研究開発（R&D）エンジニア(PyTorch)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 運転支援・自動運転システムの次世代開発に向けた ・車外通信システムの開発 ・ローカルダイナミックマップ活用した自車位置推定技術の開発　 ・車両プローブ情報を活用した大量データ解析と運転支援活用 ・ADAS map/HD mapを活用した運転支援・自動運転用 車載地図情報ユニットの機能設計 ・車両コントロールユニットへの各種情報提供機能開発 ・車載センサーシステムを活用した自動地図生成の研究・開発 ・高精度測位システム、ロケータ開発 ・地図更新等のバックエンドシステム(クラウドサーバ)の開発(アーキテクチャ設計・要件定義) ・運用及びバックエンドシステムとの通信機能の開発 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】　 ●言語:R, Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch) ●AWS: Amazon SageMaker, Amazon Athena, Amazon Redshift ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等

【具体的には】※ご経験/スキルに合わせて詳細業務を決定します。 アバターロボット(ロボットアーム・多指ハンド等)の知能化・制御領域における以下の業務 ・Physical AI関連アルゴリズム構築: 多指ハンド搭載ロボットを用いて、視覚・言語・触覚などマルチモーダルな情報に基づき、多様な物体操作を可能とする学習モデル構築、データセット作成。 ・動作制御モデルの開発: 深層強化学習や模倣学習を制御理論と組み合わせ、自動化が難しい作業を多指ハンドで実現する技術開発。 ・Sim2Realパイプラインの構築・改善: NVIDIA Isaac Sim等の仮想環境での学習成果を、実機へ精密に移植するプロセスの最適化。 ・実機への実装・テスト・評価: メカ・電装/センサ担当とも連携し、自社開発ハードの特性を100%引き出すためのシステム統合。 ※学会への参加や、国内外の拠点・海外研究所との連携機会も豊富にあります。 ※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。 【製品例】 ・Honda Roboticsについては【[こちら](https://global.honda/jp/tech/robotics/?from=robotics_top)】 ・Hondaアバターロボットについては【[こちら](https://global.honda/jp/tech/Avatar_robot/)】 【使用ツール】 ・設計/SIM: ROS/ROS2, NVIDIA Isaac Sim, Linux等 ・言語: Python, C++, C等

【具体的には】 ※ご経験/スキル/志向に合わせ詳細業務を決定します。 AIを実行するロジック半導体の省電力化と演算性能向上を目指し、以下研究開発をお任せします。 ーSoC向けAIモデル研究開発ー ・AI SoCに用いるAIモデルの調査および選定 ・アルゴリズム設計・実装・学習・最適化 ・AI SoC上での推論性能評価 ※様々な開発部門、お取引先様・共同研究先様と連携して業務を進めていただきます。 ※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】 ●プログラミング言語(C/C++/Python 等) ●開発環境(Github/Docker/AWS等) ●ライブラリ(PyTorch/ONNX等)

【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 自社開発しているAD/ADASシステムの商品性や安全性能といった対他競争力を高めるためには、市場でのシステムの使われ方や弱点を早く、正確に把握することが必要です。そのためには、市場を走行しているユーザー車両から周辺状況、ドライバー状態、車両状態など、様々なデータを収集・分析して、商品開発にフィードバックするデータドリブン開発を如何に他社よりも早く、安く、上手く実現できるかが鍵となります。 私たちの部門は、このデータドリブン開発を支援するためのデータエンジニアリングが主な役割であり、具体的には以下のような業務を推進しています。 ●データパイプラインの構築: 世界中のお客様が使っているホンダ車から集めた市場データや、開発車両による公道走行で取得したデータを高速かつ低コストに集約し、使いやすい形に加工変換し、保管するため一連のデータ流れ(ELT/ETL)の設計・構築 ●データ基盤の設計・構築: 収集したデータを効率的に管理するため仕組み(データレイク、データウェアハウスなど)をクラウド上に構築 また、保存されているデータの可視化や、使いたいデータを検索するためのダッシュボードを構築 ●データ品質管理(データクレンジング) データの欠損や不整合などを解消し、分析に使える品質の高いデータに整える ●データガバナンス: データのセキュリティやアクセス管理など、データを適切に管理・利用するためのルールの作成と徹底 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。世界中からデータを集めるため、海外現地法人や海外研究機関など、海外とのやりとりが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】 業務では以下のような開発ツールを使用していますが、全てについて使用経験がある必要はありません。 ●AWS: Lambda、SageMaker, Athena, Redshift 等 ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等 ●データウェアハウスツール:SnowFlake、Databricks ●言語:Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch)

【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 自社開発しているAD/ADASシステムの商品性や安全性能といった対他競争力を高めるためには、市場でのシステムの使われ方や弱点を早く、正確に把握することが必要です。そのためには、市場を走行しているユーザー車両から周辺状況、ドライバー状態、車両状態など、様々なデータを収集・分析して、商品開発にフィードバックするデータドリブン開発を如何に他社よりも早く、安く、上手く実現できるかが鍵となります。 私たちの部門は、このデータドリブン開発を支援するためのデータエンジニアリングが主な役割であり、具体的には以下のような業務を推進しています。 ●データパイプラインの構築: 　世界中のお客様が使っているホンダ車から集めた市場データや、開発車両による公道走行で取得したデータを高速かつ低コストに集約し、使いやすい形に加工変換し、保管するため一連のデータ流れ(ELT/ETL)の設計・構築 ●データ基盤の設計・構築: 　収集したデータを効率的に管理するため仕組み(データレイク、データウェアハウスなど)をクラウド上に構築 　また、保存されているデータの可視化や、使いたいデータを検索するためのダッシュボードを構築 ●データ品質管理(データクレンジング) 　データの欠損や不整合などを解消し、分析に使える品質の高いデータに整える ●データガバナンス: 　データのセキュリティやアクセス管理など、データを適切に管理・利用するためのルールの作成と徹底 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。世界中からデータを集めるため、海外現地法人や海外研究機関など、海外とのやりとりが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】 業務では以下のような開発ツールを使用していますが、全てについて使用経験がある必要はありません。 ●AWS: Lambda、SageMaker, Athena, Redshift 等 ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等 ●データウェアハウスツール:SnowFlake、Databricks ●言語:Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch)

【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 市場でのシステム利用状況や弱点を早く正確に把握することが、競争力を高める鍵です。そのため、市場走行車両データやテストデータ、市場の声など多様なデータを収集・分析し、商品開発にフィードバックするデータドリブン開発/ユーザーインザループ開発を推進します。 当部門は、この開発を支えるデータサイエンス・データ分析・データ利活用を担い、以下の業務を行います。 ・市場走行車両データやテストデータの分析を通じ、商品改善や価値創出につながる提案を行う ・データに基づく製品改善(データドリブン開発)や、ユーザーの声の継続的反映(ユーザーインザループ)を実現するためのデータ活用環境の構築・展開 ・プロダクトにデータで寄与する自由な企画～実装～実現 尚、他部門や外部パートナーとの連携、海外拠点との共同研究・デモンストレーションなど、グローバルなやり取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】　 ●言語: Python, SQL等 ●データ分析・AIライブラリ: pandas, Polars, NumPy, SciPy, scikit-learn, PyTorch等 ●AWS: Amazon Athena,Amazon Redshift, Amazon SageMaker等 ●CI/CD: GitHub, Docker,CDK, Terraform等 ※全てについて使用経験がある必要はありません。

本ポジションは、異業界・自動車業界にて【IT/通信やAIに関する領域】をご専門とされている方向けのご案内となります。 具体的な業務イメージは持てていないけれども、当社に、完成車メーカーに、自動車業界においてどの様な活躍ができるのかに興味がお有りの方は、ぜひ、こちらの求人よりエントリーいただけますと幸いです。 仕事内容の詳細やキャリアイメージについては、書類選考合格後メールでのご案内と、面接時選考官からの個別説明を予定しておりますのでご安心ください。 なお、担当領域により勤務地が異なるため、勤務エリアに制限がある方、強い希望をお持ちの方はあらかじめエントリー時にお申し付けください。 皆様からのご応募、心よりお待ちしております! 【開発環境】 ※配属部署により異なりますが、主な開発環境は以下となります。 OS:Linux, Windows 言語:Python, C, C++, C#, HTML, CSS, JavaScript DB:PostgreSQL, MariaDB, MySQL, SQLite, Neo4j 開発ツール:CARLA, Matlab, Visual Studio, Jupyter Lab, Simulink, Stateflow, MicroAutoBox, ControlDesk, CANalyzer, CarlaSim, CarSim ライブラリ:OpenCV, NumPy, Pandas, TensorFlow 【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。

機械学習技術を用いて自動運転に必要なアルゴリズムの研究・開発を行います。 文献調査やアルゴリズム考案から、実環境での有効性の実証まで行うことで新技術を創出します。 【主要な開発テーマ】 ・Depth Estimation ・Opticalflow Estimation ・Motion Prediction ・Scene Recognition ・Multitask Learning ・Unsupervised Learning ・Reinforcement Learning ・Generative Adversarial Network 【使用するツール】 ※状況により柔軟に変わります ・C言語/C++/Python ・Tensorflow(Keras)、PyTorchなどのDNNフレームワーク 【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。

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

下記いずれかのテーマの研究開発を担当していただきます。 〇エネルギー需要予測 ・ディープランニングを用いて解析してますが、精度向上が必要となっています。 新たなアイデア創出による精度向上を目指したシステムの研究開発 〇設備の異常検知・故障予測 ・多くの時系列データを解析し、基準点(正常値）からのずれを解析する（MT法）ことで、設備の故障時期を予測する目指したシステムの研究開発 【開発研究の概要】 ・エネルギー需要予測、設備の異常検知・故障予測の研究が中心となります。 ・顧客の要望に合わせ様々な課題解決に向けた開発をご担当いただきます。 ・制御、監視等のシステムと連携して、より高効率な制御システムを構築することで、当社のサービス事業に寄与する研究開発を行っていただきます。 【キャリアプラン】 ・入社後、ＯＪＴを中心とした研究開発に従事していただき、スキルの向上とともに、後進の指導を含む開発プロジェクトを手がけていきます。 ・スキル向上として中途入社者に対応した研修・教育プログラム(主に内線工事)があり建築設備等の技術の習得が可能です。 ・電気工事士や技術士など、幅広い資格取得への支援制度、報奨金が充実。技術者の成長を支援しております。

【配属組織名】 研究開発グループ デジタルサービス研究統括本部　サービスシステムイノベーションセンタ　DXエンジニアリング研究部 【配属組織について(概要・ミッション等)】 ミッション:社会イノベーション事業をシステム技術でリードし、社会・環境・経済価値を提供する 【携わる事業・ビジネス・サービス・製品など】 産業、流通、自動車、鉄道、医用機器、エレベーター、ストレージ、AI活用デジタルソリューション、金融システム、官庁・自治体システムなど、日立グループのソリューション・サービスを支える様々なシステムを対象に、その高機能化、高品質化などの研究開発に携わることができます。 https://hitachi-dx-engineering-research.github.io/ 【職務概要】 ソフトウェア工学の知見に基づき、日立グループの事業分野における革新を主導するための、研究開発全般を担い、製品・サービスにおけるイノベーションと破壊的技術の創生のために、業務の取り纏め者として、社内の関係者との関係を構築し、社内外の学習機会を活用するとともに、自身の経験や先行研究から積極的に学習していただき、自身の研究の完遂を通じて、最善の方法を生み出す仕事です。 産業、流通、自動車、鉄道、医用機器、エレベーター、ストレージ、AI活用デジタルソリューション、金融システム、官庁・自治体システムなどに求められる、先端ソフトウェア・システムを強化する研究開発を担当頂きます。 技術開発戦略の策定、プロトタイピングを通じた技術開発活動、知財創生活動、学会活動を通じた社会への成果の還元など、幅広い活動の一部または全部に関わることができます。 【職務詳細】 ・「デジタルトランスフォーメーション」を実現するための最新のITシステム開発手法の研究開発 ・信頼性の高い高品質なAIや、AIを使ったシステムを開発するための技術の研究開発 ・ビッグデータやAIを駆使した最先端のソフトウェア開発技術の研究開発 ・セーフティ・クリティカルなシステムを開発するための効率的なプロセスと方法の研究開発 (研究テーマ例)協創型アジャイル開発手法、DevOps、クラウドシフト、開発プロジェクトリスク検知、プログラム自動修正、テスト自動生成/自動実行、AIソフトウェアのテスト・検証、プロセスマイニング、組込みシステム性能検証、開発KPI間の因果関係分析、モデルベース開発(Model Based Systems Engineering)、高安全システム開発(安全リスク分析、機能安全)、組込みソフトウェア実装技術、Over The Air技術、自動運転ソフトウェア、VRによるソフト構造可視化、量子ソフトウェア開発環境 【働く環境】 ・配属組織/チーム:10～15人程度の研究ユニットの中で、2～3人程度のチームを構成して各テーマについて研究開発を行います。 ・働き方:コロナ下では在宅勤務をベースに、必要に応じて出社、出張などを行います。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。

<入社後の担当領域> ・ヒューマンセンシング研究 画像処理/解析、データマイニング、機械学習(ニューラルネット、基盤モデルを含む)によるヒト理解とシーン理解を統合させた新しいアプリケーション創出/HMI技術の研究開発 ・AIロボティクスに関する研究 ・自律型移動体に関する研究 上記いずれかの研究リーダ ・社外コラボ先(大学,スタートアップ企業等)との協働 <使用言語> Python、PyTorch、Codex、JavaScript、C++など

●ポジション SE、PG 開発メンバー ●案件の特徴 　・AI、機械学習、3次元データ(SLAM)に関わる研究開発、プロダクト、サービス開発を行います 　・エンドユーザーは多岐にわたり、製造業、建築、建設、インフラ、医療など幅広い業界の案件が中心です 　・案件の多くがプライム案件のため、顧客(メーカー)との距離が近い点も特徴です 　・顧客の課題解決に向け、技術提案から検証、成果報告までを一貫して担当し、PDCAを回していきます 　・PoCで開発したアルゴリズムをもとに、社会実装に向けたシステム開発にも携わることができます 　・チームは30代～40代のベテランから20代の若手まで、幅広い世代で構成されています 　・社内コミュニケーションが取りやすく、相談しやすい環境です ●対応フェーズ 　・課題定義(顧客課題の整理・要件の明確化) 　・技術提案(解決に向けたアプローチの検討・提案) 　・技術検証(アルゴリズム開発や実データを用いた検証) 　・成果報告(検証結果の取りまとめ・次フェーズの提案) 　・技術雑誌や論文の執筆など ●入社後の業務 　社内で請け負っているPoC案件に従事していただきます。 　　・技術提案 　　・技術検証 　　・成果報告 　社内での経験を積んだのち、顧客折衝(課題定義、見積もりなど)も行っていただきます。 　また、スキルや意欲がある方はリーダーとしてのポジションもご担当いただきます。 ●変更の範囲 　その他会社の定める業務 開発案件(一部抜粋) ●眼底検査装置への先端技術導入 　□概要 　　AIモデルを使用したアプリ開発、眼底検査装置の制御開発案件です。 　　セグメンテーションAI技術を使用し、眼底画像の自動色分けAIモデル開発を行っています。 　　また、生体組織情報の取得、診察から結果提示までの高速化などを対応します。 　□開発環境 　　OS:Windows10 　□開発言語、技術:C++、Python、CUDA 　□関連技術:DeepLab V3+(セグメンテーション) ●リサイクル選別機開発 　□概要 　　AIを利用したリサイクル選別機器の開発案件です。 　　複数種類の物体をラインカメラで撮像し、物体検知にて判別を行うAIモデルを開発しています。 　　判別結果を表示するGUIアプリケーションの開発や、選別機の周辺機器の制御などを対応します。 　□開発環境 　　OS:Windows、Ubuntu 　□開発言語:Python、C++、CUDAなど 　□関連技術:DeepLearning(物体検知) ●CutPaste手法の高度化による精度改善 　□概要 　　既存手法をベースとした、アルゴリズム改造による精度向上検証案件です。 　　論文調査から手法検証までを対応しています。 　　こちらは大学との産学連携案件であることも特徴です。 　□開発環境 　　OS:Ubuntu 　□開発言語:Python 　□関連技術:CutPaste、DeepLearning、異常検知 以下に弊社の過去開発事例がまとまっています。(ダウンロード可能) ●開発事例集 　・製品/システム開発編:https://www.compmind.co.jp/wp-content/uploads/2025/04/Development_case_collection.pdf 　・研究開発/PoC編:https://www.compmind.co.jp/wp-content/uploads/2025/04/Development_case_collection_rd.pdf

当社のマルチモーダルAI技術全般をリードするAIエンジニアとして、最先端モデルの研究・開発・PoCを担当いただきます。 ・マルチモーダル機械学習におけるアルゴリズムの調査・検証および個別ドメイン向けカスタマイズ・追加学習 ・テキスト、画像、音声等の異種データを統合した独自データセットの構築 ・先進的なAI技術のビジネス展開に向けたプロトタイプ開発および事業部連携によるPoC ・研究成果の知財化(特特許化)および査読付き国内・国際学会での論文発表 【開発環境】 ・言語:Python(PyTorch、Transformers、FastAPI 等) ・クラウド:Microsoft Azure(Container Apps、GPU workload profile 等) ・ツール:Docker、GitHub、VS Code、Jupyter ・データ:動画(YouCook2等の公開データセット、独自収集データ)、音声、センサ時系列データ 【研究支援】 ・GPU計算資源(クラウドGPU利用可) ・論文執筆・学会参加費用の会社負担 ・関連書籍・オンラインコースの受講支援 ※共同研究に伴い、共同研究先(国外含む)での業務が発生する可能性あり

CASE領域において、市場価値の高い製品・サービスを開発するためのAIを含む技術開発をお任せします。 直近商用化する予定のものから、将来に向けての技術開発まで、様々な時間軸のプロジェクトが並行して走っています。 以下いずれかのテーマを担当して頂きます。 ・走行領域への技術提供(走行制御システムと連携した機能開発) ・モビリティーサービス事業領域への技術提供(位置情報活用サービスと連携した機能開発) ・車体領域への技術提供(車室内外監視システムと連携した機能開発) ●具体的な業務内容 商品開発部門と協業し、以下のようなプロジェクトを担当いただきます。 ・「低速自動運転/自動ブレーキ開発」プロジェクト…車両周辺の物体や自己位置を正確に把握するための環境認識技術開発 ・「自動運転時代の新サービス:おもてなし」プロジェクト…AIを活用した車室内外の人の状態推定や人に寄り添うヒューマンマシンインタラクションで、より安心、安全、快適な乗車を提供するシステムの研究・開発 ・「みちログ」プロジェクト…走行車両で収集したデータから道路の異常を検知し、道路補修に向けた計画支援、対策実施などを効率化する道路維持管理サービスの開発 ・「ストレスフリーエントリー」プロジェクト…乗降時の不安や負担を解消する自動ドア開閉や不審者検出などの実現に向けた行動・意図推定技術開発 ●使用言語、環境、ツール等 使用言語:C,C++,Python、環境:Windows,Ubuntu、ツール:各種DLフレームワーク(Tensorflow,Keras,PyTorch) 職種の変更範囲:技術職・事務職・技能職業務

事業概要 当社は、「アルゴリズムで、社会はもっとシンプルになる。」というビジョンを掲げ、アルゴリズムを用いて人の働き方に余白をつくることを目指す、東大松尾研究室発のAIベンチャーです。 アカデミアにおける知見を活用し、業界横断的なビジネスシーンをデジタル化/定量化することで、「複雑・非効率・非合理」がないシンプルで皆がいきいきと生きられる社会を実現していきます。 2017年の創業から、「DXパートナーサービス」と「AIソフトウェアサービス」の2つの事業を軸に、「人とAIが協働する次世代のビジネスプロセス」の構築を実現しています。 DXパートナーサービス 各業界をリードする顧客企業と共に、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。 当社は、「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 DXパートナーサービスにおけるプロジェクトを推進するAIエンジニアのポジションです。 画像・映像・音声・自然言語などをマルチモーダルに掛け合わせ、クライアントの課題を解決するAIアルゴリズムを中心に設計・実装をお任せします。 クライアント企業は金融や製造、モビリティなど多岐に渡り、業界横断的な業務のデジタル化を進める上で重要となるDeep Leanringアルゴリズムの研究開発や、社内で開発を進めるパッケージをベースにしたAIアルゴリズム・システムの開発などを担当して頂きます。 業務内容 ●クライアントの事業課題の解決に適したアルゴリズムの設計・実装 ●クライアントに対する分析結果等のレポート ●ソフトウェアエンジニアと協業し、ソフトウェアやAPIへのアルゴリズムの組み込み プロジェクト例 ●モビリティ領域の協業案件 (https://prtimes.jp/main/html/rd/p/000000097.000044470.html) SOMPOグループのモビリティ関連会社と資本業務提携。事故車/中古車の状態や価値を画像認識AIを用いて判定し、B2BオークションのビジネスプロセスをAIで再構築し、デジタル新規事業を開発・推進。 また、ディーラーや中古車販売店向けに事故車の価格を即時算出するAIアプリを開発・リリースしました。 ●大手金融機関に向けたGAI構築案件 SMBCグループにおける社内規定などの書類をAIが読み込み・生成しやすい形で構造データ化し、生成AIを用いて業務効率化を行うSMBC-GAIを構築し全社員に展開。5万時間にのぼる工数削減を実現しました。 開発環境 言語:Python Deep Learningフレームワーク: PyTorch OS:Linux コミュニケーション: Slack, Zoom タスク管理: Notion

●主に担当する業務内容 画像認識AIを用いたプロダクト開発・ソリューション開発 プロダクト開発・運用 アルゴリズム・モデルの組み込み実装 プロトタイプの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。 肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術‧開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

●主に担当する業務内容 画像認識AIのアルゴリズム・モデル開発 調査テーマの提案 アルゴリズム・モデルの調査・評価 アルゴリズム・モデルの改善・軽量化 PoCの実施 プロダクトの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。 肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術・開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務