティブなMLOpsの実践力:
  AWS上でのAPI・バッチシステム構築、IaC（CDK・Terraform）によるインフラ管理、Datadogを用いた監視・障害対応など、現代的なMLOps全般を実務で経験できます。
• データエンジニアリング・パイプライン設計スキル:
  SQL・Spark・Pandasを活用したデータ処理パイプラインの構築・運用を通じて、機械学習エンジニアとして不可欠なデータエンジニアリングの実践スキルを習得できます。
• ビジネス理解力とクライアントコミュニケーション力:
  要件定義・設計フェーズからビジネスサイドと連携することで、技術だけでなくビジネス課題を正確に捉え、クライアントと対話できるコンサルティングに近いスキルセットが育まれます。
• 多様な業界ドメイン知識:
  エンタメ・電機・メディア・人材・EC等、多様な業界の大手クライアント案件を担当することで、業界横断的なドメイン知識とAI適用ノウハウを蓄積できます。