【データエンジニア】多種多様な業界のデータを動かすステップアップ職
データエンジニア

【データエンジニア】多種多様な業界のデータを動かすステップアップ職

株式会社分析屋

株式会社分析屋

AI要約(β)

AI時代をリードし、データでビジネスの未来を創造するデータエンジニアを募集。金融・エンタメなど多様な業界の顧客課題に対し、データ基盤設計からBI可視化、示唆出しまで一気通貫で担当。AIを武器に「上流アナリスト・コンサルタント」として真の価値を追求します。年収350万~600万円、個人の志向に合わせたキャリアパスを用意。AWS, GCP, Python, SQLなど最先端技術を駆使し、若手も挑戦できる環境です。「仕様通りに作るだけ」の現状に危機感を持ち、データ領域で市場価値を高めたい方、歓迎。あなたのAI活用への意欲を高く評価し、データで顧客の未来を切り拓く挑戦を共にしましょう。

求人情報をご覧いただくには会員登録が必要になります

メールアドレスで登録する

給与・報酬

年収 350万円 ~ 600万円

稼働時間

09:00 ~ 18:00

雇用形態

正社員

出社頻度

週5日出社

勤務地

神奈川県 藤沢市 藤沢484-1 藤沢アンバービル 4F

現状と課題

「AI時代になり、ただ仕様通りにプログラムを作るだけの仕事に危機感はありませんか?」

現在、集計作業や定型レポートの作成、あるいは降ってきた仕様書通りのアプリ開発ばかりで、その先にある「顧客のビジネスをどう変えるか」という本質的な提案に関われない環境に、もどかしさを感じていませんか?

当社では、SQLやPythonの基礎知識、そしてChatGPTをはじめとする最新AIツールを自発的に使いこなしてきたあなたの「ポテンシャル」を高く評価します。本格的な統計学やデータサイエンスの実務経験は問いません。AIを武器にしながら、顧客の「なんとなく困っている」という曖昧な課題を論理的に整理し、ビジネスのインサイト(洞察)を導き出す「上流のアナリスト・コンサルタント」へとステップアップできる環境をご用意しています。

募集背景

「AI時代に、仕様通りにコードを書くだけの作業者で終わりたくない」――そんな危機感を持つエンジニアを募集します。 昨今、GitHub CopilotやCursorなどのAIツールの急速な普及により、画面の作成やAPIのコーディングといった「実装作業」そのものは、AIによって誰もが短時間で行える時代へと変化しています。これまで自分が苦労して身につけたコーディングスキルの価値が下がりつつある現状に、心の底で焦りや不安を感じていませんか?

私たちが今、必要としているのは、降ってきた仕様書通りにただコードを量産する「一兵卒のエンジニア」ではありません。AIを武器として使いこなし、開発を徹底的に自動化・効率化させた上で、「企業の根幹であるデータ構造をどう設計し、ビジネス成果に繋がるモダンなデータ基盤(DWH/ETLなど)を構築するか」という、市場価値の極めて高い領域を担えるデータエンジニアです。

当社は「おもてなし分析」を掲げ、顧客の経営課題に深く伴走するデータコンサルティングを展開しています。データ利活用へのニーズが爆発的に増加する中、組織をさらに拡大し、データ基盤からデータ分析、さらにはプロジェクトマネジメント(PM)までを担う次世代のコアメンバーを育成していくため、今回の募集を決定いたしました。データ基盤特化の実務経験は不問です。あなたが培ってきたDB設計やプログラミングの素養を、最も価値の高まる「データ領域」で爆発させてみませんか?

部門紹介

当社のデータ利活用部は、データ分析領域における“入門部門”として位置づけられています。 データ分析の経験が浅い方や異業種からキャリアチェンジを目指す方も積極的に受け入れており、データの活用に関する基礎から実務まで幅広く経験することができます。

また、社内にはAI、BI、基盤運用、コンサルティングなど技術特化型の部門があり、データ利活用部でスキルを積んだ後は、ご自身の志向や強みに応じて各部門へのキャリアチェンジも可能です。 「データ分析を学びながら自分に合った領域を見極めたい」という方にとって、最適な環境です。

お願いする業務

データエンジニアとして、顧客企業のビジネス課題解決に向けたデータアナリティクス基盤(DWH/データマート/ETLパイプラインなど)の設計・構築・運用、およびBIツールなどを用いたデータ活用・可視化支援を担当します。

具体的な業務内容
  • 金融・エンタメ・製造など、多種多様なクライアントのデータ構造を理解し、最適なデータ基盤(DWH/データレイク等)のアーキテクチャ設計・構築
  • SQLやPythonを用いた、大量データのETL(抽出・加工・シームレスな連携)パイプラインの構築・バッチ処理の実装
  • データ分析の「属人化した手作業」を排除するための、モダンなデータエンジニアリング手法(バージョン管理やCI/CDなど)の導入・推進
  • TableauなどのBIツールを用いたデータの可視化(ダッシュボード構築)や、顧客への簡単なデータ示唆出し、レポート資料作成(アナリスト的要素)
  • 将来的には、3〜5名程度の小規模なプロジェクトにおいて、進捗管理やメンバーのコードレビュー(品質管理)などのリード業務

変更の範囲:会社が指定した業務

開発環境/使用ツール

AWS/GCP/Azure/Tableau/SAS/SPSS/Oracle Database/SQL ServerMySQL/PostgreSQL/Google AnalyticsSQL/Python/Rなど

入社者の声
  • 「基幹システムばかりで、この先が見えなかった。でもここではデータで事業を変える手応えがある」(26歳/元業務系SE)
  • 「上司に提案しても聞いてもらえなかったけど、今は意見を出す場があり、自分で動かせる実感がある」(24歳/元販売職)
  • 「忙殺される日々から抜け出して、ようやく自分のキャリアを描ける環境に出会えた」(27歳/元Web系SE)
  • 「下流工程ばかりで顧客の顔も見えず、何のためにやっているのか分からない日々だった。今は顧客と直接やり取りでき、自分の成果を実感できている」(26歳/元業務系SE)
  • 「データ分析未経験で入社したが、幅広い業務に携われ、将来どの分野に進むか考えるきっかけになった」(25歳/元営業企画)
案件事例
①ソーシャルゲームアプリの売上増加に向けたデータ分析支援

アプリのログデータを解析し、アプリ運営の改善、売り上げUPに繋げる 使用ツール:SQL, Google BigQueryなど

②機械学習を用いたモデルの作成

クライアントが保持しているデータからモデルを作成し分類化や数値予測を行う 使用ツール:Python

③ファクトリーブランド立ち上げに向けたマーケティングリサーチ

地域独自のブランドを立ち上げることで、減少した売り上げの回復と安定化 使用データ:業者からのヒアリングデータ、生活者へのインタビューデータ

(※取引実績100社以上)

入社後の流れ

最初からすべての工程を一人でお任せすることはありません。まずはご自身の得意なスキル(SQLでのデータ抽出や、Pythonでのデータ加工など)からスタート。先輩アナリストのプロジェクトにアサインされ、顧客ヒアリングや提案の現場に同行しながら、徐々に上流工程のスキルを身につけていただきます。

Step1 データ分析環境の理解

まずはデータ分析領域の業務を行うにあたって、データの理解から始めます。 ◇ 使用環境・言語・ツール:SQLServer / MySQL / PostgreSQL / Oracle Databaseなど

Step2 コーディング

データ分析を行う上で、必要不可欠な数値を算出します。 ◇ 使用環境・言語・ツール:SQL / Python / SAS / Rなど

Step3 データの可視化・分析

データについて正しく理解し扱えるようになったら、いよいよ分析フェーズに移行します。 ◇ 使用環境・言語・ツール:Google Analytics / Tableau / PowerBI / その他分析ツールなど

Step4 レポーティング・報告提案

データ分析結果を基に、レポーティングと考察を行います。 意思決定に必要なデータを揃え、顧客が必要とするデータをわかりやすくまとめます。 ◇ 使用環境・言語・ツール:ダッシュボード(BIツール内) / PPT / Word

下記、仕事の特徴に魅力を感じられる方
1.【事業会社との違い】多種多様なデータ構造と向き合い、技術者としての設計力を磨く

自社データのみを扱う事業会社とは異なり、金融・エンタメ・通信・製造・製薬・地方自治体など、多種多様な業界のデータ基盤構築に携わることができます。業界ごとに異なるカオスなデータやビジネスモデルと向き合い、最適なDWH(データウェアハウス)やETLのパイプラインを設計するため、どこでも通用する「圧倒的なデータエンジニアリング力」が最速で身につきます。

2.【一気通貫】基盤の構築だけで終わらない、ビジネスの成果(分析)まで主導する

「インフラを整えて終わり」「パイプラインを作って終わり」といった部分最適な分業制ではありません。顧客の課題ヒアリングから、データ基盤の設計・構築、さらにはBIツール(Tableauなど)を用いた可視化や分析、経営層への示唆出しまで、プロジェクトの全工程に一気通貫で携わるチャンスがあります。自分が作った基盤がどうビジネスを動かしたのか、成果をダイレクトに実感できます。

3.【AIツールのフル活用】泥臭い調整ではなく、「事実(データ)」を武器に周囲を動かすPMへ

当社では、AIツールを開発実務にフル活用し、定型作業を徹底的に効率化しています。そうして生み出した時間を、データ品質の担保や上流の設計に投資します。「技術単体で勝負する限界」を感じている方にとって、自分が設計したデータという「客観的な事実」を武器にプロジェクトをリードする、エンジニア発の新しいPM・リーダー像(市場価値の高い人材)を目指せる環境です。

募集要項

概要

求人情報をご覧いただくには会員登録が必要になります

メールアドレスで登録する

雇用形態

正社員

給与・報酬

年収 350万円 ~ 600万円(【内訳】①基本給+②稼働手当+③残業代、①24万円~ ②約2.5万~15万円程度 スキルに応じた参画プロジェクトにより支給 ③実働分支給 平均15時間! ※スキルに応じて異なります ※スキルにより記載の年収より下回る/上回る可能性もあります【年収例】1)SQLでのデータ抽出実務経験2年/月給(①24万円+②2万4千円+③4万円)×12か月=364万円 2)SQLでのデータ抽出経験1年、かつプログラミング言語を使用した開発経験3年と3名のチームリーダー経験/月給(①24万円+②15万円+③6万円)×12か月=540万円 【賞与】業績賞与により入社2年目以降、年1回支給されることがある/契約期間:期間の定め無し/試用期間:入社後6ヶ月間 ※期間中条件の変動なし)

稼働時間

09:00 ~ 18:00(休憩1時間 ※勤務時間帯はプロジェクト先によって異なる場合があります。)

出社頻度

週5日出社

勤務地

神奈川県 藤沢市 藤沢484-1 藤沢アンバービル 4F

出社に関する補足情報

基本的に東京都23区(新宿・渋谷・銀座・丸の内・日本橋など)を中心としたプロジェクトに配属となります。 ※一部、都内近郊・神奈川(横浜・川崎など)のプロジェクト先に常駐いただく場合もございます。/変更の範囲:会社が指定した場所

休日・休暇

・完全週休2日制(土日)
・祝日
・創立記念日(8月15日)
・年末年始休暇
・年次有給休暇
・慶弔休暇
・産前/産後休暇
・育児休暇
・サポート休暇(有給取得前3日間付与)

社内制度
(待遇・福利厚生)

・通勤手当(実費)※月上限3万円
・時間外勤務手当 ※固定残業なし、⽉平均14時間!
・休日勤務手当
・深夜勤務手当
・組織貢献手当※2年目以降
・子ども手当
・各種社会保険完備(雇用、労災、健康、厚生年金)
・退職金制度(確定拠出年金)
・社内懇親会(2ヶ月に1回)※費用は会社負担
・資格取得支援制度
・健康保険組合「TJK」の各種サービス(各種チケット割引など)
・湘南勤労者福祉サービス「しおかぜ湘南」の各種サービス

<その他 労働環境>
・経産省健康優良法人2020~2025(中小規模法人部門)に認定
・労働衛生委員会にて毎月残業時間の管理を実施、各上長へ指導の徹底
・リモートワーク可(リモート及び出勤の案件割合はフルリモート及び一部リモートが約80%、フル出社約20%です。案件により出勤形態が異なります)
・社内懇親会を活用した社員同士の交流あり
・私服勤務OK ※プロジェクトによる
・資格取得支援制度あり
他、技術スキルアップ学習会、読書会の開催

【受動喫煙対策】
本社 屋内全面禁煙 屋外喫煙スペース有り

必須スキル/経験

※以下、いずれか一つを満たすこと
  • IT業界におけるシステム開発・保守の実務経験(目安2年以上、言語不問)
  • SQLを用いたリレーショナルデータベース(RDB)の設計、またはデータ抽出の実務経験
  • Python、Java、PHPなどを用いたバックエンド(サーバーサイド)の開発、またはバッチ処理の実装経験(いずれか一方で可)

※完全なIT未経験、スクール卒業生・独学のみの方は不可とさせていただきます。実務において、単に「研修で触った」レベルではなく、自身でコードを書いて業務を行った経験を重視します。

求める人物像
責任感とPMの素養

技術を自己目的化せず、プロジェクトの成果や顧客の利益を意識して自走できる方 コードレビュー

品質へのこだわり

AIが出したコードを鵜呑みにせず、バグやビジネスロジックの矛盾を見抜けるデバッグ力がある方

新しい領域への挑戦意欲

既存のシステム開発から「データ領域」へと専門性を広げ、アナリスト要素も含めてスキルを拡張したい方

歓迎スキル/経験

  • 3〜5名程度のチームでのサブリーダー、進捗管理、または後輩のコードレビュー経験
  • GitHub CopilotやCursorなどのAIツールを、開発実務で日常的にフル活用している経験
  • データベースのパフォーマンスチューニング(インデックス設計、スロークエリ改善など)の経験
  • TableauやLooker StudioなどのBIツールに触れた経験、または社内向け資料作成の経験
  • 「言われた通りに作る」だけでなく、プロジェクトの利益や目的意識を持って自走した経験
  • 当社のコアマインドである「おもてなし分析(顧客への徹底的な伴走)」への共感

スキル要件

スキル名

経験年数

種別

Python指定なし必須
PHP指定なし必須
Java指定なし必須
SQL指定なし必須
AWS指定なし歓迎
MySQL指定なし歓迎
R指定なし歓迎
Azure指定なし歓迎
PostgreSQL指定なし歓迎
AI指定なし歓迎
Oracle指定なし歓迎
GCP指定なし歓迎
SQLServer指定なし歓迎
GitHub Copilot指定なし歓迎
Tableau指定なし歓迎
Cursor指定なし歓迎

サービス内容の詳細

株式会社分析屋は、データ分析支援を主軸とし、IT全般にサービス領域を拡げております。 プライム市場上場の株式会社SHIFTグループとして、近年は売上150%成長を目指し高い売上高を継続しています。

スキルアップへのサポートも充実

資格支援制度として統計検定など、一部の資格取得に対しては会社が受験費用を支給。さらに、これまでの実績を活用したデータ分析に関する研修も実施しています。

また、業務後の時間で定期的に有志の勉強会を行い、不明点は適宜上長に相談するなど社員自らが自己研鑽に励んでいます。若手層の勢いがあり、経験が浅い社員に対してもチャレンジを促す風土があります。

意欲的に取り組む姿勢さえあれば、開発案件だけでなく人事や組織形成に関する領域の業務にも携わることが可能。技術的にスキルアップをしながら幅広いキャリアを形成していきたい方にはおすすめの環境です。

個人の働き方に合わせたキャリアパス

分析屋のキャリアパスは、各個人の特性を活かし、「社員のやりたい」を尊重するべきだという思想のもとで作られております。 マネジメント/技術/ライフワークバランスなどの、社員が重視する働き方を実現するためのコースとなります。

▼将コース(総合職)

一般的に管理職を目指していきたい方向けのコースです。 将来マネージャーとして組織を作っていきたい人、自ら考えを持ち、発信する。

▼剣コース(技術職)

一般的に技術職でキャリアを積み上げていきたい人向けのコースです。 組織の技術発展を促進する役割を担い、技術でリードする。

▼武士コース

よりライフワークバランスを重視したコースとなります。

中途入社者の前職・入社後のキャリアの例
<2019年入社Tさん>

【前職/IT業界(交通関係PJ3年)にてSE】

  • 集計方法の提案、SQL(SQLServer)からデータの抽出/集計加工
  • ExcelやGISツール等を使ったデータのグラフ化/可視化、報告書作成サポート

【現在PJ/ゲーム業界にて分析エンジニア】

  • SQL(BigQuery)からデータの抽出/集計加工
  • KPI作成及びスプレッドシートとBQの連携
  • 抽出したデータから多変量解析(決定木/クラスタリング/SHAP)
  • 分析設計
  • 報告書作成
<2019年入社Aさん>

【前職/医療関係にて医療技師】 病院での検体検査、及び生理学的検査業務

【現在PJ/マーケティング関連、分析エンジニア) データ集計/分析、BIツールを用いたダッシュボード作成

<2019年入社Iさん>

【前職/自動車業界にて開発職】 車載ECUのソフトウェアテスト、業務効率向上のためのツール開発

【現在PJ/マーケティング関連、分析エンジニア】

  • 毎月の清涼飲料水市場規模や売上動向の推計
  • レポート作成サポート
  • 使用する分析ツールの作成及び改修

選考フロー

  1. カジュアル面談
  2. 書類選考
  3. 1次面接
  4. オファー面談

※カジュアル面談・オファー面談はご希望の場合に実施いたします。 ※必要に応じて面接を複数回実施する場合がございます。

同じ企業の求人

同じポジションの求人

おすすめのイベント

もっと見る
  • 【Claude Code】並行開発、どう回してる?鹿野さんに聞く 私の推しの並行開発環境 大公開

    開催前

    【Claude Code】並行開発、どう回してる?鹿野さんに聞く 私の推しの並行開発環境 大公開

    昨今、AIコーディングエージェントの普及により、個々の作業スピードは格段に向上しました。一方で、AIを使って複数のタスクを同時に進める「並行開発」のやり方に関してはいまだに1つの正解がなく手探りの状態が続いているのではないでしょうか。 仕様を決めてからフロント・バックエンドそれぞれにエージェントを立てて動かす方法や、Gitブランチの並行管理、さらにはプルリクエストの自動レビュー&修正する方法など、考えることは多岐にわたります。「結局シングルタスクに集中するのが最強では?」という問いも含め、並行開発の最適解はまだ見えていません。 そこで本イベントでは、「Multi-Folder Git Clone」などの自作ツールを開発し、AIエージェントを活かした並行開発の環境整備について精力的に発信されているUbieの鹿野氏をお迎えし、~並行~開発を実現するための開発環境の工夫をデモ付きで紐解きます。 デモでは鹿野氏より実際の画面をお見せいただきながら、エディターや複数ブランチの管理方法、コンテキストスイッチのタイミングまで、並行開発を加速させる具体的なツールやフローを深堀していきます。 これからAIを用いた並行開発に取り組もうとしている方から、今以上に効率的に並行開発を回していきたい方まで幅広いエンジニアのご参加をお待ちしています。

  • 松尾研はこうAIを制御するのか AIエージェントの精度を担保・改善する仕組みエージェントハーネスとは

    開催前

    松尾研はこうAIを制御するのか AIエージェントの精度を担保・改善する仕組みエージェントハーネスとは

    昨今、LLMの社会実装が進み、AIエージェントを活用したプロダクトや業務フローが増えてきました。しかし、AIエージェントを「作って動かして終わり」になっていないでしょうか。一度構築したエージェントの精度をいかに担保し、改善し続けられる仕組みを作るかという点に注目が集まっており、最近では「エージェントハーネス」という言葉も耳にするようになりました。 一方で、「そもそもエージェントハーネスとは何か」「コンテキストエンジニアリングとは何が違うのか」といった基本的な部分から整理したいと感じている方も多いのではないでしょうか。 そこで本イベントでは、AI研究の最前線を走る株式会社松尾研究所の長谷氏をお迎えし、エージェントハーネスの起源や注目が集まっている背景から、具体的な活用方法、そして今後の進化の方向性までをわかりやすく解説いただきます。エージェントハーネスを適切に整えることで、AIエージェントの精度は一度きりのチューニングではなく、継続的に改善し続けることができるその考え方と実践を紐解きます。 前半のLTでは、長谷氏よりエージェントハーネスとは何か、LLMの進化とともになぜ重要視されてきたのかという前提知識を整理いただきます。 後半のディスカッションでは、LTの内容をさらに深堀りながら、具体的な使われ方や松尾研究所での活用事例まで現場目線で深掘りしていきます。 エージェントハーネスという言葉が気になり始めた方から、AIエージェントの制御・改善に課題を感じている方まで、幅広いエンジニアのご参加をお待ちしています。

  • AI時代に適したリポジトリって?カウシェ・LayerXに聞く最新リポジトリ構成

    アーカイブ公開中

    AI時代に適したリポジトリって?カウシェ・LayerXに聞く最新リポジトリ構成

    昨今、AIエージェントの活用が一般的になってきたことで、「プロジェクト全体のコードを横断的に理解させるには、コードベースが一つにまとまっている方が適しているのではないか」という議論が増えています。 一方で、モノレポにはCIのパフォーマンスやコンテキストの絞り方など運用上の課題も存在し、組織規模やプロダクトのフェーズ、チーム体制などによって最適解は異なります。「どちらが正解か」を一概に難しいと感じている方も多いのではないでしょうか。 そこで本イベントでは、iOSやKotlinを含む複数言語のコードを一つのリポジトリに集約して運用されているカウシェと、バックエンド・フロントエンドともにモノレポ化を進めてきたLayerXの2社をお迎えし、それぞれのリポジトリ構成の実例をもとに、モノレポの実際を紐解きます。 前半のLTでは、カウシェからはモノレポになった歴史や複数言語を集約したメリット・デメリットを、LayerXからはリポジトリ統合プロジェクトの進め方や意思決定の裏側をお話しいただきます。 後半のディスカッションでは、両社を交え、モノレポにするタイミングや、CI・IDEとい開発体験に関する課題の課題、AIとの親和性を上げるための工夫やスコープの絞り方など、現場目線でさらに深掘りしていきます。 モノレポへの移行を検討している方から、すでにモノレポ運用で課題を感じている方まで、幅広いエンジニアのご参加をお待ちしています。

    開催日:

    2026年6月11日(木)19:00~20:00

  • 仕様駆動開発はやめた方がいいって本当?やって分かった仕様駆動開発の現在地と今後の方向性

    アーカイブ公開中

    仕様駆動開発はやめた方がいいって本当?やって分かった仕様駆動開発の現在地と今後の方向性

    昨今、AIコーディングエージェントの進化により、開発フロー自体を見直す動きが広がっています。その中で注目を集めているのが「仕様駆動開発( Spec Driven Development)」というアプローチです。 しかし現在は「仕様駆動開発」という言葉だけが独り歩きしており、具体的にどのようなフローであるべきなのか、ツールを使えば実現できるものなのかといった、実態を掴みきれないという声も多く聞かれます。 そこで本イベントでは、仕様駆動開発をはじめとしたAI駆動開発を実践されている中村充志氏をお迎えします。 前半のLTでは、、中村氏より仕様駆動開発SDDの基礎概念についてお話しいただき、ツールのデモを通じてその具体的な仕組みを提示いただきます。からハーネスとの組み合わせ、そして実際のデモを交えた実践までを紐解きます。 後半のディスカッションでは、仕様から出力される膨大なコードをどう効率的にレビューし、生産性を次のレベルへ押し上げるかという「実戦的なフロー」について議論していきます。また、その品質を支える「ハーネスエンジニアリング」という考え方も補足的に交えながら、現場で直面する疑問を紐解いていきます。 AI時代の開発フローに関心がある方から、仕様駆動開発の導入を検討されている方まで、幅広いエンジニアのご参加をお待ちしています。

    開催日:

    2026年5月28日(木)19:00~20:00

  • useMemo/useCallbackまだ書いてる?React Compilerで変わった開発体験

    アーカイブ公開中

    useMemo/useCallbackまだ書いてる?React Compilerで変わった開発体験

    React Compilerの登場以降、フロントエンド界隈では「これまで煩雑だったメモ化(useMemoやuseCallback、React.memo)が不要になるのではないか」と大きな話題になりました。 一方で、「本当にそのまま有効化して問題ないのか」「有効化による副作用や注意点はないのか」「従来どおりメモ化を残すべきケースはあるのか」といった不安の声も耳にします。実際に導入してみたチームからは、React Hook FormなどのライブラリやuseRefを使った実装でハマりポイントがあったという話も聞こえてきます。 そこで本イベントでは、React Compilerを有効化して1年以上本番運用されている浅見氏と、導入にあたって生成AI向けのルール整備まで仕組み化されているカケハシの大村氏をお迎えし、React Compilerの特徴や実際の導入プロセス、注意点・ベストプラクティスを紐解きます。 React Compilerが気になり始めた方から、すでに検証・導入を始めている方まで、幅広いエンジニアのご参加をお待ちしています。

    開催日:

    2026年5月20日(水)19:00~20:00

転職に役立つノウハウ

もっと見る