職種・勤務地・キーワードで探す
条件を変える
三重県の求人771件応募資格・募集要項・仕事内容を見る
歩留・品質向上のためのラインデータ監視分析・データサイエンス・物理化学解析エンジニア（データ分析・不良モデル解明/AI異常検知）
- 勤務地
- 三重県四日市市
- 休日
- 年間休日125日完全週休2日
- 雇用形態
- 正社員
どんな仕事かAIによる生成
量産ラインで得られる検査・計測データの分析や物理化学解析を通じて、不良の発生メカニズムを解明し、歩留まり・品質改善に取り組む仕事です。Python/SQLなどを用いた大規模データ解析や、AI/機械学習によるプロセス異常検知システム・解析環境の構築も担います。
この求人に応募
応募資格
必須
- 理工学系の大学・大学院卒の方 （電気電子、情報、機械、化学、材料、物理など。卒論発表や、実験・分析を通じた論理的思考の基礎がある方）
歓迎
＜データサイエンス・IT領域＞
＜物理化学解析領域＞
- TEM、TDS、SEM、XPSなどの分析装置を用いた、製品不良の物理化学的なメカニズム解明・解析の実務経験
- 半導体デバイス物理、結晶材料工学、固体物理に関する深い専門知見
＜共通・その他＞
求める人物像
- 新しい視点と情熱をもって技術革新に貢献するポテンシャル人材
応募について
- 業界未経験可
募集要項最終確認 10/17
- 職種
- データサイエンティスト
- 雇用形態
- 雇用形態：正社員(試用期間2か月、契約期間の定めなし)場合により嘱託採用の可能性あり
- 役職
- プロフェッショナル/リーダー候補の方
- 給与
- 550〜1260万円/年
- 給与の詳細
- 月給33.3万〜80万円（想定年収 550万〜1260万円）※上記の下限は初任給（学卒新人）です。経験・能力を考慮し決定昇給年1回、賞与年2回(7月、12月)※管理職採用の場合、年俸制。フレックスタイム制、次世代育成手当、住宅費補助、時間外勤務手当は対象外
- 手当
- 次世代育成手当15,000円/月住宅費補助通勤手当時間外勤務手当在宅勤務手当
- 勤務地
- 三重県四日市市
- アクセス・通勤
- 車通勤可バイク通勤可
- 転勤
- 配置転換や転勤・出向などの人事異動等により、就業場所を変更することがある。
- 働き方
- 在宅勤務：1〜2日/週程度(業務事情による)ご家庭のご事情などに応じてご相談いただければ柔軟にご活用いただくことも可能です。在宅勤務制度
- 勤務時間
- 8時30分〜17時15分(※休憩時間60分、フレックスタイム制）平均残業時間：25時間/月
- 年間休日
- 125日
- 休日・休暇
- 年間休日125日(2026年度)完全週休2日制(土日)祝日ＧＷ夏季年末年始有給休暇赴任休暇介護休暇妊娠保護休暇看護等休暇等
- 福利厚生
- 独身寮、単身寮、家族社宅在宅勤務制度財形貯蓄制度企業年金制度従業員持株制度導入教育・指導者(メンター)によるＯＪＴ社内技術者教育社外メーカーとの技術交流会 等キャリア入社者用技術教育プログラム（フラッシュメモリ技術SSD技術等の各技術分野の講座）新人向けの横断教育プロジェクト（研究論文の読解会）部門内チームミーティングでの勉強会他工場の見学 など
- 社会保険
- 健康保険、雇用保険、労災保険等
- 受動喫煙対策
- 敷地内禁煙（屋外喫煙可能場所あり）
- 業務の変更の範囲
- その他会社が指示する業務
- 就業場所の変更の範囲
- 会社が指定する場所
- 学歴
- 大学卒業以上
- 選考の流れ
- 【Web面接実施中】
- 掲載日
- 2026/10/11 21:38（6日前）
- 最終確認
- 2026/10/17 01:41（今日）
仕事内容
採用背景
- AI需要の急増は、当社の主力製品である3次元フラッシュメモリ（BiCS FLASH）に更なる高性能化と高集積化を要求しており、製造プロセスの難易度は日進月歩で高まっています。この複合的な製造プロセスにおいて、品質改善と生産性向上を実現するには、単なる対策ではなく、不良の発生メカニズムを物理的に解明し、かつ製造データから異常の予兆を高速で検知する「両面からのアプローチ」が不可欠です。特に、製造ラインで日々生成される大規模データに対し、AI/機械学習（AIDX）を駆使して不良を予知・予防する技術革新は、企業の競争優位性を確立するための最重要課題です。この課題解決を加速させるため、即戦力としてこの高度な分析環境をリードできる方と、新しい視点と情熱をもって技術革新に貢献するポテンシャル人材の双方を迎え入れ、体制を強化します。多領域にわたるコア技術が活かせる、非常にチャレンジングな環境です。
組織のミッション
- 配属部門は、フラッシュメモリの量産初期フェーズにおいて、ラインの検査・計測の大規模データ分析や物理解析により、歩留まり・品質改善、不良予兆に取り組む部門です。私たちのミッションは、最先端の検査・計測データや物理解析技術から不良のモデルを理論に落とし込み、同時に、大規模データ解析技術を機能的に業務に取り込むことで、精度の高い異常検知と迅速な歩留改善を実現し、業績に貢献することです。この「探求と実装」の融合こそが、継続的な技術革新の源泉です。
業界未経験の方
- 量産ラインの大規模な検査・計測データの解析、およびその環境構築に携わっていただきます。また、先輩社員の指導のもと、最先端の分析装置を用いた製品の不良解析サポートを通じて、物理化学的なモデル解明に貢献することがミッションです。
- (1)量産ラインの検査・計測データの分析による歩留改善を行ってもらいます。また、機械学習を用いた大規模データ分析による不良原因の特定、改善の指針の策定なども先輩社員と一緒に行います。分析にはPython/SQLなどのツールの活用や環境構築も行います。
- (2)最先端の分析装置を用いた製品の不良解析サポートを通じて、物理化学的なモデル解明に繋げていただきます。これらの取り組みによって、高度な歩留まり、品質改善に貢献することがミッションです。
プロフェッショナル/リーダー候補の方
- インライン検査の効率的な分析/監視手法の確立、最先端の物理化学分析による不良モデルの解明、大規模データ解析・AI（AIDX）技術を用いたプロセス異常検知システムおよびその解析環境の構築を主導していただきます。
大規模データ解析による不良分析・予兆
- 製造工程で得られた検査データを分析し、問題の特定を実施。分析結果から得られた知見をフィードバックすることで不良を予兆し、電気特性を待たずに工程内でプロセスを最適化することで不良を改善します。
物理化学解析による不良モデル解明（探求）
- 透過型電子顕微鏡（TEM）、熱脱離質量分析（TDS）など、世界最先端の解析技術を駆使し、製品の不良が発生するメカニズムを物理的・化学的に究明。
- 単なる不良対策に留まらず、不良発生モデルを理論に落とし込み、次世代製品への対策技術として昇華させます。
大規模データ解析と異常検知（実装）
- 製造工程で得られる膨大な処理履歴データ、検査・計測データ、電気特性データを統合的に活用。
- Python/SQL、Linux、AWSなどの環境を用い、不良要因の特定と対策を高速で行うAI/機械学習アルゴリズムを開発。
- 大規模データ解析のための環境構築（データパイプライン設計など）にも積極的に取り組みます。
従事すべき業務の変更の範囲
- （雇入れ直後）上記の通り（変更の範囲）その他会社が指示する業務
使用言語
- Python、SQL
使用環境
- Linux、AWS
業界未経験の方へ
- 「PythonやSQLの知識はあるが、現職やほかの環境でそのスキルを活かすイメージが湧いていない」という不安はありませんか？製造工程で生成される世界最先端の3Dフラッシュメモリの「生きた」ビッグデータを対象に、Python、SQL、Linux、AWSといった実務で必須の環境を駆使します。メンターによる手厚い指導のもと、最速でAIDX技術のエキスパートを目指せ、あなたの知識を会社の業績に直結する価値に変える成長を実感できます。
- 「未経験分野への転職をしたいが、チームに貢献できるか、高度な課題についていけるか不安だ」という気持ちはありませんか？物理分析の専門家やデータサイエンティストなど、多様なメンバーと議論を重ね、難易度の高い不良モデル解明を成し遂げる過程は大きなやりがいです。多様性を尊重し、議論と協力を大切にする風土があります。柔軟な働き方もサポートされており、未経験からでもプロフェッショナルを目指せます。
プロフェッショナル/リーダー候補の方へ
- 「自分のスキルが、日々の対処療法的な業務に忙殺され、原理の究明まで踏み込めていない。実際の製品に活かし切れていない。」とお悩みではありませんか？このポジションでは、TEMやTDSなどの物理分析の知見と、最先端のAIDX技術を融合させ、不良メカニズムを理論とデータ解析の両面から解明します。日進月歩の技術を技術者自ら応用できる環境で、次世代の技術革新を主導する達成感を味わえます。
- 「特定の業務に縛られ、技術キャリアの幅が広がらず、将来の市場価値に不安を感じる」といった停滞感はありませんか？ここでは、不良モデルの解明から始まり、その対策を開発フェーズから量産ラインまで横断して適用します。Python/SQLによる大規模データ解析、Linux/AWSでの解析環境構築も含めた広範な業務経験を通じて、特定分野のスペシャリストに留まらず、総合的な技術戦略家として自身の市場価値を大いに向上させることができます。
キャリアパスイメージ
- 入社後は、プロジェクト担当者としてOJTを通じ、実務を習得していただきます。（業界未経験の方）体系的な研修とメンター制度のもと、技術を習得。約5年程度を目安に、自身の専門領域を持ち、関係部門と連携して業務を進める主担当として自立を目指します。（プロフェッショナル/リーダー補の方）これまでの経験を活かし、早期に不良モデル解明プロジェクトのリーダーとしてチームを牽引。5年程度経過後を目安に、チームを率いるリーダー職として、技術戦略の策定や組織マネジメントを担っていただきます。当社では、技術者として、専門性を極めるスペシャリストの道、組織を率いるマネジメントの道など、多様なキャリアパスを柔軟に選択・実現できる環境があります。
研修・育成制度
- 導入教育
- 指導者(メンター)によるＯＪＴ
- 社内技術者教育
- 社外メーカーとの技術交流会 等
入社後の教育／OJT 一例
- キャリア入社者用技術教育プログラム（フラッシュメモリ技術SSD技術等の各技術分野の講座）
- 新人向けの横断教育プロジェクト（研究論文の読解会）
- 部門内チームミーティングでの勉強会
- 他工場の見学 など
この求人は、キオクシア株式会社の採用ページの内容をAIが読み取って整理したものです。応募の前に採用ページの原文を確かめてください。データの集め方企業サイト
募集元の採用ページから応募できます
応募はキオクシア株式会社の採用ページで受け付けています。このページは採用ページの掲載内容をもとに構成しているため、最新の応募条件は募集元でご確認ください。
この求人と近い条件で探す数字はリンク先ページの掲載件数
応募資格の語から探す
この職種で探す
- データサイエンティスト269
- テック13,898
- AIエンジニア422
- データエンジニア419
- データアナリスト242