MLopsエンジニア(Kaggle)の求人・転職情報

【具体的には】 ※ご経験/スキルに合わせ詳細業務を決定します 世界初レベルの自動運転・運転支援システム実現に向けて重要となる、コンピュータビジョン・機械学習モデルの設計・学習・評価・実装までを一貫して担っていただきます。エッジデバイス向けのモデル開発のみならず、ワールドモデル等の基盤モデル領域も含めた要素研究や学習手法の開発など、研究開発フェーズから「実車搭載・量産・運用」を見据えたモデル開発や学習手法の構築、評価がミッションです。 ・End-to-End (E2E) の自動運転/運転支援向けモデルの設計・実装 ・VLA/ワールドモデル等の自動運転・運転支援領域への応用研究・実装 ・機械学習モデルの学習に関するアルゴリズム開発 ・E2Eモデルのアプリケーション ・推論モデルを車両ECUへ適用するための最適化軽量化・高速化(Pruning, Quantization等) ※自動運転・運転支援の更なる革新のための各AI応用機能の研究開発業務、および、大学や国内外企業との共同研究開発の推進などをお任せ致します。尚、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも発生する場合があります。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 Python, C++, PyTorch, TensorFlow, Docker, Kubernetes, AWS/GCP, Git/GitHub Enterprise 等

車載向けエッジモデルおよび机上評価用の大規模モデル開発を支える MLOps 基盤の構築・運用 をお任せいたします。 <具体的には> 膨大な量の運転データを効率的に活用するための計算基盤とモデル学習・評価パイプラインの構築、データの質と量でモデル改善に貢献するデータセットのキュレーション、モデル分析を支援するBIツール環境の整備など、ML エンジニア/MLリサーチャーの開発を加速する仕組みづくりを行っていただきます。 【業務遂行いただくうえで必要になる技術例】 ・クラウド/オンプレミス上における学習・評価パイプライン(MLOps)の設計・構築および保守・運用 ・大規模データ学習の高速化を目的とした計算基盤・分散処理・アルゴリズム最適化の検討と実行 ・データセットのキュレーション(バランス設計、データリーク防止、品質管理)およびデータセット生成パイプラインの構築 ・データやモデル評価指標を統合的に可視化する BI ツール環境の設計・構築 【使用するツール】 ※状況により柔軟に変わります ・開発言語/データ操作言語:Python、SQL ・クラウド:GCP、AWS ・OS:Linux、Windows ・深層学習フレームワーク:TensorFlow(Keras)、PyTorch ・実験管理/設定/可視化:MLflow、Hydra、TensorBoard ・MLプラットフォーム/パイプライン:Vertex AI、SageMaker ・CI/CD:GCP Cloud Build、AWS CodeBuild、AWS CodePipeline ・データETL/分散処理:Dataflow、EMR(Spark/Hadoop) ・データ分析:BigQuery、Amazon Redshift ・BIツール:Looker Studio、Amazon QuickSight ・オーケストレーション:Apache Airflow、Amazon MWAA ・コンテナ:Docker ・その他:GitLab、Confluence、Jira、Teams 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

最先端の生成AI(GPT-4oなどのLLM)を使った開発に挑戦できます。 具体的には、AIと外部システムをつなぐAPI連携や、高性能な検索システム(RAG)、AIエージェントなどのアプリケーション開発に取り組みます。 未経験の分野でも、新しいサービスを生み出すプロジェクトに参加し、エンジニアとして技術・キャリアの幅を大きく広げられる環境です。

このポジションのミッション ・LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる ・再現性ある実装パターンをチームの資産にする 業務イメージ ・RAG/LLMを本番運用前提で設計・実装(セキュリティ、監視、性能、障害時の設計) ・ユースケースの要件整理と設計(“何を自動化し、どこを人が見るか”の線引き) ・評価基盤の整備(自動評価、回帰テスト、プロンプト/検索の改善サイクル) ・クラウド上でのアーキ設計・実装(API、データ、権限、コスト最適化) ・チームの型づくり(実装標準、ナレッジ、再利用可能な部品・テンプレ整備) 案件事例はこちら https://saiyo.skywill.jp/jobs/ai/ ※従事すべき業務の変更の範囲 ￫【変更の範囲】会社の定める業務 仕事の難しさ ・本番運用前提で、セキュリティ・監視・性能・コストのトレードオフ判断が発生します。 ・評価(回帰)を作らないと品質が崩れるため、仕組みとして改善サイクルを回す必要があります。 ・関係者が多く、期待値調整と合意形成がプロジェクトのスピードに直結します。

機械学習エンジニアは、入札最適化ロジックに関わるエンジニアリング業務を担当します。私たちは、フルサイクルなデータサイエンスチームです。ビジネス課題に対し、データ分析を通した仮説の構築から始まり、プロダクト環境でのA/Bテストまでを行います。 ●具体的に次のようなタスクを担います。 ・入札ログ等を用いた探索的分析 ・入札ログの再設計や外部データの活用 ・CTR/CVR予測モデルなど機械学習モデルの構築 ・数理最適化や制御工学などを用いた入札価格最適化ロジックの構築 ・オンライン実験を含めたプロダクト環境での仮説検証 ・大規模データを活用するための分析基盤および、MLパイプラインの構築・運用 ・学会参加や論文調査による情報収集 ●業務上触れる分野や技術スタック 【分野】 ・機械学習 ・統計学 ・数理最適化 ・制御工学 ・因果推論、計量経済学 【スタック】 ・Python, Kotlin(一部のみ) ・AWS ・dbt, Snowflake ・Prefect ・Terraform ・GitHub ・Slack

freeeにおけるAIラボのミッションは、機械学習や統計処理を用いてユーザーに本質的価値（マジ価値）を届けきる事です。「ルーチンワークを自動化して経営状況をリアルタイムにモニタリングする」、「データドリブンな意思決定と経営のアクションをサポートする」など、freeeが提供するサービスにとって必要不可欠なコア技術を一から考えて実現し、継続的な進化を支えています。 本ポジションでは、従来の機械学習技術に加え、LLM, AI Agentを活用したプロダクトへの新しい価値提供や、AI時代のデータストアをリードするエンジニアとして、LLM, AIAgent領域の開発および評価を牽引していただきます。 ●業務内容詳細 freeeの全サービスにまたがる機械学習技術を活用したプロダクト開発、および新規技術分野の研究・調査をお任せします。 ・LLM, AI Agent関連の評価・開発（メインミッション） ・LLMやAI Agentを活用した新規プロダクトの企画・開発、およびモデルやエージェントの精度評価・検証・改善。 ・全社向けに、LLMを活用した業務効率化基盤の構築と運用、プロダクトへのLLM組み込み基盤の構築。 ・機械学習モデルの評価・開発 ・画像認識（OCR）、異常検知などのアルゴリズム開発。 ・MLOps / データ処理パイプライン ・プロダクトの継続運用、効率的な開発を支援するデータ処理パイプライン・学習・評価基盤の構築。 ・継続的改善の為のモニタリングパイプラインの構築と運用。 ●開発環境 AIラボでは、サービスの企画段階から実際の運用に至るまで、ワンチームで行っているという特徴があります。刻々と変化する業界トレンドに合わせて環境も柔軟にアップデートしています。 開発言語: Python（マイクロサービス・開発環境）、Ruby on Rails, Go（アプリケーション） 開発リソース: EKS上のJupyter notebook server on Kubeflow, コンテナ内部で開発, Visual Studio Code Remote MLライブラリ: TensorFlow, PyTorch, scikit-learn, その他状況に応じて選定 フレームワーク: vLLM, strands agent sdk 運用環境: EKS with GitOps CI/CD: Github Actions, Argo CD その他: Datadog, Slack, GitHub, MLFlow, Argo workflows, dbt, langfuse, Looker, Claude Code, terraform etc 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

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)

●ミッション 「テクノロジーの力で産業構造を変革する」 生成AIが業務の中核へ入り込む時代において、ミッションクリティカル領域でも安心して使えるLLMを研究開発し、社会実装可能な形で届けることで、お客様の経営課題/事業課題を根本から解決へ導きます。 そのために本ポジションでは、大規模言語モデル(視覚言語モデルを含む)の研究開発を推進し、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、要件に沿ったモデル方針の策定から、品質を担保するベンチマーク設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。 また、組織として研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。 ●業務内容 高い性能と利便性を両立する国産大規模言語モデルの開発、改善、研究を中核として推進いただくポジションです。単にモデルを作って終わりではなく、得られた成果をプロダクトやソリューションへ落とし込み、業務価値として継続的に届け切るところまで一気通貫で担っていただきます。 ・大規模言語モデル(LLM)の開発・改善・研究 　-モデルアーキテクチャ、学習手法、推論最適化に関する調査・設計・実装 　-継続事前学習、指示チューニング、アライメント、強化学習等による性能向上 　-長文対応、ツール利用、エージェント化を見据えた能力拡張の検討 　-日本語および業務特化領域での品質・安全性・信頼性の向上に向けた改善サイクルの確立 ・評価・ベンチマーク設計 　-日本語/業務ドメインに即したベンチマークの設計・運用 　-オフライン評価とオンライン評価の設計、継続的な性能モニタリングと劣化検知 　-ハルシネーション、情報漏洩、プライバシー等のリスクを踏まえた検証と対策 ・開発基盤・データ基盤の整備 　-学習/評価/推論のパイプライン設計・運用、再現性の高い実験環境の構築 　-データ収集、品質管理、フィルタリング、アノテーション方針の策定と運用 　-コストやスループットを意識した推論環境の最適化、LLM Opsの整備 ・プロダクト/ソリューションへの接続 　-PM/PdMと連携した要求整理、ロードマップへの反映、要件に沿ったモデル方針の策定 　-エンジニアと連携した商用実装(API化、周辺機能、運用設計)、クライアント環境での導入支援(オンプレミス含む) 　-業務プロセスへの組み込み、検証設計、運用定着までの伴走と改善 　-再利用可能なコンポーネント化やプロダクト化による横展開 ・チームリーディング、技術横展開・技術発信 　-技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上 　-メンバー育成やカルチャー醸成への貢献 　-技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・テックブログ等) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

このポジションのミッション ・LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる ・再現性ある実装パターンをチームの資産にする 業務イメージ ・LLM/RAGを活用した業務アプリの開発(要件整理→プロトタイプ→本番実装まで) ・データ整備・検索設計(ドキュメント分割、メタデータ設計、検索精度の改善) ・評価・品質担保の設計(評価指標、テストケース、ガードレール/プロンプト改善) ・既存システムとの連携実装(API連携、権限、ログ/監視、運用手順の整備) ・学びを資産化(実装パターンのドキュメント化、社内共有、再利用できる部品化) 案件事例はこちら https://saiyo.skywill.jp/jobs/ai/ ※従事すべき業務の変更の範囲 ￫【変更の範囲】会社の定める業務 得られるキャリア・ベネフィット ・LLM/RAGを“触る”で終わらせず、要件→実装→運用までを経験できる ・プロンプトだけに寄らない設計力が身につく(評価指標、データ整備、ガードレール設計) ・PoCの先にある“現場で使われ続けるAI”をつくる実装力が鍛えられる ・キャリアの分岐が広い(生成AIアプリ/AI×バックエンド/AI-PM・テックリード など) ・キャリアを逆算したアサイン:伸ばしたい軸(上流/技術深掘り/リード)から役割を設計します ・複数の視点で成長を支える体制:定期面談やレビューで、次の一手を一緒に決めます 仕事の難しさ ・LLMは挙動が揺れるため、“動いた”で終わらず評価指標・ガードレール・運用まで作り込む必要があります。 ・要件が曖昧なまま始まることも多く、仮説→検証→改善のサイクルを自走できることが重要です。 ・セキュリティ/権限/ログ/コストなど、プロンプト以外の論点が成果を左右します。

●具体的にお任せしたい業務領域は下記になります。 ・人材採用PF開発に関わる業務全般 ・ユーザの利用状況の分析と改善案の提案 ・人材採用PFの新規・既存案件のアーキテクチャ設計および実装 ・人材採用PFの安定稼働に必要な保守運用業務 ●使用技術 ・Ruby on Rails / GraphQL / Protocol Buffers ・React / TypeScript / Nexts.js ・Flutter ・MySQL / OpenSearch / Redis / BigQuery ・AWS / Terraform / Azure OpenAI ※業務の変更の範囲:会社の定める業務

●担っていただきたい役割 AX(AIトランスフォーメーション)を「構想」ではなく「現場で機能する仕組み」として実装するために、フォワードデプロイドエンジニア(FDE)として尽力していただきます。 FDE は、顧客企業の業務現場に深く入り込み、課題発見から設計・実装・運用改善までを高い裁量をもってリードするポジションです。 要件が完全に固まっていない状態から、顧客と対話しながら「何を作るべきか」「どこまで作るべきか」を決め、AI/LLM を活用したソリューションを実際の業務に定着させることがミッションとなります。 具体的には以下のような業務に携わっていただきます。 ・顧客企業の業務現場に入り込み、業務フロー・意思決定プロセス・制約条件を踏まえた課題特定 ・業務コンサルタントやテクノロジーコンサルタントと連携し、AI/LLM 活用の方針・優先度を現場視点で整理 ・顧客業務に最適化された AI ソリューションの構想・PoC 開発を主導 ・プロトタイプを迅速に現場へ持ち込み、フィードバックを反映しながら本番実装まで推進 ・導入後も継続的に顧客と向き合い、業務変化や利用状況に応じた改善・高度化をリード

事業概要(DXパートナーサービス) 各業界をリードする顧客企業にと共に、最先端のAI技術を用いたDXプロジェクトの推進やAIを活用した次世代の事業開発を行う事業です。 ACESは、「日本で最も顧客の持続的成果を追求するAIソリューション会社」を掲げ、AIの着実な社会実装と顧客現場への価値創出を実現しています。 特に、日本のAI導入PJが成功率3%と低い中で「データの構造化技術と実業務への組み込み力」を強みに、PoCからの開発継続率を87%で維持している点が特徴です。 最先端のAI技術を顧客のビジネスプロセスに組み込み、顧客や社会に「持続的な価値を提供し続けるAIシステム」を開発したい方に最適な環境です。 仕事概要 さらなる事業成長に向けた組織改革の一環として、DXパートナー事業のAlエンジニアを統括するマネージャーを募集します。 技術責任者として複数のAI導入プロジェクトを横断し、アルゴリズムの品質担保に責任をお持ちいただきます。 顧客課題やビジネス上の制約を踏まえた最適なAIソリューションを設計・実装する、クライアントへの価値提供における根幹を担う役割です。 また中長期的な成長を視野に、技術を横展開していくための技術資産の蓄積方針設計、 蓄積した資産の活用を加速させるためのオペレーション構築など技術戦略面にも関与いただく想定です。 具体的な業務内容 ●AI導入プロジェクトの技術品質担保 クライアントの経営/事業課題に応じたアルゴリズムの設計・技術方針策定 モデル設計・検証のプランニングの妥当性判断および品質担保 機械学習モデルの社会実装における制約・運用面を踏まえた技術判断 ●AIアルゴリズムの技術戦略策定 技術の横展開を可能にする戦略的な技術資産の蓄積方針設計 再利用性の高い仕組み/オペレーションの構築 ●(希望に応じて)機械学習エンジニアチームに対するピープルマネジメント