【職務内容】
業界のリーディングカンパニーのIT課題を、システムエンジニア/システムコンサルタントとして解決いただきます。
経験や志向性に合わせ、システム開発における様々なフェーズ、領域、業界でのプロジェクトに参画することができます。

■プロジェクト事例

①【金融】サーバレスアーキテクチャによる勘定系バッチシステムの全面刷新
[クライアントの課題]
大手金融機関において、夜間に実行される勘定系のバッチ処理が、レガシーな大規模システムに起因して長時間化・高コスト化していました。処理の遅延は翌日のオンラインサービス開始に影響を及ぼすリスクがあり、ビジネスの俊敏性を著しく阻害していました。

[プロジェクト概要]
処理をイベントドリブンなアーキテクチャで再設計し、AWS LambdaやAWS Step Functionsといったサーバレスサービスを全面的に採用。巨大なモノリシックな処理を疎結合なマイクロバッチ群に分割し、並列処理させることで、処理時間を数時間単位で短縮し、運用コストも大幅に削減しました。

・アーキテクチャ設計: Amazon EventBridgeでイベントを検知し、AWS Step Functionsで複雑なワークフローをオーケストレーション。個別の処理はAWS Lambdaで実行する、スケーラブルで回復力の高いアーキテクチャを設計。
・開発とIaC: AWS CDK (Cloud Development Kit) やAWS SAM (Serverless Application Model) を用い、全てのインフラ構成をTypeScriptやPythonでコード化。品質の高いインフラを迅速かつ繰り返しデプロイできる体制を構築。
・データ連携: オンプレミスのメインフレームとのデータ連携にはAWS Database Migration Service (DMS) やAmazon S3を活用し、安全かつ効率的なデータ移行を実現。

[技術スタック例]
AWS Lambda, AWS Step Functions, Amazon EventBridge, Amazon SQS/SNS, Amazon DynamoDB, AWS CDK/SAM, AWS DMS

②【製造業】AWS IoTと機械学習によるスマートファクトリー化の推進
[クライアントの課題]
国内大手製造業において、工場の生産性向上や品質安定化のため、熟練作業員の経験と勘に頼るオペレーションから脱却する必要がありました。工場内の膨大なセンサーデータを活用した、予知保全や品質異常検知の実現を目指していました。

[プロジェクト概要]
工場内の数千のセンサーからリアルタイムでデータを収集・分析し、機械学習モデルによって故障の予兆や製品の品質不良を検知する、エンドツーエンドのIoT・AIプラットフォームをAWS上に構築しました。

・データ収集基盤: AWS IoT Coreで安全にデバイスデータを収集し、Amazon Kinesis Data Firehoseを通じてデータレイクであるAmazon S3に効率的に格納。
・データ分析・機械学習 (MLOps) 基盤: AWS Glueでデータをクレンジング・カタログ化し、Amazon SageMakerで予知保全モデルを構築。SageMaker Pipelinesを用いて、モデルの再学習からデプロイまでの一連のMLOpsフローを自動化。
・エッジコンピューティング: リアルタイム性が求められる異常検知処理の一部は、AWS IoT Greengrassを活用して工場内のエッジデバイス上で実行するハイブリッド構成を実現。

[技術スタック例]
Amazon SageMaker (Pipelines, Studio), AWS IoT Core, AWS IoT Greengrass, Amazon Kinesis, Amazon S3, AWS Glue, AWS Lake Formation

[プロジェクトの魅力]
最先端のスマートファクトリー化を、企画構想からプラットフォーム構築、AIモデルの実装まで一貫してリードできます。IoT、データサイエンス、エッジコンピューティングといった複合領域の知見を活かし、ものづくりの未来を創造する非常にやりがいのあるプロジェクトです。

■必須条件
・システムエンジニア/クラウドエンジニアとしての実務経験4年目以上
・社会人経験4年目年以上
・大学卒以上または高専卒

■歓迎要件
以下のご志向性に当てはまる方を歓迎します。
・成長意欲高い方：負けず嫌いで圧倒的な速度で成長したい方
・顧客の役に立ちたい方：モノありきでなく、自分自身で勝負したい方