データサイエンティスト（担当）

必須

• 以下のAとそれ以外の項目による合計二項目以上のご経験をお持ちの方（例：A+B,A+B+Cなど）
• Pythonを用いたデータ分析・機械学習モデル構築の実務経験（目安：1年以上）
• pandas、NumPy、scikit-learn等を用いたデータ前処理、特徴量設計、モデル評価の経験
• 統計学・機械学習の基礎知識を有し、実データを用いて予測・分類・異常検知等のモデルを構築した経験
• 分子構造、結晶構造、組成、微細組織等の材料構造データを記述子・特徴量に変換し、分析・モデル構築を行った経験、または基礎知識
• ベイズ最適化、実験計画法等の探索・最適化手法に関する基礎知識
• 統計検定2級、または同等の知識・経験
• 化学・素材・バイオ領域における研究開発、実験、製造プロセス等に関する基礎知識
• 材料・プロセスに関する実験データ、計測データ、製造データ等を扱った経験
• MI／PI等のデータ駆動型の材料開発・プロセス改善に関する知識または関心
• 上位者のもとで、顧客や業務有識者との対話を通じて課題を整理し、分析に取り組んだ経験
• PoC等のプロジェクトにおいて、分析から評価、結果報告までを担当した経験
• 分析結果を関係者にわかりやすく説明した経験
• Gitやdockerに触れた経験（レビュイーとしての経験：1年以上）
• GitHub Copilot、Claude Code等の生成AIコーディングを活用し、分析コードの実装を行った経験

歓迎

• PyTorch、LightGBM等を用いた深層学習・勾配ブースティングモデルの構築経験
• ベイズ最適化、実験計画法、能動学習等を用いて、実際に実験条件の探索や最適化を行った経験
• RDKit、pymatgen等を用いた材料構造データの処理・記述子計算の経験
• グラフニューラルネットワーク等を用いた分子・結晶構造の機械学習モデリングに関する知識・経験
• SEM／TEM像、光学顕微鏡像、外観検査画像等の画像データを扱った分析経験
• OpenCV等を用いた古典的画像処理（二値化、エッジ検出、セグメンテーション、形状・粒径解析等）の経験
• CNN等の深層学習による画像分類・物体検出・セグメンテーション、またはVLM（Vision Language Model）を活用した画像理解・情報抽出の経験
• 物理モデルやシミュレーション結果とデータ駆動モデルを組み合わせた分析の経験
• 統計検定準1級、E資格、または同等の知識・経験
• 化学・材料・バイオ系分野における研究経験（修士・博士課程での研究を含む）
• 材料・プロセスに関する実験データ、計測データ、製造データ等を扱った経験
• 第一原理計算、分子動力学、有限要素法等のシミュレーションに関する知識・経験(PySCF, CP2K, Quantum ESPRESSO, LAMMPS、OpenFOAMなど)
• MI／PI等のデータ駆動型の材料開発・プロセス改善に携わった経験
• SQLを用いたデータ抽出・加工の経験
• AWS等のクラウド環境における分析環境の利用・構築経験
• Streamlit等を用いた分析結果の可視化ツールやプロトタイプアプリケーションの開発経験
• APIの開発経験
• 生成AI・AIエージェント・RAG等を組み込んだ分析ワークフローやツールの開発経験
• TOEIC 600点程度、または英語による技術文書・クラウドサービスのドキュメントを活用できる英語力

求める人物像

• お客さまの成果を自分ごととして捉え、その実現のためならAIを含むあらゆる手段を貪欲に取り入れ、学ぶことを決して止めない方
• People Champion（一人ひとりを活かす）：多様な人財を活かすために、お互いを信頼しパフォーマンスを最大限に発揮できる安心安全な職場(インクルーシブな職場)をつくり、積極的な発言と成長を支援する。
• Customer & Society Focus（顧客・社会起点で考える）：社会を起点に課題を捉え、常に誠実に行動することを忘れずに、社内外の関係者と協創で成果に責任を持って社会に貢献する。
• Innovation（イノベーションを起こす）：新しい価値を生み出すために、情熱を持って学び、現状に挑戦し、素早く応えて、イノベーションを加速する。
• 既存の枠にとらわれず、ソリューション事業の成長のためにリーダーシップを発揮して行動できる、情熱と実行力のある人物
• 複数の関係者が関与するため、他者と良い関係を構築・維持しようという意思を持ってくれる人物
• お客さまの課題に対し、新しいアイデアで解決策が提示・実行できる人物
• 自分の新しいアイデアをチームメンバに共有・共感を得られる人物
• データから新しいビジネス価値を創造でき、それをサービス事業およびアプリケーションで表現できる人物

使用ツール

募集背景

• 素材・プロセス産業では、開発期間の短縮、人財不足、品質向上などの課題がある一方、研究開発・製造データが部門やシステムごとに分散し、十分に活用されていません。フロンティアAI・Physical AIの進展を背景に、日立はHMAXとFDE事業を通じて、研究開発から製造・量産までの変革を支えるサービス創出を進めています。今回募集するのは、モデル精度の追求に留まらず、顧客課題を分析テーマへ落とし込み、AIと協働して事業成果につなげるデータサイエンティストです。機械学習・統計解析・最適化を活用し、材料探索、プロセス最適化、品質予測、異常検知に取り組みます。データエンジニアや研究者等と協働し、分析結果を現場で使える仕組みへ実装するとともに、知見を再利用可能なモデルやAIサービスとして資産化します。製造業のデータ分析や先端AIの社会実装に挑戦し、成長フェーズの事業を共に創り上げたい方を歓迎します。

職務概要

• 素材・プロセス産業の研究開発から製造・量産までを対象に、材料開発ソリューション「HMAX」および生成AI・Physical AIを活用したサービス開発に携わります。実験・シミュレーション・製造データから材料設計やプロセス条件に関する知見を引き出し、予測・最適化モデルを構築します。AIエージェントを分析・開発のパートナーとして活用し、仮説検証の高速化や分析業務の自動化を進めます。顧客の課題整理、分析テーマ設定、概念実証（PoC）の企画・評価、結果の説明・提言までを担い、データエンジニア、研究者、ソフトウェアエンジニアと連携して成果のサービス化・標準化を推進します。分析・モデリングを通じて、顧客課題の解決と新規サービス創出を支える役割です。

①データ分析・モデリング

• 実験・計測・製造・シミュレーションデータを用いた物性予測、プロセス最適化、品質予測、異常検知
• ベイズ最適化、実験計画法、能動学習による少量データ下の材料探索・実験効率化
• 物理モデルとデータ駆動モデルを融合したモデリング、特徴量設計、解釈性の高い分析

②AIネイティブ分析

• AI開発支援ツールによる仮説検証、分析コード・プロトタイプ開発
• 生成AI・AIエージェントを組み込んだ分析ワークフローの設計・自動化
• 検索拡張生成（RAG）と予測・最適化モデルを組み合わせた研究開発支援機能の設計

③分析成果のサービス化

• エンジニアと連携したモデルのアプリケーション・サービスへの組込み
• 評価指標・検証プロセスの整備、精度・信頼性の向上
• 分析手法・モデルの標準化、コードレビュー・技術共有

プロジェクト例

• 材料開発向けMI／PI分析環境、実験・製造設備と連携した意思決定自動化基盤、AI研究開発支援サービス、再生材流通向けAIマーケットプレイス。

主な技術

• Python、pandas、NumPy、scikit-learn、LightGBM、PyTorch、Optuna、BoTorch、AWS、Jupyter、VSCode、Claude／Claude Code、生成AI・AIエージェント・RAG、GitHub、Docker、Jira、Microsoft Teams。

①AIと協働するデータサイエンス

• 生成AI・AIエージェントを分析プロセスに取り込み、予測・最適化モデルの開発からサービス実装まで経験できます。材料・プロセスのデータ分析、Physical AI、物理モデルとデータ駆動モデルの融合など、多様な技術領域に挑戦できます。

②社会・産業課題への貢献

• 材料開発の高度化、開発期間短縮、品質向上、技術伝承、人財不足対応、環境負荷低減に取り組みます。自身の分析・モデルが研究開発や製造現場の意思決定を変え、顧客の競争力につながる仕事です。

③裁量と事業創出への参画

• 課題設定、分析方針、モデル設計、技術選定からサービス実装まで一貫して関わり、自ら提案できる環境です。協創で得た分析手法やモデルを標準化し、事業・業界へ展開する醍醐味があります。

キャリアパス

• データサイエンスエキスパート（課長相当職）、チーフデータサイエンスエキスパート（部長相当職）として専門性を深めるほか、テックリード、プロダクトマネージャー、FDEなどへキャリアを広げられます。

①配属組織／チーム

• 約40名規模で、今後さらに拡大予定の組織です。データエンジニア、データサイエンティスト、FDEを中心に、クラウド・アプリケーション開発・DevOps／MLOpsに強みを持つエンジニアが参画しています。30代を中心に、若手からリーダーまでフラットに議論し、職種を越えて協働しています。AIエージェントを設計・実装・テスト・ドキュメント作成に取り入れ、本質的な課題解決に集中できる開発文化を推進しています。日立の研究者等との連携を通じて、材料開発や先端AIの知見も学べます。

②働き方

• 在宅勤務を主体とし、週1回程度の出社日を設けています。勉強会、技術レビュー、ノウハウ共有会、懇親会などを通じて交流し、リモート環境でも密に連携します。日常業務ではGitHubや生成AIツールを活用しています。担当プロジェクトによって顧客先への訪問や国内外への出張があります。研究開発・製造現場に触れ、顧客課題の理解からAIサービスの実装まで経験できる環境です。