持ち株会制度あり PyTorchのITエンジニア求人・転職情報

画像生成を用いたクリエイターの支援開発 《関連記事》 ●サイバーエージェント × エンタメについて ・[【エンタメ×テクノロジー】エンタメテックを次の事業の“柱”にエンタメテックにおける強み](https://www.cyberagent.co.jp/way/list/detail/id=28674)

●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

WINTICKETアプリ内およびABEMA番組で使われる リアルタイム競輪 CG 映像 の制作 上記を支える リアルタイム描画システム の研究・設計・実装 次世代スポーツ映像の R&D(CV / ML / XR / 配信領域を含む) 私たちが取り組んでいるのは、次世代のスポーツ映像制作を実現するための リアルタイム描画システム の構築です。 描画レイヤは、各種上流データ(CV・ML 推論・センサ・配信系など)を受け取り、1フレーム単位で最終的な CG 映像を出力する役割を担います。 このようなリアルタイム競輪 CG の取り組みは 日本国内では WINTICKET が唯一 であり、放送用映像をゲームエンジンで制作する事例も極めて珍しく、ここでしか得られない実践知が積めます。 最終成果は「映像」ですが、その裏側では XR・コンピュータビジョン・機械学習(ML)・クラウドなど、幅広い技術領域を活用しており、最先端の技術に触れるチャンスも豊富にあります。 2026年5月には、ボクシングでの取り組みをユーザー公開しました。今後は他スポーツでも同様の取り組みを加速していく予定です。 ●チームの文化や体制 スポーツ映像の新たな体験を視聴者に届けることを主眼に、映像/配信エンジニア・バックエンドエンジニア・CVエンジニア・データサイエンスエンジニア・CGエンジニア・デザイナー・PrM・PdMなど各領域のスペシャリストから編成されている約10名のチームです。 各メンバーが新たな視聴体験を創るという高い意識を持ち、各自の専門性を発揮しつつ、時には自分の職域を超えて開発に取り組んでいます。 ●利用技術・ツール 【現行主要スタック】 Unity R3 / UniTask / DoTween VContainer KlakNDI(NDI 入出力) GameCI 【関連で探索中の領域】 Unreal Engine 機械学習推論のリアルタイム統合(PyTorch / ONNX / TensorRT 等) コンピュータビジョン(姿勢推定・トラッキング 等) XR(AR / VR / MR) 技術選定は柔軟です。現行の Unity スタックに縛られず、課題に対してベストな手段を採る方針で進めています。 ●環境 ・土日祝日休み 平日週5日 10:00~19:00 ・原則週3日出社、週2日リモートワーク(相談可) ・コミュニケーションツールは Slack や Zoom などを利用 ・定期的な1on1 ・交流ランチ リリース記事 ・【新機能】オリジナルライブ映像「WINLIVE」 https://www.winticket.jp/keirin/column/winlive ・亀田大毅プロデュース興行『BENKEI FIGHT vol.9』をABEMAにて全試合生中継決定 パンチ数など試合展開を可視化する「ボクシングWINLIVE」機能を導入 https://thetv.jp/news/detail/1395558/landing/ Developers Blog ・競輪オリジナル中継映像「WINLIVE」の描画システムについて https://developers.cyberagent.co.jp/blog/archives/49584/ ・WINLIVE における風可視化の取り組み https://developers.cyberagent.co.jp/blog/archives/50835/ ・Unity製描画アプリにおけるマルチプラットフォーム・マルチプロダクト戦略について https://developers.cyberagent.co.jp/blog/archives/61697/ ・Unity製描画アプリにProtocol Buffersを導入して通信を型安全にする https://developers.cyberagent.co.jp/blog/archives/61722/

ゲーム領域における機械学習・AI活用を支えるためのML基盤、MLOps環境、データパイプライン、モデル運用基盤の設計・開発・運用を担当していただきます。 モデルやアルゴリズムを、再現性・拡張性・保守性の高い形で実運用へ接続する役割です。 研究開発とプロダクト運用の間にある技術的なギャップを埋め、ML活用を継続的にスケールさせるための基盤づくりを推進していただきます。 ●業務例 ・機械学習パイプラインの設計・構築・運用 ・モデル学習、評価、デプロイ、監視を行うMLOps基盤の整備 ・実験管理、モデル管理、特徴量管理、データバージョニングの仕組みづくり ・ゲーム内データ・ログデータ・シミュレーションデータの処理基盤構築 ・バッチ推論・オンライン推論・社内ツール向け推論APIの設計・運用 ・モデル性能、データ品質、推論結果のモニタリング・アラート設計 ・GPU・クラウド・コンテナ環境を活用した学習・推論環境の最適化 ・MLエンジニア・リサーチャーが効率よく開発できる社内開発環境の整備 ・セキュリティ、権限管理、コスト管理を考慮したML基盤運用 ●プロジェクト例 ・ゲームAI開発向けの学習・評価パイプライン構築 ・運営型ゲームにおけるバランス調整支援システムの基盤開発 ・生成AI・LLMを活用した社内制作支援ツールのバックエンド基盤 ・複数プロジェクト横断で利用可能なML実験・モデル管理基盤 ・非公開プロジェクトにおけるAI開発基盤の設計・構築

漫画のローカライズ性能を評価・改善するアルゴリズムの開発に取り組みます。 CV・NLPいずれか、または両方の専門性を活かしながら、漫画というマルチモーダルデータ(画像×テキスト)を対象とした高度な技術課題に挑戦していただきます。 画像内のコマ・物体・文字構造理解から、翻訳文脈制御・LLM活用まで、視覚と言語を横断した技術開発を担っていただきます。 <例> ●CV領域 ・ページ内のコマ、テキスト、フキダシ、オノマトペ、物体などの検出 ・オノマトペの文字認識 ・文字の除去と除去領域の生成 ・ページ内のオブジェクトの関係のグラフ化(SGG) 等 ●NLP領域 ・翻訳後のキャラクター口調の整合性を評価する手法の開発 ・LLMによる文脈を考慮した翻訳生成プロンプトの開発 ・特定ジャンルに特化した専門用語表現LLMの開発 ・長期コンテキストを活用する知識表現・RAGの開発 ・マルチモーダルLLMを活用した画像×テキスト統合理解 事業内容 ・日本エンタメ作品のローカライズ化におけるデジタルマーケティングの戦略策定および実行支援 ・原作者はもちろん、作品に携わる翻訳者や写植者、編集者など全てのクリエイターの作業をサポートするAI技術の研究・開発 ・当社がこれまで取り組んできた高度な自然言語処理技術を応用した、配信国や地域の文化や特性を考慮した表現方法および多言語対応や文脈理解などへの研究 等 これらのAI技術の研究・開発に一緒に挑戦していただける方を募集しています。 チーム体制/文化 ・立ち上げ部署のため、事業統括1名・PM1名・エンジニア1名が所属し、アドバイザーとしてMLエンジニアが2名の少数精鋭体制です。 ・プロダクト内だけでなく、AI事業本部内の横軸としてデータサイエンティスト/機械学習エンジニアメンバーによる勉強会や実データを使った事業部内コンペも開催されています。 ・海外カンファレンスへの参加制度も豊富です。 AIローカライズセンター設立背景 世界から注目を集める漫画やアニメをはじめとした日本コンテンツの海外展開においては、翻訳のプロジェクトチームによる徹底的なキャラクターや文脈の理解、原作の一貫性を担保するためのルール制定、写植作業者(レタラー)による文字入れや作画修正、ネイティブによる翻訳チェックといった膨大な翻訳工程が必要であるとともに、原作者の意図や原作の世界観を損なわずに、展開先であるその国の文化や特性も考慮してローカライズしていくことが重要です。 さらに、各国の文章読み順への最適化や縦読みフォーマットへの変更および、最適なオンラインプラットフォームでの販売方法の検討など、販売チャネルの多様化に伴う関係各所との権利調整やプロモーション企画など、海外特有のデジタルマーケティング戦略の策定と実行が必要となってきます。 そこで当社AI事業本部は、これまで培ってきたAI研究・開発力とデジタルマーケティング力の強みを活かすべく、AIを活用し漫画などの海外展開に向けたローカライズを支援する専門組織「AIローカライズセンター」を、2024年6月に設立いたしました。 サイバーエージェントが取り組む理由 当社は「広告効果の最大化」を戦略として掲げており、2016年にAI研究開発組織「AI Lab」を設立するなどAI研究と社会実装に必要な開発力を高め、強みとするデジタルマーケティング力を磨いてまいりました。 また、大学との産学連携を積極的に推進し、AIで広告効果を最大化する「極予測シリーズ」を提供するなど、AIを活用することでクリエイターがより広告効果の高いクリエイティブ制作を行えるような業務支援にも向き合ってまいりました。 2023年11月には広告クリエイティブ表現に特化した独自日本語OCR(光学文字認識)モデルを開発するなど、複雑化するクリエイティブ内の文字フォントやレイアウトに対し高精度な文字認識を実現しています。さらに近年は日本語LLMの開発にも取り組み、2023年5月にはCyberAgentLLMを商用利用可能なオープンソースとしてリリース。2024年7月にはバージョン3※も一般公開するなど自然言語処理技術発展への貢献に努めています。 ※ NIKKEI Digital Governanceと米Weights & Biases​による共同調査(2024)によってChatGPTやClaude、Geminiに次ぐ性能と認定され、日本語LLM比較において、​日本国内で最高水準のモデルとして評価されています。 <参考> 効果を出す「AIの共同研究」東京工業大学 奥村・高村研究室と創る自然言語処理の未来 https://www.cyberagent.co.jp/way/list/detail/id=25604 AI Lab 「CVPR2024」にて4本の主著論文採択 https://www.cyberagent.co.jp/news/detail/id=30072 産学連携先一覧 https://research.cyberagent.ai/academic-relations/

漫画のローカライズ性能を評価・改善するアルゴリズムの開発に取り組みます。 NLPの専門性を活かしていただきながら、漫画のコマ等の画像情報と組み合わせた高度な技術課題に挑戦していただきます。 <例> ・翻訳後のキャラクターの口調の整合性を評価する手法の開発 ・LLMによる文脈を考慮した翻訳の生成プロンプトの開発 ・特定ジャンルの専門用語表現に特化したLLMの開発 ・長期的なコンテキストを効果的に翻訳に活用するための知識表現とRAGの開発 等 チーム体制/文化 ・立ち上げ部署のため、事業統括1名・PM1名・エンジニア1名が所属し、アドバイザーとしてMLエンジニアが2名の少数精鋭体制です。 ・プロダクト内だけでなく、AI事業本部内の横軸としてデータサイエンティスト/機械学習エンジニアメンバーによる勉強会や実データを使った事業部内コンペも開催されています。 ・海外カンファレンスへの参加制度も豊富です。 AIローカライズセンター設立背景 世界から注目を集める漫画やアニメをはじめとした日本コンテンツの海外展開においては、翻訳のプロジェクトチームによる徹底的なキャラクターや文脈の理解、原作の一貫性を担保するためのルール制定、写植作業者(レタラー)による文字入れや作画修正、ネイティブによる翻訳チェックといった膨大な翻訳工程が必要であるとともに、原作者の意図や原作の世界観を損なわずに、展開先であるその国の文化や特性も考慮してローカライズしていくことが重要です。 さらに、各国の文章読み順への最適化や縦読みフォーマットへの変更および、最適なオンラインプラットフォームでの販売方法の検討など、販売チャネルの多様化に伴う関係各所との権利調整やプロモーション企画など、海外特有のデジタルマーケティング戦略の策定と実行が必要となってきます。 そこで当社AI事業本部は、これまで培ってきたAI研究・開発力とデジタルマーケティング力の強みを活かすべく、AIを活用し漫画などの海外展開に向けたローカライズを支援する専門組織「AIローカライズセンター」を、2024年6月に設立いたしました。 サイバーエージェントが取り組む理由 当社は「広告効果の最大化」を戦略として掲げており、2016年にAI研究開発組織「AI Lab」を設立するなどAI研究と社会実装に必要な開発力を高め、強みとするデジタルマーケティング力を磨いてまいりました。 また、大学との産学連携を積極的に推進し、AIで広告効果を最大化する「極予測シリーズ」を提供するなど、AIを活用することでクリエイターがより広告効果の高いクリエイティブ制作を行えるような業務支援にも向き合ってまいりました。 2023年11月には広告クリエイティブ表現に特化した独自日本語OCR(光学文字認識)モデルを開発するなど、複雑化するクリエイティブ内の文字フォントやレイアウトに対し高精度な文字認識を実現しています。さらに近年は日本語LLMの開発にも取り組み、2023年5月にはCyberAgentLLMを商用利用可能なオープンソースとしてリリース。2024年7月にはバージョン3※も一般公開するなど自然言語処理技術発展への貢献に努めています。 ※ NIKKEI Digital Governanceと米Weights & Biases​による共同調査(2024)によってChatGPTやClaude、Geminiに次ぐ性能と認定され、日本語LLM比較において、​日本国内で最高水準のモデルとして評価されています。 <参考> 効果を出す「AIの共同研究」東京工業大学 奥村・高村研究室と創る自然言語処理の未来 https://www.cyberagent.co.jp/way/list/detail/id=25604 AI Lab 「CVPR2024」にて4本の主著論文採択 https://www.cyberagent.co.jp/news/detail/id=30072 産学連携先一覧 https://research.cyberagent.ai/academic-relations/

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。(プロジェクトごとに、リード機械学習エンジニアが1名サポートにつきます) <具体的な業務内容> ・ディープラーニング等の機械学習技術を用いたソリューションの開発 ・顧客プロジェクト向けの機械学習ソリューションのカスタマイズ開発 ・機械学習技術を用いたシステムの開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ●業務の変更範囲:なし ーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●機械学習エンジニアが担当する技術領域 弊社の機械学習エンジニアは、特定の技術領域に特化して業務を行っていただくのではなく、主に以下3つの技術領域から自身が望むキャリアや案件の状況に応じて選んでいただく方法を取っています。 ・最適化、強化学習 ・推論型AI(画像、音声、時系列データ、統計系など) ・LLM、NLP ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ（顧客折衝やプロジェクトマネジメント等を担当）と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。（プロジェクトごとに、リード機械学習エンジニアが1名サポートにつきます） ＜具体的な業務内容＞ ・ディープラーニング等の機械学習技術を用いたソリューションの開発 ・顧客プロジェクト向けの機械学習ソリューションのカスタマイズ開発 ・機械学習技術を用いたシステムの開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ーーーーーーーーーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは？ 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●機械学習エンジニアが担当する技術領域 弊社の機械学習エンジニアは、特定の技術領域に特化して業務を行っていただくのではなく、主に以下3つの技術領域から自身が望むキャリアや案件の状況に応じて選んでいただく方法を取っています。 ・最適化、強化学習 ・推論型AI(画像、音声、時系列データ、統計系など) ・LLM、NLP ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV（スーパーバイザー）がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般（NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit） ・機械学習（sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM） ・Deep Learning（PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain） ・実験管理（Kedro, mlflow, Kubeflow） ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催（数理最適化、強化学習 etc...） ・最新技術勉強会の開催（マルチエージェント etc...） 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施 業務の変更範囲:なし

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。

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。

製造業×生成AIの新規プロダクト開発・PoC検証のど真ん中で手を動かすポジションです。 主な業務: ・顧客課題のヒアリング → 要件定義 → 技術調査 → プロトタイプ実装 → 検証 → レポーティングを一貫して担当 ・RAGシステムの設計・構築(ドキュメント検索、ナレッジベース活用など) ・LLMを組み込んだプロダクトの開発・改善(APIインテグレーション、プロンプト設計含む) ・製造業向けユースケースの探索・仮説検証・PoC推進

【お任せする業務】 AI・機械学習やビッグデータを活用した内製システムの企画・開発・運用を担当します。 技術者の困りごとをシステムからサポートして改善活動を進めていきます。 【具体的な仕事内容】 下記のようなAI/機械学習を活用した歩留まり解析および改善システムの開発をお任せします。 開発は要件に応じてウォーターフォール、アジャイル開発を使い分けて行っており、一部外部委託先を連携しながら進めていきます。 ・課題抽出・要件定義:ユーザー部門と連携し、現場課題を分析し要件を整理 ・システム企画・設計:改善策を立案し、データベース設計やWebアプリ開発を実施 ・開発・運用:システム導入から改修、効果検証、保守まで一貫して担当 ・外部委託管理:一部開発を委託する場合、ベンダーとの調整・品質管理を実施 [従事すべき業務の変更の範囲] (雇入れ直後)上記の通り (変更の範囲)その他会社が指示する業務 【使用言語】 Python / SQL / Java / C / C++ / C# / JavaScript / VBA 機械学習:Hadoop / HBase / Hive / PyTorch Web:Django / FastAPI その他:PostgreSQL / Kubernetes / Ceph

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●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

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

私たちは小売市場の課題を解決するための技術・仕組みを提供しています。 日本の小売市場は150兆円の巨大産業ですが年間で3,000社ほどの企業が倒産・廃業しています。 素晴らしい商品を持っている企業がどうすれば顧客に届けれらるかや商品の売り方を理解できていないのが現状です。 クライアントや社内から課題について担当者からヒアリングを行い、内容からPoCを作成し検証・実施しています。 ビジネス的な要件にエンジニアの観点を加えアプローチを考えています。 エンジニア向け会社説明資料:https://inglewood.app.box.com/s/kpa3ydfmvwjlw2l8ffa2musebbaecqtc 課題からPoCの検証・実施を素早く行うために新たなメンバーを募集します。 PoCの結果が良ければそのまま新システムの構築を担当していただきます。 APIなどバックエンドを中心とした開発 要件定義段階でのミドルウェアやフレームワーク等の技術選定と技術検証 API、並列分散処理などアプリケーションアーキテクチャ全体の設計、実装 コーディングルール策定、先行開発〈共通処理部分など〉、コードレビュー 社内外の最新技術やベストプラクティスのキャッチアップとチーム横断のセクション組織内での技術共有 他の職種とのコミュニケーションを取り、要件を整理/決定しながらプロダクトを完成まで導く

LLM専属のエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、LLMモデルの検証/開発/改善、結果のレポーティング、LLMを用いたシステムの開発等に関わっていただきます。(プロジェクトごとに、リードエンジニアが1名サポートにつきます。) またLLMに関連する最新技術のキャッチアップ、社内への展開、及びマルチエージェントシステムのためのフレームワーク開発などをお任せする予定です。 上記に加え、他プロジェクトのLLMエンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 ●具体的な業務内容 ・LLMを用いたクライアントプロジェクトへの参画、及びソリューションの開発 ・LLMに関連する最新技術のキャッチアップ、社内への展開 ・マルチエージェントシステムのためのフレームワーク開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ・LLMを用いたシステム開発PJにおけるLLMの精度検証・チューニング ・LLMエンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ● 業務の変更範囲:なし 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ・開発言語(Python, Rust, Javascript) ・インフラ(AWS, Azure, Google Cloud, 社内GCPサーバ) ・開発ツール(Visual Studio, GitHub) ・その他ツール(Slack, Backlog, Cacoo, Google Meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。 また、それに加え、他プロジェクトの機械学習エンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 <具体的な業務内容> ・ディープラーニング等の機械学習技術を用いたソリューションの開発(機械学習エンジニアと同様) ・プロジェクト提案段階での技術観点からの評価やアドバイス ・機械学習エンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ●このような想いを実現されたい方にご応募いただきたいです。 1.機械学習を用いた社会実装、産業実装を自分の手で担いたい方 弊社が担当する案件は社会や産業そのものに影響を与えるものが中心です。 技術はあくまでツールとして捉え、ソリューションを提供することを主眼に置いていることを重要視する集団です。 2.自身が担当している案件がPoCのみで終わることや実際に世に出て行かないことに不安を感じる方 弊社の案件継続率は70%と他社と比較して比較的高いと自負しています。 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●キャリアパスについて 右記のような流れでキャリアを歩んでいただく想定です。(スタッフ→リーダー→マネージャー→部長) 一方で弊社のエンジニア組織は50名未満とまだまだ成長の余地しかなく、キャリアパスは完全に決まりきっているの部分は少ないです。 今後もキャリアパスは社員の想いや組織の成長段階によって変化し続けると認識しています。 そのため「キャリアは自ら切り開きたい」と思える方にご参画いただきたいですし、弊社としてはその様な想いを支えられる組織として存在できればと考えております。 ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施 ● 業務の変更範囲:なし

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。

●職務内容 本ポジションは、半導体製造装置・計測検査装置から生み出される膨大なデータを活用したAI・デジタルソリューション開発を支えるDevOpsエンジニアです。 AI画像処理・データ解析エンジニアが開発するモデルやソリューションを、 「安定して・安全に・継続的に使える形で現場に届ける」ための基盤づくり・運用を担っていただきます。 クラウド前提のDevOpsとは異なり、オンプレミス/GPUサーバー環境を中心とした、半導体業界特有の制約下でのAI基盤整備が特徴です。 ●職務詳細 以下の業務を、AIソリューション開発チームと密に連携しながらご担当いただきます。 1.インフラ・基盤設計/運用 ・オンプレミス環境におけるLinuxサーバーやGPUサーバーの設計・構築・運用 ・半導体製造装置・計測検査装置向け機械学習/AI開発基盤の整備・最適化 ・セキュリティ・性能・運用性を考慮した基盤構成の検討 2.開発支援・DevOps領域 ・AI開発チームが効率的に利用できるCI/CD環境の構築・改善・運用支援 ・コンテナ環境の構築・運用(開発～検証フェーズ中心) ・開発・検証プロセスの標準化、運用ルール整備 3.横断的な役割・改善活動 ・複数のAI開発チーム(約4チーム)を横断し、 ・基盤・運用面から支援 ・社内のAI開発者・サーバー管理担当と協働し、開発環境の共通化やベストプラクティスの整理・展開 ・新技術・新ツールの調査・評価・導入によるシステム全体の信頼性・パフォーマンス・ユーザビリティ向上 ※AIモデル開発そのものが主業務ではありませんが、AI開発プロセスに日常的に関わる立場となります。 ●開発環境 ・OS/インフラ: Linuxサーバー、GPUサーバー ・CI/CD: GitHub Actions ・コンテナ技術: Kubernetes、Docker ・IaC (Infrastructure as Code): 該当ツール ・監視・可観測性: Prometheus、Grafana ・ML基盤: PyTorch、TensorFlowを用いた環境

●職務概要 半導体関連の抱える計測・検査・運用上の課題に対し、AI・画像処理・データ技術を用いたデジタルソリューションを企画・実装を支援するポジションです。 装置・計測データを起点に、課題の構造化・仮説立案、最先端のAI・データ技術の活用や最適なツールの選定、開発スコープの定義など、上流工程から携わっていただきます。 要件定義からデータ分析モデルの構築、ソフトウェア実装までの一連のプロセスをチームで推進し、単なる分析・PoC要員ではなく、プロジェクト/チームのサブリーダーとして、上流工程から実装までを主導的に推進する役割を期待しています。 また、成果物の権利化・学会発表までを担います。 ●職務詳細 以下の業務をチームのサブリーダーとしてリード・推進していただきます。 1.課題分析・企画フェーズ(上流) ・半導体計測・検査・製造プロセスに関する課題の整理・構造化 ・装置データ・画像データを起点とした課題仮説の立案 ・解決すべきターゲット設定および実行計画の策定支援 ・ソリューション構想段階における顧客とのディスカッション・要件整理 ※顧客側がAI活用の初期段階であるケースも多く、課題定義から主導的に関与する場面が多いのが特徴です。 2.技術検討・設計フェーズ ・AI・画像処理・データ解析における最適なアプローチの検討 ・利用技術(モデル構造・アルゴリズム・フレームワーク・ツール等)の選定 ・開発スコープ・対応方針・役割分担の設計 ・小規模プロトタイプを用いた技術検証 ※OSSモデルを利用するだけでなく、対象データ・精度要件に応じてモデル構造に手を加える開発が前提です。 3.開発・検証フェーズ ・要件定義、データ前処理・加工、AI/画像処理モデルの構築・チューニング、評価・分析・報告、ソフトウェア実装 ・顧客と連携したPoC(概念検証)・PoV(価値検証)の実行、開発成果物の権利化および学会発表 【開発環境】 ・言語:Python ・AI/MLフレームワーク:PyTorch(推奨)、TensorFlow、JAX ・画像処理ライブラリ:OpenCV、Pillow、または同等のライブラリ

主に国内拠点を中心に、10拠点以上のネットワーク(LAN/WAN/VPN)やファイアウォール機器の企画、構築、運用を担当します。 内製化にこだわり、OSS活用やゼロからの設計など、自らの意思で新しい技術や仕組みに挑戦できる環境です。 (例:新拠点LAN/WANの基本設計～導入リード、監視・自動化基盤の刷新、 など) 【業務内容についての補足】 入社当初:各求人票内の業務内容欄記載の業務内容 変更の範囲:弊社就業規則に基づき、異動を命じることがある

・SPA, MPA, SSRなどによるWebアプリケーションの設計・実装・リリース ・バックエンドエンジニアとの設計議論、APIのIF設計 ・ディレクター・デザイナーとのUI/UX設計議論 ・業務メンバーからの業務要件聴取 【使用技術】 Amazon Web Services Terraform TypeScript (Vue.js / React.js) Webpack 5 【使用サービス】 Google Workspace Slack 1Password GitHub Kibela Backlog Datadog Opsgenie Bitrise

まずご一緒すること 具体的には、主に以下のテーマでご活躍いただくイメージです。 1. 生成AI・Agentic LLMおよびRAG基盤の設計・開発・運用 ● マルチLLM(OpenAI / Claude / Gemini / Local LLM等) や Amazon Bedrock を活用した生成AIアプリケーションおよび基盤の設計・開発 ● LangChain や LangGraph、MCP (Model Context Protocol) を活用した自律型AIエージェント(Agentic Workflow)の構築・評価 ● Vector DB や RAG(検索拡張生成) パイプラインの実装、および LangSmith 等を用いた評価基盤・プロンプトエンジニアリングの最適化 2. コンピュータビジョン(CV)・機械学習モデルの最適化&開発 ● PyTorch や TensorFlow を用いた深層学習モデル(CNN / Swin Transformer / YOLO等)の開発・精度向上および推論高速化 ● 画像認識・物体検出・マルチモーダル処理におけるデータ拡張や不均衡データ対策、アノテーション効率化(能動学習/BaaL等)の仕組み化 ● ビジネス要件に応じた適切なアルゴリズム選定(scikit-learn等を用いた統計解析・機械学習から最新の生成AIまで)と精度検証 3. MLOps基盤構築・API化・本番運用(PoCからプロダクト化へ) ● FastAPI や Docker、各種クラウド(AWS / Azure / GCP)を活用した堅牢なML API・推論パイプラインの構築 ● MLflow や Optuna を活用した実験管理・ハイパーパラメータ自動探索、および CI/CD(GitHub Actions等) による継続的学習(Continuous Training)環境の自動化 ● 推論レイテンシの削減、コスト最適化、システムのモダナイズ(レガシーからの移植やコード変換支援)の推進 プロジェクトの例 業界・技術を問わず、エンタープライズ企業のAI課題に直接向き合うプロジェクトが中心です。 プロダクト企業さんの、新規LLMアプリケーション開発の企画構想・要件定義・実装 大手SIerさんの大規模開発における、AI開発部分の監修・ディレクション・実装 動画から特定要素が写っているかを判断するAIモジュールの開発 大手インフラ企業さんの需要予測 中長期でご一緒したいこと Almondoではエンジニアメンバーが越境的な役割に挑戦しており、例として以下のような関わり方を実践中です。 ・AIソリューション企画〜提案メニューの作成〜実提案 ・より大規模なLLMアプリケーション開発の設計/ディレクション ・AI/ソフトウェア/DX 領域におけるビジネス・コンサルティング領域への進出 ・事業開発・技術責任(事業部長/技術責任者)への挑戦 ・グループを巻き込んだ数百名規模のAIネイティブな組織作り など 技術スタック(一部) AI/機械学習 :Claude. OpenAI, Gemini, PyTorch, LangChain, LangSmith バックエンド/アプリ :Python, FastAPI, Node.js, TypeScript, Next.js, React データ/Retrieval :PostgreSQL, MySQL, Pinecone, GraphDB クラウド/インフラ :AWS, Microsoft Azure, Google Cloud, Docker, Firebase DevOps/IaC :GitHub, GitHub Actions, Terraform ツール :Slack, Notion, Google Workspace

まずご一緒すること クライアントの課題解決や新しい事業基盤創出を目的として、AI・ソフトウェア技術を活用し、業務・プロダクト方針整理→要件の定義→アルゴリズムの開発→ソフトウェアとしての実装を一気通貫で行います。 最初は、ソフトウェアエンジニア/AIエンジニア/PMの3つの参画形態を想定しています! オンボーディングを経て、一部領域から参画し、徐々にスコープ拡張できる体制・チームが整っており、ソフトウェアエンジニアのAI/LLMアプリ開発ディレクション(E2EのLLMアプリ設計・開発推進)にも力を入れています。 業界・業種・技術は問わず多様なプロジェクトがあります。 各業界をリードするエンタープライズ企業さんと多くご一緒しており、食品(日清食品さん他)、エネルギー・インフラ(東京ガスさん・明電舎さん他)、製造業(トヨタさん系列会社、日産さん系列会社他)、人材(Openworkさん他)、SI(CTCさん他)など幅広い業界でのご一緒の実績があります。 プロジェクトの例 プロダクト企業さんの、新規LLMアプリケーション開発の企画構想 要件定義・実装・大手SIerさんの大規模開発における、AI開発部分の監修・ディレクション 実装・動画から特定要素が写っているかを判断するAIモジュールの開発 大手インフラ企業さんの需要予測 本ポジションは、これまで募集してきたエンジニア/PMポジションと比べて、業務内容そのものが大きく変わるわけではありません。 一方で、裁量の渡り方や成長スピードが異なります。 早い段階から「プロジェクトの軸」として意思決定に関わることを想定しています! 経験に応じ、通常よりも早くプロジェクト全体の設計・推進・難しい論点整理をご一緒できればと考えております! 将来的に次の中核として事業企画ロールへの成長を想定しています 中長期でご一緒したいこと 少数精鋭のAI企画集団を目指す挑戦をご一緒していきたいと考えており、以下を現在のメンバーがすでに取り組んでいます。こちらの取り組みもご一緒していくことができればと考えています! ソリューション企画・実提案(すでにエンジニアメンバーが提案メニュー作成中) より大規模なLLMアプリケーション開発の設計/ディレクション AI/ソフトウェア/DX領域におけるビジネス・コンサルティング領域への進出 事業開発・技術責任(事業部長/技術責任者)への挑戦 AIネイティブな組織づくり働く環境 技術スタック(一部) AI/機械学習 :Claude. OpenAI, Gemini, PyTorch, LangChain, LangSmith バックエンド/アプリ :Python, FastAPI, Node.js, TypeScript, Next.js, React データ/Retrieval :PostgreSQL, MySQL, Pinecone, GraphDB クラウド/インフラ :AWS, Microsoft Azure, Google Cloud, Docker, Firebase DevOps/IaC :GitHub, GitHub Actions, Terraform ツール :Slack, Notion, Google Workspace

プロジェクトの例 業界・業種・技術は問わず多様なプロジェクトがあり、各業界をリードするエンタープライズ企業さ んと多くご一緒しています。 大手プロダクト・SaaSにおけるデータ分析基盤・自社用データマートのゼロからの設計・ 構築 Webサービス・ゲーム等のログデータ/取引データを対象としたDWH・マート構築および Redash/TableauでのKPI可視化 全社横断データマネジメントグループでのデータ定義統一、ドキュメント化、クエリチュー ニング Claude Code等の生成AIツールを活用した定型抽出・分析タスクの自動化・効率化推進 技術スタック(一部) AI/機械学習・自動化: Claude, OpenAI, Gemini, Claude Code, PyTorch データ/DWH/ETL: BigQuery, Redshift, AWS (S3, Lambda), GCP (Dataform), Azure Databricks, dbt, digdag 分析/BI/ツール: Tableau, Looker Studio, Redash, Adobe Analytics, Salesforce 言語/DB: SQL, Python, PostgreSQL, MySQL DevOps/環境: GitHub, Docker, Windows, Mac, Linux ツール: Slack, Notion, Google Workspace

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

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