データサイエンティスト【業務委託】 at 株式会社エムニ — Japan

← Back to job listings

About The Role

データサイエンティスト【業務委託】フルリモート可｜製造業特化の京大×松尾研発急成長AIスタートアップで新規メンバー募集！
仕事概要
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️本ポジションについて
エムニでは、LLM・RAG・画像認識・機械学習・AIエージェントなどの技術を活用し、製造業の現場課題に応じたオーダーメイドAI開発・導入支援を行っています。
その中でデータサイエンティストは、AI開発の出発点となる重要な役割を担います。
顧客の業務を理解し、利用可能なデータを確認し、分析可能性やデータ品質を見極め、どのテーマに取り組むことで業務成果につながるかを整理します。必要に応じて予測モデルや分類モデル等の初期検証を行い、PoCや本番開発へつなげていきます。
扱うデータは、テーブルデータ、時系列データ、画像、自然言語、設備ログ、検査記録、生産実績、品質データ、問い合わせ履歴など多岐にわたります。
AIプロジェクトマネージャー、MLエンジニア、AI/LLMエンジニア、Webエンジニア、Bizメンバーと連携しながら、データから価値ある課題を発見し、実際のAI導入・業務改善につなげていただきます。
◼️仕事のやりがい

製造業の現場データをもとに、実際の業務課題の発見・改善に関われる
顧客ヒアリングからデータ分析、AI活用テーマ設計、効果検証まで一気通貫で担える
テーブルデータ、時系列データ、画像、自然言語など、多様なデータに向き合える
分析結果をレポートで終わらせず、AI導入や業務変革につなげられる
需要予測、品質改善、異常検知、要因分析など、製造業に直結するテーマに挑戦できる
MLエンジニアやAI/LLMエンジニアと連携し、分析・検証結果を本番システムにつなげられる
LLMや生成AIと従来型のデータ分析・機械学習を組み合わせた、新しい課題解決に挑戦できる

◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。

製造業を中心としたクライアントの業務課題・データ課題のヒアリング、整理、構造化
生産データ、品質データ、設備ログ、検査記録、需要データ等の探索的データ分析
データの可視化、傾向分析、ボトルネック分析、要因分析
AI導入余地の見極め、ユースケース設計、PoCテーマの立案
KPI・効果指標の設計、導入前後の効果検証方針の策定
需要予測、異常検知、分類、回帰、品質予測等の初期モデル検証
データ品質、欠損、偏り、取得方法、活用可能性の評価
顧客向け分析報告、検証結果の説明、改善施策の提案
AIプロジェクトマネージャー、MLエンジニア、Webエンジニアとのプロジェクト推進
LLM/RAG/AIエージェントと構造化データ分析を組み合わせた活用テーマの検討

分析手法、検証結果、顧客課題に関するナレッジの社内共有

自社プロダクトや今後の新規事業に活用可能なデータ分析・検証

◼️取り組むテーマ例

品質不良データの分析による、不良要因・改善ポイントの特定
設備ログやセンサーデータを用いた、故障予兆・異常傾向の分析
生産実績・受注・在庫データを用いた、需要予測・生産計画高度化の検証
検査工程における画像データ活用可能性の評価
作業記録、問い合わせ履歴、報告書等の分析による、業務効率化テーマの探索
熟練者の判断や現場ノウハウをデータ化・可視化するための分析設計
AI導入前後の効果測定設計、KPIモニタリング
複数工場・複数拠点のデータを活用した横断分析
LLMと構造化データを組み合わせた、意思決定支援・分析支援機能の検討

◼️このポジションで期待する成果

顧客の業務課題を理解し、データをもとに解くべき論点を整理できる
AI活用が有効なテーマと、データ不足等により難しいテーマを適切に見極められる
分析・検証結果を、顧客や非技術者にもわかりやすく説明できる
モデル精度だけでなく、業務成果や導入効果を踏まえて提案できる
MLエンジニア等と連携し、分析・PoCから本番導入へつなげられる
顧客現場の一次情報を重視し、実効性のある改善テーマを生み出せる

◼️開発環境

言語：Python、SQL、R
データ分析・統計：Pandas、NumPy、SciPy、scikit-learn、statsmodels
機械学習：scikit-learn、PyTorch、TensorFlow
可視化・BI：Matplotlib、Plotly、Tableau、Looker Studio など
AI/生成AI：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI
クラウド：AWS、Google Cloud、Azure
データベース・データ基盤：PostgreSQL、MySQL、BigQuery
コード管理：GitHub
コミュニケーション：Slack、Notion
その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot など

※利用技術はプロジェクトや課題に応じて柔軟に選定します。
必須スキル
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️本ポジションについて
エムニでは、LLM・RAG・画像認識・機械学習・AIエージェントなどの技術を活用し、製造業の現場課題に応じたオーダーメイドAI開発・導入支援を行っています。
その中でデータサイエンティストは、AI開発の出発点となる重要な役割を担います。
顧客の業務を理解し、利用可能なデータを確認し、分析可能性やデータ品質を見極め、どのテーマに取り組むことで業務成果につながるかを整理します。必要に応じて予測モデルや分類モデル等の初期検証を行い、PoCや本番開発へつなげていきます。
扱うデータは、テーブルデータ、時系列データ、画像、自然言語、設備ログ、検査記録、生産実績、品質データ、問い合わせ履歴など多岐にわたります。
AIプロジェクトマネージャー、MLエンジニア、AI/LLMエンジニア、Webエンジニア、Bizメンバーと連携しながら、データから価値ある課題を発見し、実際のAI導入・業務改善につなげていただきます。
◼️仕事のやりがい

製造業の現場データをもとに、実際の業務課題の発見・改善に関われる
顧客ヒアリングからデータ分析、AI活用テーマ設計、効果検証まで一気通貫で担える
テーブルデータ、時系列データ、画像、自然言語など、多様なデータに向き合える
分析結果をレポートで終わらせず、AI導入や業務変革につなげられる
需要予測、品質改善、異常検知、要因分析など、製造業に直結するテーマに挑戦できる
MLエンジニアやAI/LLMエンジニアと連携し、分析・検証結果を本番システムにつなげられる
LLMや生成AIと従来型のデータ分析・機械学習を組み合わせた、新しい課題解決に挑戦できる

◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。

製造業を中心としたクライアントの業務課題・データ課題のヒアリング、整理、構造化
生産データ、品質データ、設備ログ、検査記録、需要データ等の探索的データ分析
データの可視化、傾向分析、ボトルネック分析、要因分析
AI導入余地の見極め、ユースケース設計、PoCテーマの立案
KPI・効果指標の設計、導入前後の効果検証方針の策定
需要予測、異常検知、分類、回帰、品質予測等の初期モデル検証
データ品質、欠損、偏り、取得方法、活用可能性の評価
顧客向け分析報告、検証結果の説明、改善施策の提案
AIプロジェクトマネージャー、MLエンジニア、Webエンジニアとのプロジェクト推進
LLM/RAG/AIエージェントと構造化データ分析を組み合わせた活用テーマの検討

分析手法、検証結果、顧客課題に関するナレッジの社内共有

自社プロダクトや今後の新規事業に活用可能なデータ分析・検証

◼️取り組むテーマ例

品質不良データの分析による、不良要因・改善ポイントの特定
設備ログやセンサーデータを用いた、故障予兆・異常傾向の分析
生産実績・受注・在庫データを用いた、需要予測・生産計画高度化の検証
検査工程における画像データ活用可能性の評価
作業記録、問い合わせ履歴、報告書等の分析による、業務効率化テーマの探索
熟練者の判断や現場ノウハウをデータ化・可視化するための分析設計
AI導入前後の効果測定設計、KPIモニタリング
複数工場・複数拠点のデータを活用した横断分析
LLMと構造化データを組み合わせた、意思決定支援・分析支援機能の検討

◼️このポジションで期待する成果

顧客の業務課題を理解し、データをもとに解くべき論点を整理できる
AI活用が有効なテーマと、データ不足等により難しいテーマを適切に見極められる
分析・検証結果を、顧客や非技術者にもわかりやすく説明できる
モデル精度だけでなく、業務成果や導入効果を踏まえて提案できる
MLエンジニア等と連携し、分析・PoCから本番導入へつなげられる
顧客現場の一次情報を重視し、実効性のある改善テーマを生み出せる

◼️開発環境

言語：Python、SQL、R
データ分析・統計：Pandas、NumPy、SciPy、scikit-learn、statsmodels
機械学習：scikit-learn、PyTorch、TensorFlow
可視化・BI：Matplotlib、Plotly、Tableau、Looker Studio など
AI/生成AI：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI
クラウド：AWS、Google Cloud、Azure
データベース・データ基盤：PostgreSQL、MySQL、BigQuery
コード管理：GitHub
コミュニケーション：Slack、Notion
その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot など