リモート可 PyTorchのITエンジニア求人・転職情報

世界中で利用されている何千万台という様々なソニー製品・アプリ・サービスから来る一日何億以上のビッグデータを活用し、それを新たな顧客価値に変えていく非常に重要な業務です。 また、デバイスやアプリとの連携が多いのも特徴で、クラウド側だけではなく、エッジとクラウドの連携も求められる、難易度の高い業務となっています。 また、最近では生成AIの発展もあり、データ・AI・生成AIと、クラウド・エッジを組み合わせた形での継続的な新しい技術の習得も必要な領域です。 組織文化としては、技術的に強い興味を持っているエンジニアが多く、最新技術の情報共有は勿論のこと、最新技術を用いたプロトタイプの作成や、実際の設計にいち早く適用する、といった活動も活発に行われています。 テレワーク・出社も比較的自由に選ぶことが出来、自由度の高い職場です。 我々の目指すところは、ソフトだけでもハードだけでも実現できない、ソフトとハード、それぞれの技術を高いレベルで組み合わせて初めて実現できる最高の顧客体験の提供です! 豊富な経験と知識を持ったメンバと共に、ソニーの新しい顧客体験をぜひ一緒に創っていきましょう! 想定ポジション 担当者もしくはリーダーの役割を担って頂きます。(希望・スキルに応じて相談) 業務内容 ●組織としての担当業務 私たちの組織では、様々なソニー製品(TV・オーディオ・カメラ・Xperiaなど)やアプリ・サービス(Headphones Connect, BRAVIA Connect, Creators Cloudなど)のログデータを収集しています。これらのログを用いて新しい価値を提案し、実現していく業務です。例えば、パーソナライズした顧客体験を提供したり、新たな外部データを導入し、それと組み合わせることで新たな価値を提供する、といったことを行っています。 全世界の様々なソニー製品・アプリ・サービスからのビッグデータを中心として様々なデータを活用し、ソニーの新しい顧客体験を一緒に創っていきましょう! ●担当予定の業務 ・ソニー製品・アプリ・サービスにおけるデータ・AI/ML・LLM(生成AI)を用いた新規価値提案と設計・実装業務(既に提案済みのものも含む) ・MLOps/LLMOpsを円滑にまわすための仕組み作り ・リーダー職の場合は、国内外の関係者との技術検討、チームリーディング業務を含む

【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

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。

【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。

●職務概要 最先端の統計解析、機械学習、そしてLLM(大規模言語モデル)をはじめとする生成AI技術を駆使し、ビジネス課題の解決を推進します。 単なる分析PoC(概念実証)で終わらせるのではなく、データから得た示唆をアルゴリズムとして実装し、システム化・プロダクト化することで、「継続的なビジネス成果」を創出することがミッションです。 ●業務内容 プロジェクトの最上流から参画し、ビジネス課題の特定からアルゴリズムの選定、実装、社会実装まで一気通貫で携わっていただきます。 ・生成AI・LLM活用: RAG(検索拡張生成)を用いた社内知見の活用支援や、LLMによる業務自動化・コンテンツ生成アルゴリズムの技術検証およびシステム開発。 ・予測・最適化モデル構築: 需要予測、顧客離反予測、LTV最大化、マーケティング最適化など、大規模データを活用した数理モデルの設計。 ・社会実装とMLOps: 構築したモデルをWeb API等へ組み込み、運用・改善サイクルを回すことで、実ビジネスで活用され続ける仕組みの構築。 ・研究開発(R&D): 最新論文の調査・トレースを行い、最先端技術を商用利用可能なレベルまで引き上げる研究開発。 ・ステークホルダーとの折衝: クライアントや事業部門に対し、分析結果のレポーティングや、技術的背景に基づいた戦略的な意思決定の支援。

<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

●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

・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

●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

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

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

【お任せしたいお仕事】 データエンジニアとして、SnowflakeやDatabricksを中心としたデータ活用基盤の構築・運用を通じて、お客様のDX推進を支援いただきます。 担当工程は、企画、要件定義～リリース・保守までと幅広く関わっていただくことができます。 データ基盤構築だけでなく分析や可視化・AI活用領域まで幅広く経験を積むことが可能なため、データエンジニアとしての市場価値を高めていくことができる環境です。 《具体的な業務内容》 ・SnowflakeまたはDatabricksを活用したデータ基盤の設計・構築 ・DWH/Data Lake/Lakehouseの設計・構築・運用 ・ETL/ELT処理およびデータパイプラインの開発 ・SQLを用いたデータ加工・最適化 ・クラウドとのデータ連携基盤構築 ・BIダッシュボード向けデータモデリング ・データ品質管理およびパフォーマンスの最適化 ・顧客折衝、課題整理、データ活用に関する提案 ※従事すべき業務の変更の範囲:IT開発関連業務

●募集概要 MNTSQでは、データドリブンな契約プロセスの実現を通じて、ビジネスの高速化とリスクコントロールの両立を目指すプロダクト「MNTSQ CLM」を開発しています。 私たちは、大規模言語モデルをはじめとする最先端のAI技術を駆使して、契約データに潜む価値を最大限に引き出し、プロダクトを共に進化させていくAIエンジニアを募集しています。 こちらも合わせてお読みください。 https://note.mntsq.co.jp/n/nd94260d3658e ●担当業務 次の3つを軸とした業務を担当していただきます。 ・AI機能の実現可能性検証やプロトタイピング ・AI機能の運用(KPI設計やモニタリング)・改善の仕組みづくり ・既存モデルの性能限界を超えるための調査や実験 上記以外でも、個人のご希望やプロジェクトの性質に応じて、アプリケーション開発やインフラ構築など様々な領域に挑戦が可能です。 ※職種の変更範囲:会社の定める業務 ●技術スタック ・言語: Python, TypeScript ・フレームワーク・ライブラリ: FastAPI, MCP, 生成AI, PyTorch ・クラウドプラットフォーム: AWS, Google Cloud ・データベース・検索エンジン: MySQL, OpenSearch ・ツール: GitHub, Docker ●プロダクト開発体制 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●入社受入の体制 <前提となる働き方> コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、ミーティングを入れない日や時間帯を設けながら、生産性を追求しています。 <3ヵ月のオンボーディングプログラム> MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。

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

アイシングループ国内外の工場を舞台に、スマートファクトリーを具現化するAI応用技術開発を担当。 ニーズ・課題抽出から技術開発、現場導入、成果創出まで一貫して対応。 ●具体的な業務内容 ・画像・作動音による製品検査技術の開発と現場適用 ・生成AIなど最新技術を活用した新たなソリューション開発 使用技術・環境 ・使用言語:Python ・環境:Windows, Ubuntu ・ツール:TensorFlow, Keras, PyTorch, 生成AI, AWS, Microsoft Azure 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

「楽楽精算」や「楽楽明細」など企業の業務効率化を推進するクラウドサービスを展開するラクスグループにおいて、自社プロダクトに関わるAIモデルの開発、精度改善をミッションとしているチームにジョインいただきます。 要件定義、データ整備、PoC、検証、評価、実運用までの全工程に中心となって携わっていただきます。 (1) AI ロードマップ策定・技術選定 ・AI・データ分析領域における、PoCの策定及びAIモデル構築案件のプロジェクトマネージャー ・既存システムとの統合を考慮した技術要件の検討 (2) 最新技術の調査・手法の選定 ・論文調査などを通じた最新のAI技術・研究動向のキャッチアップ・有用手法の探索・選定 (領域:画像認識・自然言語処理など) (3) データ収集・前処理 ・AIモデルの学習に必要なデータをの収集・整備(ログデータ、画像データ、テキストデータ など) ・学習の質向上を目的としたデータの欠損値処理、ノイズ除去、データ拡張などの前処理 ※学習が必要な場合は、アノテーション作業を実施・管理 (4) PoCの実施・モデル開発 ・最適なアルゴリズムの設計・改善 ・ハイパーパラメータの最適化 (5) 評価指標の設計・精度検証 ・評価データの作成・整備(偏りのない指標で性能を測定) (6) システム実装・運用 ・API化(Flask / FastAPI)、実サービスシステムへの統合/連携 ・クラウド環境(AWS・GCPなど)へのデプロイ、安定した運用確立モデルのパフォーマンス監視、再学習スケジュールの管理 ●環境 利用言語:Python フレームワーク・ライブラリ:TensorFlow、Keras、Pytorch、FastAPIなど 生成AI : OpenAI API、AWS Bedrock、VertexAIなど 開発環境:Mac、Linux、Windows、AWS、GCP 利用AI開発ツール: Github Copilot、Claude Code、Cursurなど コードレビュー:Pull Request ベースでのコードレビュー バージョン管理システム:GitHub チケット管理システム:GitHub ●取り組む課題 主に、当社サービスにおける入力やデータ作成を支援する機能の開発を行います。 機械学習モデルやアルゴリズム実装だけでなく、実際のシステムへの組み込み(API実装)まで含む、AIシステムの開発に取り組んでいただきます。 主に画像認識、自然言語処理、データ分析、不正検知などの分野で開発を進めていただきます。 ●その他 ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

AI/Techコンサルタントが描いたビジネスソリューションの構想を、技術的に実現可能な、スケーラビリティと品質を担保したシステムアーキテクチャへと落とし込む技術的ポジションです。フルスタックの幅広い技術基盤を背景に、設計から開発、運用保守まで責任を持ち、システムデリバリー全体を牽引します。 ●経営・事業を支えるシステムアーキテクチャの方向性検討と設計 ●AI/MLを活用したシステムの技術選定、プロトタイピング、実装リード ●開発チームのリーダーとして、コードレビューや技術指導を実施 ●システムデリバリー経験を活かし、開発プロセス全体の生産性向上を主導 使用技術詳細 ●言語・FW・バックエンド: Python / Java / Rust / Go 等 ●フロント・バック: React / Next.js / Nuxt.js / Node.js / Express.js / Django / Spring Boot 等 ●AI/ML/RAG: TensorFlow / PyTorch / Hugging Face / LangChain / OpenAI API / Vertex AI / SageMaker / Elasticsearch ●インフラ: AWS / GCP / Azure / IaC (Terraform 等) ●その他: Docker / Kubernetes / GitHub / CI/CD (GitHub Actions 等) / 生成AIツール (ChatGPT / Copilot / Cursor / Claude 等) / その他データ処理・分析、メッセージング、ワークフロー、監視、セキュリティ等の各種ソフトウェア プロジェクト例 ・ヘルスケア業界: 社内基幹プロセスを担うWebシステム構築 ・エネルギー業界: 臓器システム刷新プロジェクト ・自治体: 警察システム刷新プロジェクト ・石油業界: 保全管理システム開発プロジェクト

・当社が提供する各種サービスに高い付加価値をつけるため、最先端AI技術を取り入れてエンジンやモデルを一から開発していただきます。 ・各種サービスに高い付加価値をつけることを目的とした機能の設計・開発・リリースまでをお任せします。 チームメンバの経歴: ・数社のAIベンチャーでテックリードを勤め、画像、自然言語、数値データ等の多様なデータを扱うプロジェクトを多数経験。 モデル作成だけでなく、システムへの組み込みまでを担当し、導入に導いてきた実績を持つ　2021年に1人目のAIエンジニアとして当社に入社し、AI導入による顧客価値向上に取り組んでいる。 【環境】 利用言語:Python、 Go、 Javaなど フレームワーク・ライブラリ:TensorFlow、Keras、Pytorchなど 開発環境:Mac、Linux、Windows、AWS、GCP コードレビュー:Pull Request ベース(GitLabのMergeRequest使用)でのコードレビュー バージョン管理システム:GitLab チケット管理システム:GitLab 【取り組む課題】 主に、当社サービスにおける入力やデータ作成を支援する機能の開発を行います。 機械学習モデルやアルゴリズム実装だけでなく、実際のシステムへの組み込み(API実装)まで含む、AIシステムの開発に取り組んでいただきます。 主に画像認識、自然言語処理、データ分析などの分野で開発を進めていただきます。 【組織構成】 課長(50代、男性/課長)−メンバー2名 ※エンジニアの全体人数としては250名程度で、製品別・役割別に7つの部と25つの開発チーム(課)に分かれ、それぞれ10名〜20名ほどの規模となっています。 ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

QA業務をAIエージェントが自律実行できるハーネスを設計・実装します。 【具体的な業務内容】 ・ハーネスエンジニアリングの実践 └ハーネスエンジニアリングの枠組みの中で、QA業務を担う各工程のAIエージェントを設計、構築します。 ・リスク分析/テスト分析/テスト設計エージェント └仕様書を分析し、その後の実装や自動テストコーディングへの入力を生成するQAの上流工程を担当するAIエージェントを設計、実装します。 ・自動テストコーディング、自動テスト実行エージェント └テスト設計結果を自動テストとして実装し実行するQA業務の中核となるAIエージェントを設計実装します。 ・CQフィードバックパイプラインの設計・実装 ・不具合/障害情報の集積、分析基盤の構築 └エラーログ/AIエージェント実行ログ/不具合レポート/障害レポートなどを集積し、後続の分析や再発防止策の策定を実施するための基盤を整備します。 ・障害分析や再発防止策実施エージェントの設計、実装 └AIや人間のミスの結果である障害情報を分析し、それらをAIエージェントから利用可能なコンテキストやSKILLの形に実装するAIエージェントの設計、実装をします。 ・外部AI動向の追跡と発信 ・Harness Engineering等のAI分野の最新動向を追跡し、業務設計に落とし込む ・社内の実践と学びを技術ブログ・カンファレンス等で外部発信する 【開発環境】 ●AIエージェント:Claude Code(SKILL / Sub-agent / Hooks / Agent Teams)/ Devin / MCP Server ●テスト自動化:Selenium, Appium, Cucumber, Playwright ●CI/CD:CircleCI, Bitrise ●データ基盤:BigQuery, Tableau ●タスク管理・分析:Asana ●コミュニケーション:Slack, Teams, GitHub, Confluence, Miro ●開発技術スタック:Ruby on Rails, React.js, Next.js, Swift/SwiftUI, Kotlin 【所属部門】 食べログカンパニー 開発本部 品質管理部 【ミッション】 品質管理部は「QA業務をAIが一貫して担う」ことを目指す長期ビジョン Continuous Quality by AI(CQ by AI) を推進するチームです。 そのAIが正しく品質を判断できるよう、QAの知識と基準をAIに渡すエキスパートとして参画していただきます。 単にテストを効率化するのではなく、「リリース前のチェックポイント」だったQAを、開発プロセスそのものに埋め込まれた自律的な仕組みへと変える取り組みです。 月間数千万人が使う食べログで、AIエージェントがコードレビュー・リスク分析・E2Eテストを担い、最終承認のみ人間が行う品質保証の実現を目指しています。 すでに自動テストコーディングでコード生成精度97%・テスト実行工数52%削減・自動化率64%の実績を上げており、その先のフェーズを共に作る段階にあります。 このポジションは AIが正しく品質判断できるようにQAドメインのナレッジをハーネスエンジニアリングの枠組みの中でガードレールやチェックリスト、基準などとして整備する役割 です。 従来のQAエンジニアが「自分でテストを設計・実行し、品質を判断する」のに対し、このポジションは「AIが判断するための基準を設計・検証し、AIの判断結果をレビューする」へと役割が変わります。 QAエンジニアとしての専門知識を活かしながら、業界でもまだ先例の少ない「AIに品質を教える仕事」を担っていただきます。

このポジションは TSA(テクニカルソリューションアーキテクト)と組みながら、顧客現場で AI モデルの設計・実装・システム化を一気通貫で担うエンジニアポジションです。ML もできる、かつ顧客の目の前でディスカッションしながら主にPythonベースのコードで、手を動かして実装できる人を求めています。 ●このポジションのメンバーがやること ・TSA と一緒に顧客と議論しながら、プロトタイプを組み・動かし・調整する ・AI モデルの設計・学習・評価を担当し、そのまま顧客のワークフローに組み込む ・顧客環境まで、自分の手で届ける ML モデル開発と現場実装の両方を手掛けるエンジニアに向けたポジションです。TSA が「何を作るか」を顧客と定義する役割であるのに対し、このポジションは「モデルも含めて、技術的な知見を加味してどう動くものにするか」を顧客と会話しながら形にします。 ●業務内容 1.顧客現場での実装伴走 ・TSA とペアで顧客との打ち合わせに入り、プロトタイプ要件を定義したうえで実装する ・顧客のフィードバックを受けて、仕様と実装を並行して調整する ・閉域網・顧客施設内での開発・デプロイに対応する ・データを見ながらシステム要件などを微修正する 2.AI モデルの設計・開発・組み込み ・衛星画像解析モデルや生成 AI システムの設計・学習・評価を行う ・既存の社内モデル資産を組み合わせつつ、現場要件に合わせたカスタマイズや追加学習を行う ・学習 / 推論パイプライン、前後処理、API 化、運用監視まで一気通貫で実装する ・現場で得た情報(使われ方、制約、エッジケース)をそのままモデル改善に反映する 3.セキュアな環境でのシステム構築 ・セキュリティ要件を満たすクラウド構成(AWS / GCP / Azure)、必要に応じてオンプレ環境での実装 ・IaC、コンテナ、CI/CD を用いた運用可能なシステムの構築 ・顧客環境の制約を前提にした現実的なアーキテクチャ設計 ●入社後の流れ 〜3ヶ月: 既存案件に TSA とペアでサブ参画。並行して GIS・衛星画像処理・安全保障ドメインのオンボードプログラムを受講 4ヶ月〜: 実際に現場で顧客と話しながら運用を担当(徐々にカバー範囲を広げていただきます)