1185【Dev】データ構造化エンジニア（ドキュメント構造化／LLM新規事業）

以下のいずれかの経験・知見が求められます。

• Pythonを用いたバックエンド開発経験
• Office Open XML等のファイルフォーマット仕様の理解・実装経験
• データ処理パイプライン（ETL・変換処理等）の設計・実装経験
• ML・データサイエンス領域の基礎知識（統計・機械学習等）
• AWSまたはAzureを用いたクラウド環境での開発経験
• Dockerを用いたコンテナ環境での開発経験

• 仕様の深掘りを楽しめる探究心:
  Excelの複雑な構造や未定義の挙動に対して「なぜ？」を突き詰め、仕様レベルまで自発的に調査・理解しようとする姿勢が求められます。
• 数理的思考とプロダクトコードの橋渡し能力:
  アカデミアや研究で培った数理・ML的思考を、ビジネスで通用する堅牢なコードとして実装・運用まで落とし込める実践力が必要です。
• 自律的な課題設定と推進力:
  個人の裁量が大きい環境のため、自ら課題を見つけ、優先順位をつけ、能動的に解決策を設計・実行できる自立心が重視されます。
• クロスファンクショナルなコミュニケーション能力:
  MLエンジニア・データサイエンティスト・プロダクトマネージャーなど多様な職種と連携するため、技術的なトピックを非技術者にも分かりやすく伝える能力が求められます。
• 品質・精度への高い意識:
  構造化データの精度がRAGの品質に直結するため、単に動くコードを書くだけでなく、精度評価環境の構築や継続的な改善サイクルを回せる品質へのこだわりが必要です。

• RAG（検索拡張生成）の実装経験:
  LLMを活用したRAGシステムの設計・開発経験があると、データ構造化の出力がどのように活用されるかを理解した上で実装に臨めます。
• TypeScript・Vue.js・Node.jsの開発経験:
  バックエンドだけでなくフロントエンドやAPIレイヤーの理解があると、チーム内でより広い範囲に貢献できます。
• Terraformを用いたIaC（Infrastructure as Code）の経験:
  クラウドインフラの構成管理経験があると、開発環境の自動化や本番環境整備の観点でチームへの貢献度が高まります。
• 自然言語処理（NLP）・LLMの研究・実装経験:
  ストックマークは自然言語処理AIを核とする企業のため、NLP・LLM関連の研究や実務経験があると技術議論の深度が増します。
• エンタープライズ向けSaaS開発経験:
  大企業向けプロダクトならではの要件（セキュリティ・スケーラビリティ・品質保証等）への理解があると即戦力として活躍できます。

• Office Open XML等のファイルフォーマット深層解析スキル:
  Excelの複雑な仕様を仕様書レベルで理解し、パージングロジックを自ら設計・実装する経験を通じて、業界でも希少なファイル解析の専門技術が身に付きます。
• エンタープライズRAG向けデータエンジニアリング力:
  構造化データの精度評価環境構築から継続的な改善サイクルの設計まで、実際のビジネス課題に紐づいたデータパイプライン開発の実践力が習得できます。
• LLM活用プロダクト開発の実践知識:
  LLM新規事業のバックエンドとして、LLMが解釈可能な形式へのデータ変換・連携設計など、生成AIプロダクト開発における最前線の実装ノウハウが蓄積されます。
• MLエンジニア・研究者との協働経験:
  ML・データサイエンス領域の専門家と日常的に協働することで、研究と実装の橋渡し能力、および数理的アプローチをプロダクトに落とし込む設計力が磨かれます。
• AWS・Azureを活用したクラウドネイティブ開発スキル:
  Docker・Terraform・クラウド（AWS/Azure）を組み合わせたモダンな開発スタックを日常業務で活用することで、クラウドインフラ全般の実践スキルが向上します。