年収350万円以上 PyTorchのITエンジニア求人・転職情報

月間2,300万PVを超える薬局・ドラッグストア検索予約サイトや350万ダウンロードを突破した電子お薬手帳等、シェア1位の複数B向けプロダクトを横断的に担当するデータアナリストを募集します。KPIツリー設計やログ設計、ユーザーの行動ログなどのデータ集計、分析に向けた仮説立てからデータ検証等の分析業務と、得られた分析結果から企画立案までを担当していただきます。 さまざまな手法でビジネス課題の発見・データ戦略設計・定量定性両面での仮説検証を行い、サービスの課題解決を推進していただきます。 【具体的な業務内容】 Healthcare × Data の最前線で、事業を動かす分析ドリブンな意思決定を支援 当社では、月間1,000万人以上が利用する医療系メディア・サービス群(お薬手帳アプリ、薬局の検索・予約サイト、検診予約等)を展開しています。 データアナリストはその事業の中心で、プロダクト改善・ユーザー体験向上・営業戦略・広告運用など、幅広い領域で分析知見を活かし、経営と現場をつなぐハブとなる役割を担います。 ・データ分析に関する施策立案・プロジェクト推進 ・BI( Tableau )ツールによるデータの見える化(レポーティング・KPIダッシュボード作成) ・SQL/Python 等を用いた大規模データベースのデータハンドリングや分析環境の整備 ・顧客行動やCVRデータからの課題発見と改善提案 ・エンジニアとの協働によるデータ基盤構築、データ分析基盤の整備、分析オペレーション改善、社内へのナレッジシェア

【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

●概要 コンピュータービジョン領域の受託開発プロジェクトにおいて、開発とマネジメントの両面からプロジェクトを牽引していただきます。 ●具体的な業務 要件定義/アーキテクチャ設計/実装/テスト/導入までの一貫リード 物体検出・セグメンテーション・姿勢推定などのディープラーニングモデル開発 データ収集・前処理・アノテーションフローの設計運用 精度評価・推論速度最適化・ハイパーパラメータ/後処理チューニング REST API設計、簡易Web UIを含むバックエンド実装 スケジュール・タスク管理、コードレビュー、技術支援 顧客との技術折衝・仕様調整・成果報告・技術提案 【プロジェクト事例】 大手製造業向けの外観検査システム 医療機関向けの画像診断支援ツール 小売業向けの店舗内行動解析システム 通信業界向けの設備点検自動化ソリューション ※AI活用に特化したアライアンスパートナーとの協業も多数 ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのデータ活用を支援し、分析・モデル構築・可視化を通じて課題解決を推進。 ●業務内容(具体的に) SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 アジャイル(スクラム)開発の推進 将来的にはAIエージェントや生成AIを活用した高度な分析・自動化にも取り組みます <関連業務> データ利活用サービス:課題抽出～可視化・レポーティング 機械学習エンジニア:予測・処方的分析 工場DX:属人性解消、デジタル化アセスメント ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのDX推進を支援し、業務改善・データ活用・工場立ち上げを通じて課題解決を推進します。 ●業務内容(具体的に) クライアント企業のデータを活用し、課題抽出から分析、モデル構築、可視化・レポーティングまでを担当 SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 業務改善・工場立ち上げ推進 アジャイル(スクラム)開発の推進 PL候補として、プロジェクトのQCDS管理、顧客折衝、技術選定を担当 ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

近年、社会全体でAI活用が加速する中、AI開発を支えるGPU基盤へのニーズが急速に高まっています。NTTデータではこのような社会的ニーズに応えるべく、最新技術を活用したGPU基盤サービスの開発を強化しており、2024年度に自社の大規模GPUサービスの企画・提供を開始しました。現在はファースト顧客向けの開発を進めており、今後さらなる需要拡大が見込まれています。 これに伴い、GPU基盤開発プロジェクトにおいて、プロジェクトマネージャーやリーダーとして活躍いただけるエンジニアの採用を強化しています。 ●主な業務内容は以下の通りです。 [顧客への提案] お客様のニーズや市場動向を把握し、営業担当者と一緒にGPU基盤の提案を行います。 ・新技術のリサーチ ・導入提案 [設計・開発] お客様のご要望をくみ取り、お客様とコミュニケーションをとりながらGPU基盤に関するサービス仕様検討から設計、開発を行います。 ・GPUを利用した高性能コンピューティング基盤の設計、構築、運用 ・クラウド環境上でのGPUリソースの最適化と自動化 ・AI、ディープラーニング等のアプリケーションに向けたインフラの提供とチューニング ・パフォーマンス分析と最適化に関する技術支援 [主な技術環境] ・GPU:NVIDIA ・GPUサーバ:NVIDIA、Dell、HPE、Super Micro等 ・ネットワーク:プロトコルとしてはInfiniBand、Ethernet(RoCE) ・ストレージ:NetApp、VAST、DDN、PowerScale、Pure Storage等 ・ジョブスケジューラ:Slurm、Kubernetes ・コミュニケーションツール:Teams等

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。

要件定義から完成まで一貫して担当/エンドユーザーとやり取りあり/特注開発/色々な業界の幅広い案件を担当できる/エンジニアとして大きくスキルアップが可能 ●担当業務:上流工程(ヒアリング、企画/提案、見積もり)から、下流工程(ソフト/ハード設計、検証、納入)まで一式 ●機能:コントローラ/カメラ/照明 ●担当製品:寸法計測、3D認識、AIシステムなど ●その他業務:撮像実験、アルゴリズム検討/検証 【実績例】 ●溶接位置検査・車のシート検査 ●基板実装関連・はんだ不良検査・実装検査など ソフト開発環境 ┗OS:Windows、Linux ┗開発言語:C#、C/C++、Python ┗画像処理ライブラリ:HALCON、AIL(旧MIL)、OpenCV ┗AIライブラリ:TensorFlow、PyTorch、scikit-learn ・ハード開発:I/F回路設計など(業務の割合としては全体の2割程度です) ※徐々にお任せする業務の範囲を広げます

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。

●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

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

●コーポレートセキュリティ 貸与端末のセキュリティ インシデント対応 MS Defenderの運用、改善活動 SOC対応（アラート対応） ●プロダクトセキュリティ 事業子会社向けのセキュリティ対応 開発工程におけるセキュリティ相談 インシデント対応支援 DevSecOps（静的コードスキャン） 各事業子会社やバックオフィスの担当者とコミュニケーションをとりながら、セキュリティリスクに立ち向かうための総合的なサポートをします。 サポートの内容については特定の手法に限ることはなく、担当者個人のセキュリティ専門性の強みを活かした方法を選択していただいて構いません。 総合力を問われることは前提にありつつも、原則としては、セキュリティ技術の専門性や実務経験を基にした活動が求められます。 各現場のセキュリティリスクに立ち向かう上で、ICT本部やCTO室によって管理・運用され全社に提供されている基盤や、過去にセキュリティチームが取り組んだ施策とその成果物などを利用できます。 業務基盤としては、google workspaceを主体とし、認証・認可についてはMicrosoft EntraIDを利用しています。 開発環境はIaaS環境、githubを利用しております。 主なセキュリティツールは ●EDRとしてMicrosoft Defender for Endpoint ●ASMとしてtenable.io ●SIEMとしてSumo Logic ●脆弱性診断として、Burp Suite ●バグバウンティとしてIssueHunt 等を利用しております。 一連のセキュリティ関連業務には、時に技術以外の面で調整が必要な状況に直面する可能性があります。 そのような状況においてはセキュリティチームマネージャーが全力でサポートいたします。 また、ICT本部本部長やICT本部担当役員を通じて、経営陣や外部チームとのコミュニケーションをとることで何らかの調整ができる場合もあります。

<期待する役割> ご自身の専門性と組織課題が最も合致する領域からスタートしていただきます。その後は、経営・CTO・各開発責任者と連携し、その時々で解決すべき「最も解きごたえのある壁」に向き合っていただきます。 <想定される業務例> ●戦略的プロダクト開発・刷新への参画 ・成長痛に直面しているプロダクトに入り込み、ボトルネックの特定からアーキテクチャの再設計、難易度の高い実装までを牽引する。 ●全社横断的な「技術的突破口」の作成 ・特定のチームだけでは解決できない共通基盤(認証、データ連携、CI/CD等)の課題に対し、全社最適なソリューションを構築・展開する。 ●技術的意思決定のリードと品質の担保 ・複数チームが関わる複雑なシステムデザインのレビューや、セキュリティ・スケーラビリティ等の高い基準の策定と実行。 ●技術組織の成熟化への寄与 ・課題解決を通じて、次世代のリードエンジニアを育成し、組織全体の「壁を乗り越える力」を底上げする。 <開発環境> ●フロントエンド:TypeScript,React,Next.js ●バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) ●機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI ●インフラ:Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows ●Event Bus:Cloud Pub/Sub ●DevOps:GitHub,GitHub Actions,ArgoCD,Kustomize,Helm,Terraform,Datadog,MixPanel,Sentry ●Data:CloudSQL(PostgreSQL),AlloyDB,BigQuery,dbt,trocco ●API:GraphQL,REST,gRPC ●認証: Auth0 ●開発ツール:GitHub Copilot,Figma,Storybook ●コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

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

以下の中から個々のスキルや事業状況に応じた業務を担当いただきます。 ●ABEJA Platform / ABEJA LLM Series / ABEJA Insight for Retail などのプロダクトに関連する開発・運用業務の実施 ・AIパイプライン基盤、LLMOps基盤、数千台のカメラ・センサーデバイス等のデータ分析・可視化 B2B SaaS プロダクトなどの強化活動にバックエンドエンジニアとして参画し、提供価値を最大化、定期的なメンテナンス活動を実施 ●プロダクト研究・開発に必要な技術検証業務の実施 ・以下一例、スキルに応じて ・LLM/生成AIに関する技術検証 ・新しいフレームワーク、新しい基盤の技術検証 ・新しいIoTデバイスの価値検証 ●各種スクラムイベントへの参加 ・スプリントレビュー、レトロスペクティブ、スプリントプランニングの定例会議への参加 ・開発進行に関する議論に参加 ●サービスレベル改善と運用効率化業務(SRE業務)の実施 ・KAIZEN DAY(週1回)に参加し、デプロイ頻度の向上、変更リードタイムの短縮、変更障害率の低減を実現 ●その他の業務 ・エンジニアチームの強化のための採用活動や勉強会登壇などに積極的に参加 ・技術スタック一覧(StackShare)に基づいた開発や技術の選択と活用 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

●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