データエンジニア×リモートワーク・在宅可のフリーランス案件・求人一覧

・クラウドDWHの実務経験（BigQuery, Snowflake, Redshift, Databricks, Synapseのいずれかを用いた開発経験） ・AWS環境での開発経験（インフラ構成を理解した上でのバッチ処理やデータ連携の実装経験） ・高度なSQLスキル（数億件規模の大規模データに対する集計・分析および、実行計画を意識した最適化の知識） ・コミュニケーション能力（データアナリストやエンジニア、ビジネスサイドと連携し、要件を正しくプロダクトへ落とし込める方）

英語スキル Azure運用（監視、ID管理、ネットワーク、データサービス） CI/CD・DevOps知識 SQLおよびデータ基盤のトラブル対応スキル

GCP上でのデータ加工・処理の経験 ETL / パイプライン構築経験 LLM API（REST）の理解（キャッチアップでも可） BigQuery, ETL

Text-to-SQL / RAG型のAgentを自力で実装した経験 実務レベルのSQL（複雑なJOIN・集計・サブクエリが苦でないこと） データ構造を読み解き、「Agentに何を渡せば正しく答えるか」を設計できる方 ※データ基盤をゼロから構築する力は求めません 構造を理解し、Agent観点でコンテキスト設計ができること LLMの特性理解と対策力 （ハルシネーション、コンテキスト長制約などを理解し、精度を担保する具体策を打てる） Agent（Claude Code / Cursor 等）を日常業務で使用している方

データパイプライン設計・実装の実務経験（4年以上）、クライアントワークにおける要件定義経験（3年以上）、Snowflake を用いたDWH構築・運用経験、Trocco を用いたETL設計・運用経験、dbt によるデータモデリング（staging / intermediate / mart）経験、SQL / Python の実務経験、データ基盤の開発標準策定・ドキュメント整備経験

MLライブラリを用いたトレンド予測プログラム開発経験、特徴量エンジニアリング、EDA、ハイパーパラメータチューニングによる精度改善経験、クラウド上でのデータ扱い・開発環境構築経験、要件定義から設計、実装、試験までの一連の工程経験

・データ利活用基盤構築案件の経験 ・BIツールの選定評価、クラウドDWH選定評価の経験 ・源泉データ収集方針の策定、DB構築などの経験

インフラ基盤案件でのリーダー、サブリーダー経験 対象製品(Linux/AIX/WAS)のパッチ適用経験、または手順に沿って作業が可能な程度の製品知識 CUI操作が実施できること

クラウドDWHの実務経験（BigQuery, Snowflake, Redshift, Databricks, Synapseのいずれか） AWS環境での開発経験（インフラ構成を理解した上でのバッチ処理やデータ連携の実装経験） 高度なSQLスキル（数億件規模の大規模データに対する集計・分析および、実行計画を意識した最適化の知識） コミュニケーション能力

OracleDBのプロシージャー、PL/SQLの開発経験 チームメンバーとのコミュニケーションを円滑にとれる方 状況に応じて臨機応変に対応できる方

・サーバサイド/バックエンドエンジニアとしてのWebサービス/アプリ開発・運用の実務経験（5年以上） ・Go、PHPでの一定規模のアプリケーション開発の実務経験（3年以上） ・Webサービス/アプリ開発での要件定義経験 ・コードレビューやGitHubでのプルリクエストレビューの実務経験 ・他部署とのコミュニケーションがあった現場での実務経験 ・週1～2日ほど出社できる方

・DWH／Report基盤の要件定義または基本設計経験 ・DWH／Report基盤の構築または導入経験 ・DWH／Report基盤のアーキテクチャ検討経験 ・メダリオンアーキテクチャ、またはデータレイク／データウェアハウス設計に関する知見 ・DWH／BI／データ基盤におけるデータ連携経験 ・他システム／周辺システムとの連携設計または連携要件整理の経験 ・PPT／Excelを用いた説明資料作成経験 ・クライアント向けミーティングのファシリテーション経験

Text-to-SQL / RAG型のAgentを自力で実装した経験 実務レベルのSQL（複雑なJOIN・集計・サブクエリが苦でないこと） データ構造を読み解き、「Agentに何を渡せば正しく答えるか」を設計できる方 ※データ基盤をゼロから構築する力は求めません 構造を理解し、Agent観点でコンテキスト設計ができること LLMの特性理解と対策力 （ハルシネーション、コンテキスト長制約などを理解し、精度を担保する具体策を打てる） Agent（Claude Code / Cursor 等）を日常業務で使用している方

・クラウドDWHの実務経験（BigQuery, Snowflake, Redshift, Databricks, Synapseのいずれか） ・AWS環境での開発経験（インフラ構成を理解した上でのバッチ処理やデータ連携の実装経験） ・高度なSQLスキル（大規模データに対する集計・分析、実行計画の最適化知識） ・コミュニケーション能力

データサイエンティストまたはデータアナリストとしての実務経験 ビジネス課題のヒアリング → 仮説・ゴール設定 → データ分析課題への落とし込み経験 統計・機械学習を用いたデータ分析の実務経験（モデル構築含む） AI Agent / RAG 等、生成AI関連システムの精度改善経験 データ分析プロジェクトの推進・管理、QCD折衝・交渉経験 要件定義書・提案書・報告書等のドキュメント作成経験

Text-to-SQL / RAG型のAgentを自力で実装した経験 実務レベルのSQL（複雑なJOIN・集計・サブクエリが苦でないこと） データ構造を読み解き、「Agentに何を渡せば正しく答えるか」を設計できる方 ※データ基盤をゼロから構築する力は求めません 構造を理解し、Agent観点でコンテキスト設計ができること LLMの特性理解と対策力 （ハルシネーション、コンテキスト長制約などを理解し、精度を担保する具体策を打てる） Agent（Claude Code / Cursor 等）を日常業務で使用している方

Pythonによるバックエンド開発実務経験4年以上 基本設計から実装、テストまでを単独で完結できる高い実装力 Dockerコンテナの知識 AWS Lambdaを用いた開発

3名以上のPLまたはリーダーorサブリーダ経験（1年以上） 仮想デスクトップ環境(VDI)の設計構築2年以上 大規模端末環境（数千台規模）の運用経験

Power BIによるBIダッシュボード設計／構築 KPIモニタリング／データ分析業務における可視化設計の知見 利用シーンを意識したダッシュボード設計力

5年以上のDBA経験 MS SQL Serverの経験 SQLチューニングの経験（実行プランが読めること） Windowsパフォーマンスモニターの使用経験（リソース分析） 顧客提出用ドキュメント作成経験

Google App Script（GAS）での開発経験 JavaScriptでの開発経験

Databricksまたは類似基盤での開発／構築経験 ノートブック／ジョブ／クラスタの基本理解 Unity Catalogまたは権限制御の理解 顧客および社内メンバーと円滑にコミュニケーションが取れること 設計内容をドキュメントとして整理できること 自律的にタスク整理し、主体的に動けること

・DatabricksまたはSnowflake等のデータ基盤の実務経験 ・データ基盤（DWH／データレイク）に関する基礎知識 ・顧客および社内メンバーと円滑にコミュニケーションが取れること ・設計内容をドキュメントとして整理できること ・自律的にタスク整理し、主体的に動けること

Databricks（Delta Lake・メダリオンアーキテクチャ・ジョブ設計）、Snowflake（スキーマ設計・データ連携）、Python / SQL（Sparkパイプラインの読み解き・移行実装）、ETL/ELT パイプラインの設計・構築経験

クラウド環境構築(AWS)の知見 GCP上のクラウド環境構築経験

データパイプラインの設計、構築経験（Dagster / Airflow / dbt 等いずれか）、データリネージやデータカタログの設計経験、またはアーキテクチャレベルでの知見（技術選定、設計から主導できる方）、AWSでのインフラ構築、運用経験（ECS / RDS / ALB / S3等）、TerraformによるIaCの経験、Docker / Docker Composeを用いた環境構築経験、GitHub を用いた開発経験、技術選定、設計から実装、運用まで自走できること

AWSでのログ収集、ログ閲覧に関する設計・構築経験 ログ、イベント、メトリクス等の監視通知設計・構築経験 開発案件におけるモジュール新規作成～テスト経験

AE（Account Engagement）の改修・運用（AEで何ができるかを把握し、設定までできる人） ハウスリストのデータクレンジング リードナーチャリング設計〜MA活用化 現状整理 → 課題設定 → 施策実行のPJT推進

・PyTorchを用いたモデルの学習・評価・デバッグができる ・セグメンテーション・物体検出・分類モデルのいずれかの実装経験がある ・評価指標(IoU・Precision・Recall・F1等)を自分で設計・実装できる ・学習パイプラインのバグを自力で特定・修正できる(データ前処理バグ・ラベル不整合等) ・データセットの設計ができる(Train/Val/Test分割・クラス不均衡対応) ・画像・動画データの前処理ができる(OpenCV・ffmpeg等) ・アノテーションデータの品質管理ができる ・Pythonで再現性のあるデータパイプラインを実装できる ・AWSの実務経験がある(S3 / EC2 / ECS / Batch / Lambda などのいずれか) ・Dockerを用いた環境構築・再現性のある実験実行ができる

LLM／生成AIを活用したアプリケーション開発経験 AI開発を伴うPoC経験 RAGに関する知識、実装経験