日立製作所：民間企業R&D部門のDX推進に資するデータエンジニア(分析基盤の設計・開発)

           

会社名

株式会社日立製作所

           

会社概要

日立製作所は社会イノベーション事業を推進して、社会の課題と企業経営の課題をデジタルで解決し持続的な成長を実現するということを目指すべき事業の姿と位置づけ、それを実行することで人々のQoLの向上・顧客企業の価値の向上（社会価値・環境価値・経済価値の向上）を実現する企業です。
「デジタル」「グリーン」「イノベーション」を成長の柱として、グローバルで社会イノベーション事業のさらなる進化と成長をめざしています。
■主な事業領域
デジタルシステム&サービス：お客さまの業務システムや社会インフラのデジタルトランスフォーメーション(DX)を推進し、サステナブルな社会の実現に貢献します。
グリーンエナジー&モビリティ：地球環境にやさしいグリーンなエネルギーとモビリティで世界中の人々の幸せを支えます。
コネクティブインダストリーズ：日立が誇る強いプロダクトを集結させてデジタルでつなぎ、ソリューションとして提供し、「サステナブルバリュークリエイター」をめざします。

           

ポジション

民間企業R&D部門のDX推進に資するデータエンジニア(分析基盤の設計・開発)

仕事内容

日立独自技術を有するMIを用いた材料特性予測プログラムOEPP(Optimal Experiment Planning Program)が搭載される材料データ分析基盤の設計・開発が主な業務内容です。
・お客さまR&D部門への材料開発ソリューション提案活動
・お客さま課題の把握、課題を解決するためのデータ分析機能の立案・お客様との当該機能仕様の合意形成
・材料データ分析基盤開発の設計・開発・テスト
・OEPPや最新MI技術を用いたデータ分析機能の材料データ分析基盤への実装
・データ分析結果可視化機能の材料データ分析基盤への実装
・材料画像情報抽出機能・材料文献情報抽出機能の材料データ分析基盤への実装

 

【携わる事業・ビジネス・サービス・製品など】
材料開発ソリューション
従来、研究者の勘や経験、膨大な実験回数で築かれてきた材料開発を、多様な材料データから材料開発の指針を見いだすMIという手法が大きく変えようとしている。
国内外で素材産業のR&D部門がMI導入を本格的に進めており、新規市場形成および成長が進行している。
日立は、グローバルな材料開発競争の激化を見越し、MIを用いた材料開発の導入をめざす素材産業に対して、MIを適用した「材料開発ソリューション」を2017年11月から提供開始しています。
■参考URL：
https://www.hitachi.co.jp/Prod/comp/app/mi/

求める経験・スキル

【必須条件】
(1)下記いずれかの開発関連のご経験やスキルをお持ちの方：
・Webアプリケーションのアーキテクチャ設計経験 (目安：2年以上)・Webアプリケーションの開発経験 (目安：2年以上)　(言語：Java、JavaScript、Python)・AWS/GCP/Azure等のクラウド上でのWebアプリケーション開発経験・Docker、Kubernetesを使用したWebアプリケーション開発経験・データベースを用いたWebアプリケーション開発経験　(PostgreSQL、MongoDB、Elasticsearch)・Jenkins 等を用いたCI/CDによる開発環境の自動化経験・アジャイル開発経験
(2)下記いずれかの分析関連のご経験やスキルをお持ちの方：
・分析技術(Pythonライブラリの処理概要)を理解し、お客さまのデータに対してその分析技術を適用した経験・Pythonベースの機械学習ライブラリを用いたデータ分析業務経験・機械学習ソフトウェア(JMP、DataRobotなど)を用いたデータ分析分析業務経験
(3)下記いずれかのマネジメント関連のご経験やスキルをお持ちの方：
・お客さま対応経験 (目安：2年以上)・開発会社のマネジメント経験 (目安：2年以上)

【歓迎条件】
(1)下記いずれかのご経験やスキルをお持ちの方：
・数理統計学・機械学習・AIを基にしたデータ分析業務経験
・データ整形を実施した上で機械学習の入力データを作成した経験・材料分野においてデータ分析を用いたお客さま課題解決経験・化学データ(sdf、molファイルなど)を用いたデータ分析業務経験
(2)下記いずれかの業務知識をお持ちの方：
・機械学習に関する知識
　以下に記載する代表的な機械学習アルゴリズムを理解している　- 教師あり学習(CNN、RNN、回帰分析(GPR、RFRなど)、クラス分類(SVM、RFCなど)、AutoEncoder等)　- 教師なし学習(クラスタリング(k-means、GMMなど)、次元削減PCA、LDAなど))　- 強化学習(DQN、DDQNなど)
・数理統計学に関する知識
　数理最適化、MCMC、ベイズ統計等を使用した統計モデリングを理解している
・材料分野に関する知識
　金属、無機、有機化学いずれかの理論・実験に関する知識を有している　材料分野におけるシミュレーション(第一原理や量子化学計算)手法を理解している