【データサイエンスで「モノづくり産業のポテンシャルを解放する」】 モノづくり産業では人手による作業が数多く残っています。図面の読解や、製造原価の見積もりなど、人の判断を必要とする業務は自動化が難しい作業でした。しかし、キャディには受発注や製造工程のプロセスの中で生まれたデータがたくさんあります。数多くの図面データや見積もりデータなど、一連の業務プロセスに紐づくデータであり、これらに対して何らかのパターン化を試みることが、モノづくり産業のプロセス全体の改善につながるとキャディは信じています。 【業務内容】 例1：図面解析 キャディが保有するパートナー様の図面を解析し図面上に記載された情報を抽出する技術開発を行う - 図面からの自動情報抽出 - 図面の高解像度処理 - 類似図面検索 - 図面からの自動工程分解 - 図面からの自動設計ミス検出 例2：サプライチェーンデータ分析 キャディは発注者様から受注を受けてから、サプライパートナーの選定や生産管理、物流拠点での受け入れなど非常に長いサプライチェーンを構築、マネジメントを行っています。サプライチェーン上のデータを解析し、コスト削減や将来に渡るエコノミクスの改善は大きなテーマとなっています。それらを実行するための仮説立て、データ解析による仮説検証、実際のデータ解析業務を行います。 - キャディのオペレーションの観察・ステークホルダーとの議論等を通じた課題設定と仮説構築 - 社内他チームおよび顧客企業と連携した、データ収集・分析基盤構築のリード - 需要予測・在庫最適化等を目的とするデータ分析・最適化手法の開発 【開発環境】 - 利用言語: Python, R - フレームワークやライブラリ: TensorFlow, PyTorch, scikit-learn - 開発ツール: GitHub, CircleCI, Jupyter Notebook, Google Colab - コミュニケーションツール: Slack, Discord, JIRA 【開発組織】 - 数名の図面解析チーム 　- CAD系データのベテランや元ML研究者など、多様なスキルセットのチームメンバー - 数名の製造原価計算チーム 　- 競技プログラミング巧者やバックエンドエンジニアがRustを中心に開発 - スクラムベースの開発サイクル 　- JIRAによるチケット管理 【必須スキル】 - モノづくり産業のポテンシャルを解放することへの共感 - 統計学の基礎知識 - 機械学習を用いた研究または業務経験 - Pythonによる開発経験 - 実データに基づく問題解決能力、特に顧客を満足させ技術的に解決可能である適切なタスク定義を行う能力 - Gitなどのバージョン管理システムの利用経験 【歓迎スキル】 - GPU処理を用いた開発経験 - Kaggle等データ分析コンペティションの参加・受賞経験 - 最新論文の調査・読解およびサーベイ資料作成能力 - Rustによる開発経験 - 数理最適化（連続最適化・離散最適化・組合せ最適化等）の専門的知識・経験または実績 - SQLを用いたデータ加工経験 - データ加工処理の全体像の設計・構築・運用経験 - GCP等クラウド環境でのデータハンドリング 【大胆に挑戦し、卓越したいポイント】 キャディが現在トライしているのは製造業でも「多品種少量生産の調達」という領域です。これまで殆どイノベーションが起こっていない領域だからこそ、前例がない・解法が定まっていない問題が多くあり、それをアルゴリズムで解決するのは前人未踏の領域だからこそ面白味があります。 また、現時点で溜まっているデータの活用だけでなく、どんなデータがあればどんなイノベーションが起こせるか、という発想で臨みたいキャディは考えています。あなたのスキルでデータの積み重ねから起こる変革にチャレンジしてみませんか。 【選考で大事にしていること】 ・キャディのミッション、バリュー、カルチャーへの共感 ・モノづくり産業の業務プロセス変革に対する興味 ・未経験の技術への貪欲さ ・データ構造やアルゴリズム、計算量など情報技術の基礎 ・チームワークを大事に、考えやアイデアを積極的に共有できるか ・オーナーシップを持ってスピーディに課題に挑戦できるか 【参考記事】 https://caddi.tech/archives/1651 https://caddi.tech/archives/1495 https://caddi.tech/archives/1517