■募集内容■ 金属製造業のDXプロジェクトにおいて、過去10～20年分・約19,000レコード（200列未満）の製造工程データを活用し、歩留まり低下要因の特定と改善施策の立案・実行を支援するプロジェクトです。生成AIではなく、LightGBM・XGBoostなどを用いたトラディショナルな機械学習モデルの開発から、データ取込・推論実行・結果出力までのデータパイプライン構築までを一貫して担当いただきます。今回はデータサイエンティスト／データエンジニアの2職種を募集します。 ▍プロジェクトの目的 ・製造工程データの可視化・統計分析による歩留まり低下要因の特定 ・特徴量設計・特徴量エンジニアリングを踏まえたLightGBM／XGBoost等のモデル構築 ・モデル精度の評価・検証・チューニング ・データ取込〜加工〜推論〜結果出力までのパイプライン全体設計・実装 ・機械学習モデルの運用を見据えたデータ基盤・本番環境デプロイ ・分析結果に基づくビジネス部門への示唆出し・クライアントへの報告・改善提案 ▍技術要素 ・Python（機械学習モデル開発、データ処理・パイプライン開発） ・LightGBM、XGBoost等のトラディショナルML ・Azure、Snowflake、Databricks（データ基盤・実装・移行対応環境） ・対象データ：約19,000レコード、200列未満、過去10〜20年分の製造データ ▍開発体制・稼働条件 ・稼働開始：2026年9月1日／期間：2026年9月1日〜10月31日予定（10月以降、別ユースケースで継続の可能性あり／現時点未確定） ・稼働量：0.8〜1.0人月（応相談） ・働き方：リモート可否・出社頻度は応相談 ・体制：クライアント側DXプロジェクト、テックリード配下での開発、コンサルタントによる業務側支援あり ・PC：参画先企業のPC利用可（貸与PCの準備は不要） ■得られる経験／スキル■ ・製造業の実データ（長期蓄積された時系列データ）を用いた歩留まり改善分析・モデル構築の実践経験 ・Databricks／Snowflake／Azureを活用したMLパイプライン設計〜本番デプロイまでの一気通貫経験 ・現場の改善提案に直結する分析〜システム実装、クライアントへの説明・報告経験 ■この仕事で得られるやりがい■ ゴールはモデルを作ることではなく、現場の歩留まり改善に実際につながる示唆と仕組みを届けることです。10〜20年分蓄積された製造データと向き合い、分析結果が具体的な改善施策として現場に還元される過程に一貫して携われるプロジェクトです。 ■求める人物像■ ・自律的にタスクを推進し、テックリード・コンサルタントと連携しながらチームで動ける方 ・製造プロセスや業務課題を踏まえた改善提案に踏み込める方 ・分析・開発内容を整理したドキュメント作成に抵抗がない方 ・クライアントワークの経験がある方 ■必要条件■ ＜データサイエンティスト＞ ・Pythonを用いた機械学習モデル開発の実務経験3年以上 ・LightGBM、XGBoostなどのトラディショナルMLを用いた実務経験 ・特徴量設計・特徴量エンジニアリング、モデル精度評価・ハイパーパラメータチューニングの経験 ・統計分析・データ分析による業務課題解決、分析結果からのビジネス示唆導出の経験 ・顧客／ビジネス部門への分析結果説明・報告経験 ・アジャイル／スプリント開発の経験、クライアントワークの経験 ＜データエンジニア＞ ・データパイプラインの設計・構築経験3年以上 ・Pythonを用いたデータ処理・システム開発経験 ・データ基盤／データウェアハウスの構築経験 ・データ取込〜加工〜推論〜結果出力までの処理設計、本番環境へのデプロイ経験 ・運用設計・運用手順整備の経験 ・アジャイル／スプリント開発の経験、クライアントワークの経験 ■歓迎条件■ ・Databricksを用いたデータ処理・機械学習基盤構築経験 ・Snowflakeを用いたデータ基盤・データウェアハウス構築経験 ・Azure環境での開発・運用経験 ・製造業向けシステム開発・データ分析プロジェクトの経験 ・歩留まり改善・品質改善を目的とした分析経験、工場データ・IoTデータの収集・分析・活用経験 ・MLOps基盤の設計・構築、モデルの継続的デプロイ・監視・再学習の実装経験 ・データサイエンスプロジェクトにおけるTech Lead経験 ・生成AI以外の機械学習プロジェクト経験、製造工程や品質管理に関する業務知識 ■勤務形態■ ・リモート可否・出社頻度は応相談 ・稼働量：0.8〜1.0人月／期間：2026年9月1日〜10月31日予定（継続の可能性あり）