データサイエンティスト(画像認識)の求人・転職情報

●あなたが決めること ご経験・キャリア志向に合わせて、以下を単独または組み合わせでお任せします。あわせてPMO/PM/PLとしてのプロジェクトマネジメントも担っていただきます。 ・ 評価の設計| LLM・AIシステムのコスト・品質を定量評価する指標の設計、効果測定、精度検証、ベースライン比較、LLM-as-a-Judgeの設計 ・要件の定義 |顧客のビジネス課題を、システム要件の前提となる論理的で明確なルールとして定義する。KGI/KPIの設計 ・価値の定義| そもそもこれをAIで作ることでビジネスにどうインパクトを与えるかを見極め、投資判断に踏み込む ・データ基盤・分析基盤の要件定義とリード| データパイプライン・DWH・データマート・CDPの設計、生成AI活用に向けたデータ整備 ・育成・マネジメント| 若手データサイエンティスト/データエンジニアの育成・マネジメント 【役割とプロジェクト推進体制】 ●アサインはこう決まります 入社後にどの案件から入るのかは、多くの方が気にされる点です。仕組みをそのまま書きます。 ・キャリア希望を、上長が定期的に吸い上げます。「次はこの領域に行きたい」という意思を出す場があります。 ・それに対して上長が「そのために何が必要か」を提示します。(必要な資格、身につけるべき技術、経験しておくべき工程) ・準備が整った段階で、営業が戦略的に次の案件を取りに行きます。本人の希望に合う案件を、こちらから顧客に提案する動き方をしています。 年功序列はありません。次の案件は勤続年数ではなく、本人の伸び方で決まります。単価は同一案件の中ではほぼ上がらず、案件が変わるタイミングで上がる構造です。だからローテーションを意図的に設計しています。 ●一人にはしません エンタープライズ企業の現場に入りますが、1人で放り出されることはありません。当社メンバーが複数名参画するチーム体制が基本です。事業部全体で約190名の組織で、修士・博士を含む専門家100名以上が在籍しています。案件で詰まったときに社内で聞ける相手がいること -常駐型で働くうえで、ここは決定的に重要だと考えています。 【事業部としてのバックアップ体制と働く環境】 ●評価と昇給 年功序列はありません。20代・30代前半で部長になったメンバーが複数います。管理職へのステップアップも、専門性を深めるキャリアも選択できます。 ●勤務スタイルについて 在宅勤務を組み合わせたプロジェクトが中心ですが、参画先によっては現場への常駐が基本となるプロジェクトも存在します。形式的な在宅比率に拘泥するのではなく、プロジェクトの価値創出のために最適な場所でパフォーマンスを発揮する姿勢を重視しています。 ●育成環境 資格取得支援:270種以上が対象、前期221名が利用(年600件・3年で5,000万円の支給実績)/AMBL PANEL(約460コンテンツの自己学習システム)/社外研修費 会社負担/修士・博士を含む専門家100名以上。機会は最大限・平等に用意します。掴むかはご本人次第です。

(雇い入れ時) 技術領域における業務 オムロングループや大手外部企業にてFA(ファクトリーオートメーション)、医療機器、環境製品(パワコン等)、自動車関連機器など幅広い業界でAIや画像処理の技術を磨いていただくことができます。 ご経験及びご希望のキャリアの希望を伺い、配属先を決めています。 配属後もオムロングループで管理職経験のあるエンジニアから技術面でのお困りごとやキャリアについて3か月に1回面談等、サポート体制も充実しています。 ※ご経験及びご希望にあわせて担当業務を決定いたします AIの業務も様々で、ほぼ実務未経験の方からでもやる気があれば挑戦できる業務もございます。 【具体的には…】 ・製造装置の次世代プラットフォーム開発 　製造装置のログを収集し、可視化させるプラットフォーム開発 ・ロボット会話機能開発のためのAI開発 　複数のセンサを搭載したロボットに対し、会話機能を新規で追加 ・AIプラットフォーム開発 　IoT技術を搭載した製品のPythonを使ったアルゴリズム開発 ・自動運転のための画像認識ソフト　 　画像認識アルゴリズムの処理速度改善など ※上記のプロジェクトはあくまでも一例です。 (変更の範囲) 業務の変更の範囲:技術領域における業務

データサイエンティストとして、深層学習技術を活用したAIソリューションの開発業務を担当していただきます。 主に、自然言語処理(NLP)、画像生成・認識、音声認識、強化学習、ロボット関連などのプロジェクトに携わり、様々なモデルの構築・学習・最適化を中心に実装業務を行います。 また、シニアデータサイエンティストやプロジェクトメンバーと協力しながら、最新の研究動向をキャッチアップし、モデルの精度向上や実運用に向けた改善にも取り組んでいただきます。 中長期的には、プロジェクトマネジメントやクライアントとの連携にも関与し、AI開発全体をリードできるよう成長していただくポジションです。 ●業務内容詳細 ・適宜クライアント企業とのヒアリングを通じた課題の抽出 ・AIモデルやアルゴリズムの設計/開発/最適化 ・継続的な運用と改善 ・クライアントとのビジネスコミュニケーション ・最新AI技術のキャッチアップと適用 ・インターンメンバーのマネジメント/育成におけるPMのサポート ●配属組織の概要 共同研究チームに所属いただきます。 当該組織には、下記3つのチームがあり、連携しながらプロジェクトを推進しています。 ①AIコンサル(営業担当) ②データサイエンス ※今回お声がけしているポジション ③MLシステム開発 ●役割 ①AIコンサル(営業担当) 日本を代表する大手企業の経営陣からお預かりする抽象的なテーマに対して、AIコンサルタントが技術的な知見・データ分析結果を基にしたクライアントの課題を整理・見直しを行います。 主に、バックグラウンドとしては戦略コンサル出身のメンバーが在籍しています。 技術的な知見という側面で、クライアントの課題整理からデータサイエンティストメンバーも商談同席することも多いです。 ②データサイエンス(デリバリー) ※今回お声がけしているポジション 案件成立後、シニアデータサイエンティストがPMとして手法調査/論文リサーチ〜モデル開発〜PoCまで主導します。 シニアデータサイエンティストは、PMとして、常時2～3案件を担当しております。 シニアデータサイエンティストのもと、データサイエンティストメンバーと松尾研の講義修了優秀生から抜擢されたインターン生と共に5名前後のチームを組みながらプロジェクトを進めていくことが多いです。 半年〜1年、場合によっては数年単位など、さまざまなスパンでクライアントへの価値を実装していきます(スコープを変え更新することも多い)。 ③MLシステム開発 プロジェクトによっては、プロダクト開発まで実装するケースもあり、AIモデルを活用したシステム開発〜テスト、納品まで主導します。

●業務概要 ・データ・AIに関するスキルを持って、生成AIや画像AI、予測AIなどのAI案件に従事していただき、テックリードまたはプロジェクトマネージャーを担当していただきます。 ・お客様に付加価値を提供できるよう、最新技術を常にキャッチアップし、自ら進んで技術力・付加価値を社内外へ発信していただきます。 ・ご自身の技術的な専門性を活かし、他のAIエンジニアの指導や育成を行って頂きます。 ●詳細業務 ・AI案件のリーダー(テックリード、プロジェクトマネージャー) ・お客様の課題や要件のヒアリング ・AIソリューションの設計および実装に向けた見積・提案作業 ・FPTのエキスパートと連携した提案・デリバリー ・FPTのグローバルチームや提携機関・パートナーなどと連携し新たなサービス・ソリューション検討 ・社内外へ向けたケイパビリティのプロモーション・アセット蓄積 ・最新技術のリサーチやソリューション検討 ・AIエンジニアチームのリーダー(チーム管理など)など ●主なクライアント 国内の金融業、製造業、流通業、等々多岐にわたる大手企業がクライアントです。 大手飲料メーカー、大手通信キャリア、大手自動車会社、大手電力会社、大手保険会社、大手信託銀行、大手航空会社、大手家電メーカー等

●業務概要 ・データ・AIに関するスキルを持って、生成AIや画像AI、予測AIなどのAI案件に従事していただき、AIソリューションの開発をしていただきます。 ・AI開発のご経験がない方は、スキルのキャッチアップからしていただきます(Python経験者前提)。 ●詳細業務 ・アルゴリズム開発やAIモデルのチューニング、周辺開発(例:データ加工やパイプラインの開発、RAG、など) ・FPTのエキスパートと連携したデリバリー ・FPTのグローバルチームや提携機関・パートナーなどと連携し新たなサービス・ソリューション検討 ・社内外へ向けたケイパビリティのプロモーション・アセット蓄積 ・最新技術のリサーチやソリューション検討(ハンズオン含む) など ●主なクライアント ・国内の金融業、製造業、流通業、等々多岐にわたる大手企業がクライアントです。 ・大手飲料メーカー、大手通信キャリア、大手自動車会社、大手電力会社、大手保険会社、大手信託銀行、大手航空会社、大手家電メーカー 等

WINTICKETの機械学習エンジニア として、サービス課題に対する、 蓄積されたデータと機械学習技術を用いたソリューションの提案/実行や、WINTICKETに関わる新規事業の機械学習システムの新規開発を、リードしていただくポジションです。 機械学習エンジニアの役割は非常に広範で多くの技術を駆使します。課題の一例として、スポーツ映像(競輪など)に対する新しい視聴体験の提供のための技術検証や実装、悪質なユーザや行動ログの検知によるサービスの信頼性向上などが挙げられます。これらの課題に対し、機械学習や統計学の専門知識を用いてアルゴリズムの開発、実装、検証を行います。また、データ活用の手段を効率化するための基盤作りも進めています。 WINTICKETにおける機械学習エンジニアは開発した技術によって事業的なアウトカムを創出することを重要視します。そのため、(1)データに基づいた分析や事業部メンバーの提案を基にした課題発見(2)課題解決につながるアイディアの提案、PoCの作成(3)アイディアを実現するアルゴリズムの開発(4)実サービスへの適用(5)効果検証(6)運用までを、様々なメンバーと協働しながら繰り返し行います。 本ポジションでは、機械学習・コンピュータサイエンス・数学の分野における専門知識と、それらを課題に合わせて応用・実装する能力が求められます。また、開発全体を通して様々なチームと連携するため、リーダーシップとコミュニケーション能力が必要です。加えて、ユーザの行動履歴などセンシティブなデータを取り扱うことがあります。利用規約・プライバシーポリシー・関連法規の遵守を前提とした開発を進めるため、技術力と同時に高い倫理観も求められます。 ●過去に機械学習エンジニアが担当した業務内容を紹介します。 ・競輪映像からリアルタイムで選手の3次元位置を推定するシステムの設計 / 開発 ・本人確認書類の偽造や使い回しを防止するための不正画像検知システムの開発 ・ユーザの行動ログから不正な取引を検知するシステムの開発 ●チームの文化や体制、働く環境について チームには、機械学習エンジニア1名のほか、データサイエンティスト3名、データエンジニア1名が所属しており、必要に応じて職種をまたいだ動きも取り入れながらチームとしての事業成果の最大化を目指しています。所属する横軸組織には、30名程度のデータ職メンバーが在籍しており、相談や事業間のナレッジ共有が気軽に行える環境です。

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 三菱UFJ銀行をはじめとする事業部門と至近距離で協働し、ビジネス理解及びデータ分析タスクの設定、モデル構築を主体的に推進し、MUFGのビジネス変革・デジタライゼーション(DX)に大きく貢献いただける方を募集しています。 【業務内容】 (雇入れ直後) ・データ分析テーマの選定、データ分析プロジェクトの企画・推進 ・データ分析業務(設計・構築、データ解析、可視化、データ分析結果の評価等)を通じた業務革新・効率化 ・AIや機械学習を用いたモデル実装、運用を通じた銀行業務高度化 ・データの構造化・加工・分析処理等のデータエンジニアリング ・生成系AIの活用推進・分析への活用 (変更の範囲) 会社の定める業務 【業務内容】※補足 ・データ分析・AIモデル開発に加え、企画〜運用まで一貫して関与 ・ビジネス部門と連携し、課題設定から価値創出まで担うプロジェクト推進 ・不正検知、マーケティング、業務効率化など多様なテーマに対応 ・大規模データ(数千万件規模)を活用した分析・開発 ・MLOps等を用いたモデル運用・改善の高度化 【役割・責任】 ・データ分析案件の担当者として、MUFGの事業部門と協働しビジネス課題からデータ分析タスクの抽出、評価基準策定を支援。 ・データの探索、前処理、モデル構築、モデル評価、プロダクションで稼働しているAIモデルの保守運用 ・エンジニアチームに対する技術的なリーダーシップ提供(ツール・インフラ整備・利用指南・コードレビュー・設計等)、およびコーチング・メンタリング。 【配属想定部署】 データサイエンス部(グループ事業部門・デジタルイノベーション本部配下) 【配属想定部署概要】 ・AI/データサイエンス推進に係る企画・推進・管理・取り纏め(※銀行と協働) ・AI/データサイエンスの人材開発、体制整備 ・データ分析業務 【配属想定部署の人員構成】 約50名が在籍。 若手社員から中堅社員まで幅広く在籍。 ・2022年度、2023年度の中途採用者約10名在籍しており、中途採用者も活躍中 ・20代のメンバーが約4割程度 【おもな関係者】 各業務を所管するMUFG事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、連携いただきます。 また、社内やMUFG全体に対する啓蒙活動や情報発信等を担っていただくため、社内マネジメントとの連携やレポーティング機会も多くあります。 学術機関、外部コミュニティ等との連携も積極的に実施いただきます。 【想定担当案件(例)】 銀行各部門の様々な業務に関連するデータ分析を行っていただきますが、以下のようなプロジェクトに携わっていただきます。 ・セールス部署への顧客動向分析、レコメンデーション提供 ・自然言語処理等を活用した銀行業務高度化 ・生成系AI活用案件 ・金融サービスに係わる不正検知 【インタビュー記事】 https://www.it.mufg.jp/recruiting/career/work/projects.html ・データサイエンス部：[データサイエンスで推進するMUFGのビジネス変革](https://www.bizreach.jp/job-feed/public-advertising/rgpw7g8/)

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 三菱UFJ銀行をはじめとする事業部門と至近距離で協働し、ビジネス理解及びデータ分析タスクの設定、モデル構築を主体的に推進し、MUFGのビジネス変革・デジタライゼーション(DX)に大きく貢献いただける方を募集しています。 【業務内容】 (雇入れ直後) ・データ分析テーマの選定、データ分析プロジェクトの企画・推進 ・データ分析業務(設計・構築、データ解析、可視化、データ分析結果の評価等)を通じた業務革新・効率化 ・AIや機械学習を用いたモデル実装、運用を通じた銀行業務高度化 ・データの構造化・加工・分析処理等のデータエンジニアリング ・生成系AIの活用推進・分析への活用 (変更の範囲) 会社の定める業務 【業務内容】※補足 ・データ分析・AIモデル開発に加え、企画〜運用まで一貫して関与 ・ビジネス部門と連携し、課題設定から価値創出まで担うプロジェクト推進 ・不正検知、マーケティング、業務効率化など多様なテーマに対応 ・大規模データ(数千万件規模)を活用した分析・開発 ・MLOps等を用いたモデル運用・改善の高度化 【役割・責任】 ・MUFG事業部門と協働し、ビジネス課題からデータ分析タスクの抽出、評価基準を設定 ・データの前処理、モデル構築、モデル評価 ・業務特性を鑑みてモデルの運用、評価基準を設定および最適なシステムアーキテクチャを検討する ・当該領域の高い知識とスキルを持つプロフェッショナルとして、組織全体のデータサイエンスやデータエンジニアリングに関するスキル・知識の啓蒙・伝搬を担う。 ・開発エンジニアチームに対する技術的なリーダーシップ提供(ツール・インフラ整備・利用指南・コードレビュー・設計等)、およびコーチング・メンタリング。 【配属想定部署】 データサイエンス部(グループ事業部門・デジタルイノベーション本部配下) 【配属想定部署概要】 ・AI/データサイエンス推進に係る企画・推進・管理・取り纏め(※銀行と協働) ・AI/データサイエンスの人材開発、体制整備 ・データ分析業務 【配属想定部署の人員構成】 約50名が在籍。 若手社員から中堅社員まで幅広く在籍。 ・20代-30代のメンバーが大半 【おもな関係者】 各業務を所管するMUFG事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、連携いただきます。 また、社内やMUFG全体に対する啓蒙活動や情報発信等を担っていただくため、社内マネジメントとの連携やレポーティング機会も多くあります。 学術機関、外部コミュニティ等との連携も積極的に実施いただきます。 【想定担当案件(例)】 銀行各部門の様々な業務に関連するデータ分析を行っていただきますが、以下のようなプロジェクトに携わっていただきます。 ・セールス部署への顧客動向分析、レコメンデーション提供 ・自然言語処理等を活用した銀行業務高度化 ・生成系AI活用案件 ・金融サービスに係わる不正検知 【インタビュー記事】 https://www.it.mufg.jp/recruiting/career/work/projects.html ・データサイエンス部：[データサイエンスで推進するMUFGのビジネス変革](https://www.bizreach.jp/job-feed/public-advertising/rgpw7g8/)

ミッション 「テクノロジーの力で産業構造を変革する」 お客様の抱える経営課題/事業課題を、機械学習(LLM含む)・統計・数理最適などデータサイエンスの力を駆使することで根本から解決へ導きます。 そのために、本ポジションでは、プロジェクトマネージャなどのビジネスサイドやエンジニアと密に連携しながら、要件定義・技術選定・モデル開発・運用まで、一連の流れを率いていただきます。 また、組織全体のパフォーマンスを最大化するため、メンバー育成やカルチャー醸成など多方面でリーダーシップを発揮し、ABEJAが描く未来を共に創っていただきます。 業務内容 プロジェクトマネージャやエンジニアと連携しながら、様々なデータサイエンス技術を駆使して、お客様の経営課題/事業課題を解決に導いていただくポジションです。 グループ全体のアウトプットが顧客満足に繋がるよう、シニアメンバーと共にその品質向上に務め、価値提供に向けて必要なアクションを取っていただきます。 ●データ分析、モデル作成データ要件の整理、技術スタック選定 ・データの前処理、EDA、可視化 ・最適な手法の調査・選定 ・モデルの作成、精度・性能評価 ・ディープラーニングを含む機械学習(画像・自然言語・構造化データ) ・大規模言語モデル(LLM)の活用(学習、推論含む) ・統計解析・因果推論などの統計モデリング ・数理最適化などの数理モデリング ●エンジニアと連携したモデルの商用実装 ・定期的なモデルのパフォーマンス評価、パフォーマンスの維持・向上(ML ops / LLM ops) ●提案活動、提案内容レビュー ・受注前のプロジェクトにおける顧客との折衝、プロジェクトの要件整理 ・整理した要件に基づく、提案内容のレビュー、実現可否判断 ・提案を魅力的にするための最新技術知見を踏まえた示唆だし ●技術の横展開・技術ブランディング ・実装ロジックの汎用化およびプロダクト化 ・技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・Meetup、テックブログ等)

【お任せする業務内容】 AI関連に関する以下の業務 ・プラントデータを活用した解析検討 ・画像データを活用した各種診断 ・大規模言語モデルを活用したユースケース及び活用促 進検討 ・上記プロジェクトの管理 職種の変更範囲:当社業務全般

DX Solution事業部のAIエンジニアとして、産業特化型のアルゴリズム開発・実装を担当していただきます。 単にモデルを作成するだけでなく、WebシステムやAPIへの組み込みを含めた「社会実装」までを一貫して担えるエンジニアを目指していただきます。 【具体的なタスク例】 ●データ前処理・データセット作成 メンターの指示に基づき、学習に必要なデータ整形(画像のりサイズ、ノイズ除去、テキストの正規化など)を行う。既存の前処理スクリプトを活用・改修し、顧客ごとのデータ特性に合わせた学習用データセットを構築する。 ●アルゴリズムの適用・実装 社内の既存モジュールや、メンターが選定したオープンソースの実装を参考に、今回の課題に適したモデルを構築・実行する。コードをゼロから書くのではなく、既存のベースコードを読み解き、必要なパラメータ変更や部分的な修正を行って動作させる。 ●モデルの学習・評価 指示された実験設定(ハイパーパラメータ等)で学習を回し、評価指標を算出する。学習曲線を確認し、過学習や学習不足が起きていないか等の基礎的なチェックを行う。 ●結果分析・レポーティング 「なぜこの精度になったのか」「どのデータで失敗しているか」を分析し、結果をメンターに報告する。数値結果だけでなく、失敗事例を目視で確認し、次回の実験に向けたデータ改善のヒントを探す。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

DX Solution事業部のAIエンジニアとして、顧客課題の解決に向けたアルゴリズム選定から、実装、評価、デプロイまでの一連のパイプライン構築をリードしていただきます。 ビジネス要求から逆算して「どの技術を使うべきか」を選定し、自ら手を動かして実装・検証を行うポジションです。 【具体的なタスク例】 ●課題の数理的定式化と論文サーベイ (Research & Design) 顧客の「なんとなくの悩み」を、機械学習で解けるタスク(分類、回帰、生成、最適化等)に落とし込みます。 関連する最新論文(NeurIPS, CVPR, KDD等)を調査し、ビジネス制約(推論速度、コスト、データ量)に合わせた最適な手法を選定します。 ●SOTAモデルの実装と検証 (Implementation) 選定した論文の手法(Loss関数、Optimizer、独自レイヤー等)を、PyTorch等を用いてスクラッチ、あるいは既存実装をベースに再現・実装します。 実際の顧客データを用いて、アルゴリズムの精度検証サイクルを自律的に回します。 ●プロダクションレベルのコード品質担保 (Engineering) 再現性担保のためのモデル学習・推論のパイプラインを構築します。 Webアプリケーションと統合し、実装したアルゴリズムをプロダクション環境へ統合し、アルゴリズムを実際のユーザーに使っていただきます。 推論APIのI/F設計や、Dockerコンテナ化、CI/CDパイプラインへの統合を主導します。 ●ステークホルダーへの技術説明 (Communication) アルゴリズムを適用した結果とその考察、ビジネス上のインパクトを、ビジネス職やクライアントにも伝わる言葉で翻訳し、説明します。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

●課題の数理的定式化と技術戦略の策定 (Research & Design) 顧客の抽象度が高いビジネス課題に対し、背景にある物理現象や業務プロセスを深く理解した上で、最適な数理モデル(機械学習、数理最適化、シミュレーション等)への定式化を行います。 類似事例が存在しない難題に対して、NeurIPS/CVPR/ICML等の最先端論文(SOTA)から技術的なインサイトを得つつ、ビジネス制約(コスト、計算リソース、リアルタイム性)を考慮した実現可能な技術ロードマップを策定・提案します。 ●高難度アルゴリズムの実装と突破 (Implementation) 既存ライブラリでは対応できない特殊な要求に対し、論文の数式を深く理解し、PyTorch等を用いてアルゴリズムをスクラッチで実装・独自改良します。 ノイズが多い、データが少ないといった悪条件下でも機能するロバストなモデルを構築するために、ドメイン知識を組み込んだ特徴量設計や、学習プロセスの高度なチューニングをリードします。 ●アーキテクチャ設計と技術品質の統制 (Engineering) 個別のプロジェクトにとどまらず、会社全体のMLシステムアーキテクチャやデータパイプラインの設計責任を持ち、長期的な保守性と拡張性を担保します。 全社的な技術選定の指針策定や、ベストプラクティスの標準化を行い、組織全体のエンジニアリング品質の底上げを主導します。 ●事業価値への接続と期待値コントロール (Communication) 技術的なアプローチが、顧客のPL(売上向上・コスト削減)にどう貢献するかを言語化し、経営層やクライアント責任者に対して論理的に提案・合意形成を行います。 技術的な不確実性が高いフェーズにおいて、何ができて何ができないか(技術的限界)を明確に伝え、顧客の期待値を適切にコントロールしながらプロジェクトを成功へ導きます。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini