Machine Learning Engineer

ML Engineerは、機械学習、データサイエンスにおけるモデルの開発および、それらを継続的にサービスに対して提供できる基盤の構築、保守、運用を行います。 キャディの持つデータを活用し、プロダクトに価値を提供できる高い精度でのモデリング技術、およびチームでの安定したシステム開発を期待します。 以下に業務例を示します。 実際の業務はこれに限定されるものではありません。 入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。 【業務例】図面に対する画像認識システムの構築 図面画像を解析し、図面上に記載された情報を抽出する技術開発を行います。 ●画像からの特徴抽出、それらを用いた類似画像検索システムの構築、保守、運用 ●画像認識モデルの構築、アノテーションの仕組み作り ●大規模言語モデル(LLM)や大規模視覚モデル(LVM)の活用検討 ●作成した画像認識モデルのデモやレポートの作成および社内外への技術説明 ●高いモデル精度を保証するための実験、分析、可視化 ●図面上の情報抽出を行うバッチ処理、APIの開発とデプロイ 【業務例】CADデータに対する解析システムの構築 CADデータを解析し、CAD内の情報や3D形状情報から必要な情報を抽出する技術開発を行います。 ●CAD解析モデル・アルゴリズムの構築、アノテーションの仕組み作り ●作成したCAD解析モデルのデモやレポートの作成および社内外への技術説明 ●高いモデル精度を保証するための実験、分析、可視化 ●CADデータから情報抽出を行うバッチ処理、APIの開発とデプロイ 【業務例】機械学習プロジェクトマネジメント 図面解析モデルをはじめとした機械学習モデル開発のプロジェクトマネジメントを行います。 ●図面情報に関する課題の社内外からのヒアリングおよび要件を満たせるタスク定義 ●プロダクトマネージャーと議論し、機械学習モデルのKPI詳細化・スケジュール合意 ●必要に応じてアノテーションを定義し、アノテーションチームと適宜連携しデータセット作成 ●図面解析・CAD解析に記載の業務例を自身 or チームの機械学習エンジニアとともに推進

●産業インパクトの創出: 製造業の巨大な課題に対し、AIを武器にダイレクトに解決策を提供する醍醐味があります。 ユーザー企業の抱える切実な課題に挑むため、密に連携しながら課題に対し仮説を立て、検証を行いながら課題解決を試み、機能を磨き込む経験が得られます​。 ●フルスタックなスキル成長: 本ポジションはアイデア発案からPoC開発、プロダクト実装・運用まで一気通貫で携わるため、プロダクト開発の全工程を経験できます。 機械学習・最適化アルゴリズムの知識はもちろん、UXデザインやフロントエンド開発、バックエンド開発MLOpsやLLMOpsに至るまで幅広いスキルを磨けます。 ●新規プロダクト立ち上げへの参画: 製造業AIデータプラットフォームのアプリケーション開発は始まったばかりです。 少数精鋭チームの創設期メンバーとして参加することで、組織づくりや技術戦略の策定にも貢献でき、将来はテックリードやマネージャーといったキャリアパスも描けます。

●5年以上の機械学習モデル開発経験 ●機械学習モデルをプロダクトにリリース・運用した経験 ●機械学習、統計、線形代数、コンピュータサイエンスに関連したアルゴリズムの基礎知識 ・機械学習を活用したビジネス上の課題を解決する業務経験 ・機械学習、統計のモデルの精度改善の経験 ●Python、Rust等を用いたWebサービスに関わるAPIの開発、運用経験 ●Google Cloud、AWSなどクラウドサービスを利用した業務経験 ●Docker等のコンテナ技術の基礎的知識 ●Git、CI/CDを用いたチーム開発、運用経験 ●日本語での流暢なビジネスコミュニケーション能力 ・テキストコミュニケーションやミーティングを含め、日常業務を日本語で完結できること ・例:日本語能力試験N1程度、日本語環境での3年程度の就業経験をお持ちである等

●画像認識やOCR、3D解析に関連する業務経験 ●MLプロジェクトマネジメントやMLチームリードのご経験 ●GPUを用いたデータ処理の経験(CUDA、OpenCL、cudf、CuPyなど) ●Vertex AI Pipeline、kubeflow、Apache Beam、Sparkなどを用いて機械学習パイプラインを開発した経験 ●機械学習、データサイエンスのモデルを継続的に改善・提供した経験 ●Data-centricに機械学習モデルを改善するために、データ品質を高める施策を実施した経験 ●Kaggleなどのデータ分析コンテストにおける複数回の入賞経験 ●機械学習、データサイエンス分野における主要学術誌での論文執筆経験 ●数値最適化手法のビジネス上の課題に対する活用経験 ●フロントエンド、バックエンドに関わるWebサービス開発経験 ・分散処理に関する開発・運用経験

●キャディのミッション「モノづくり産業のポテンシャルを解放する」に共感する方 ●未経験の技術や物事に対して貪欲に学び挑戦する姿勢がある方 ・ML/MLOpsに必要な関連技術のキャッチアップに意欲的な方 ●本質的な課題に向き合い、当事者意識をもって解決に向けた行動ができる方 ●変化が早く不確実性の高い状況において、前向きな姿勢と建設な議論を通じて業務を遂行できる方 相手のコンテキストや解像度に配慮し、他者をリスペクトする姿勢でコミュニケーションや議論ができる方

正社員

試用期間3ヵ月(この間の給与・待遇等に変わりはありません)

800～1,300万円

昇給年2回 年収を12で割った金額を月額固定給として支給いたします。 ストックオプション制度あり

東京都台東区浅草橋4-2-2D'sVARIE浅草橋ビル　総合受付:6階 JR浅草橋駅西口から徒歩2分・馬喰町駅から徒歩8分 働く場所について リモートワークをベースとしています。 メンバー同士の交流を目的として、週1回程度の出社推奨日や四半期に1～2回程度のオフサイトミーティングを設けています。 詳細はチームにより多少異なりますので、面談や面接にてご質問ください。 中部・関西・九州など、首都圏以外在住のメンバーも複数名活躍しています。 出社を希望される場合、いつでもオフィスを使っていただくことも可能です。

フレックスタイム制(コアタイム11:00～16:00)

※働き方にするご質問がございましたら、採用プロセスの中でお気軽にご相談ください。

完全週休2日制(土日祝) 年次有給休暇(入社6カ月経過後)・入社時特別有給(3日間) 夏季休暇(3日間、7～12月で自由に取得可能) 年末年始休暇(6日間) 看護・介護休暇(年間4日間まで)※ペットも対象 リフレッシュ休暇(勤続5年ごとに連続5日) 慶弔休暇

●交通費実費支給 通勤手当実費支給 ●子ども手当 18歳以下の扶養家族1人につき1.5万円/月 ●社員同士の交流支援 部活動支援費(1活動1500円/1名) Teaming Offsite費用補助(5,000円/1名、四半期1回まで) チーム内交流の食事代補助(2,000円/1名、月1回まで) 異なるチーム同士の交流の食事代補助(3,000円/1名、月1回まで) ●成長サポート サーバー代補助(1万円/月まで、エンジニアが対象) 書籍購入支援 外部研修受講費支給 ●ライフイベント・ファミリー支援 育児休業・介護休業(試用期間終了後から取得可能) 結婚お祝い金(5万円)、出産お祝い金 (10万円) 引っ越し補助金 ●その他 社会保険完備(雇用・労災・健康・厚生年金) PC支給 健康診断・婦人科検診費用全額補助、人間ドック費用補助 全社表彰や部署ごとのアワード

社会保険完備(雇用・労災・健康・厚生年金)

基本のフローは下記となります。 ●カジュアル面談(希望された場合) ●書類選考 ●技術課題(オンラインのコーディングテスト) ・アルゴリズムの知識や回答のスピードよりも、コードを通して「一緒に開発をすすめていくイメージが持てそうか」を重視しています。 ●人事面談 ・選考要素はなく、条件面等のすり合わせや選考を受けるにあたっての疑問解消の場となります ●技術面接(エンジニア) ●最終面接(CTO小橋) ●オファー面談 ※状況により、追加の面接・面談をご相談する場合もございます。 ※ご希望に応じて、選考途中でも社員とのカジュアル面談をセットいたします。 ご相談ください。 ※応募～内定は1カ月程度が平均的ですが、お急ぎの場合はご相談ください。 極力ご転職活動のスケジュールに間に合うよう調整いたします。

組織について ●開発組織の全体像は[こちらのスライド](https://speakerdeck.com/caddi_eng/enziniaxiang-kehui-she-shao-jie-zi-liao)をご参照ください。 ・エンジニア・デザイナー・プロダクトマネージャーがそれぞれ各種機能開発(図面活用・検索・見積等)、データ基盤開発、機械学習/MLOps、R&D、Enabling(QA・SRE)、Securityなど、1チーム4〜6名程度×10数チームに分かれて活動しています。 ・「各チームの裁量とスピード感の担保」と「チーム横断での標準化による全体最適」の両立を目指し、チームトポロジーの考え方を取り入れた組織設計を行っています。 ・開発メンバーのうち2割は海外(アジア、ヨーロッパ、北米など)出身メンバーです。一部チームでは英語をメインとしたコミュニケーションが行われていたり、重要な会議は日本語/英語両方で開催するなど、多国籍なメンバーが活躍できる組織づくりに挑戦しています。 ●CADDi におけるML/MLOpsの役割については、[こちら](https://levtech.jp/media/)をご参照ください