機械学習の案件一覧

・学習データ作成のためのコーパス収集および整備
・機械学習モデルの学習および評価（学習結果の誤り分析を含む）
・前処理／後処理を含めた、学習結果を改善する技術の検証および実装
・機械学習を効果的に活用するための周辺技術開発

【参画メリット】
・チームで学習精度向上に取り組み、サービスの改善に直接貢献することができる
・自社プロダクトに関する開発だけでなく、今後のビジネスの方向性を踏まえた企画段階から携わっていただける
・B2BSaaSにおけるフェーズ移行中です。事業拡大につき、大きな裁量をもって組織づくりにも参画することが可能です。

◆主な開発環境・ツール
言語：C+​+​、Python
ツール：Linux、Github、Confluence
インフラ環境：AWS、docker

大規模な2D画像および動画データ群に対し、NVIDIAのフレームワークやVLM(Vision Language Model)を活用して「シーン抽出」や「重複画像排除」の仕組みを構築・検証いただけるエンジニアを募集します。

主な業務内容
大規模データのクレンジングおよび前処理の自動化・高度化を目的とした以下の業務を担当いただきます。

1. 要件定義・手法検討
   プロジェクト推進元エンジニアの支援を受けながら、対象データに適したシーン抽出・重複排除のロジックを確定。
2. 実装および検証
   NVIDIAの各種フレームワーク(DeepStream, Video Processing Framework等)や、最新のVLMを活用したスクリプトの実装。既存スクリプトの改修・最適化。
3. 作業報告書の作成
   検証結果の定量的評価、および実用化に向けた知見のドキュメント化。

生物学的年齢を再定義するアルゴリズム・アーキテクト
・エピジェネティクス情報を用いた新規エイジングクロック（生物学的年齢）算出ロジックの考案 ・臓器別（脳・心臓・腸など）の老化予測モデルの要件定義および実験計画の策定
・深層学習（LLM等）をバイオデータへ適用するためのアーキテクチャ設計および技術選定
・解析結果に基づく「病気にならない体作り（介入方法）」のサービス化に向けた仕様検討

生命のコードをAIに学習させる。LLM×深層学習エンジニア
・Python/PyTorchを用いた深層学習モデル（CNN/Transformer等）の構築・学習・評価, ・大規模言語モデル（LLM）技術を応用したエピジェネティクス解析モデルの実装
・特徴量エンジニアリングおよびハイパーパラメータチューニングによるモデル精度向上
・Git/GitLabを用いたチーム開発（プルリクエスト、コードレビュー）およびモデル管理, ・クラウド環境（GCP/BigQuery等）を用いた学習基盤の活用

電力需給管理会社様にて、内製での機械学習モデル開発のサポート要員・オペレーション要員を募集しています。
Pythonを使った太陽光発電量の予測モデルの開発です。

機械学習以外にも簡単なデータ処理の雑務や監視・運用などの日々のオペレーション業務を担当して頂く予定です。
監視・運用などの日々のオペレーション業務がメインですので、予めご了承ください。

・研究開発（R&D）領域におけるデータ分析・機械学習業務
・データ収集、前処理、品質確認（欠損・外れ値・分布確認 等）
・探索的データ分析（EDA）、可視化、仮説検証
・機械学習モデルの構築および評価（分類／回帰／時系列／異常検知 等）
・特徴量設計、評価指標設計、データリーク検知
・分析結果のドキュメント化、再現性を意識した社内共有
・適性に応じてモデル開発高度化、AI×DB活用、MLOps領域への関与あり

MLエンジニアとして、事業指標の改善に向けた業務をお願いいたします。
・機械学習基盤の設計・構築(Vertex AI活用)
・レコメンデーションアルゴリズムの選定・実装、運用フローの自動化など
・ビジネスサイドと連携

◆主な開発環境・ツール◆
・言語：Python
・クラウド(サービス)：GCP(Vertex AI・BigQuery・Spanner・Cloud Run)
・構成管理：Terraform
・CI/CD：GitHub Actions
・コミュニケーションツール：Slack・Notion

Databricksを新規構築し、Databricks上でPoCとして機械学習のユースケースを実証する。

期待役割：
・基盤のリーディング
・顧客対峙、
・databricksの基盤周りの設計、構築
・databricksの標準機能をフルに活かしてデータサイエンティストの実装支援
（既存の数理モデルの解析は別担当者が実施します。解析後にdatabricksの標準機能を利用してモデルを実装頂きます。）

・クラウド基盤の設計、構築経験があること
・Databricksの構築経験があること
・DatabricksにてAutoML等での機械学習プログラムの実装経験があること
・顧客と仕様についての折衝経験があること
・1人称でタスク遂行できること
・顧客向けにパワーポイントで検証結果報告資料が作成できること

・金融SaaSサービス運営企業におけるデータサイエンティストとしてデータ解析及び機械学習モデルの活用に携わっていただきます。
・データの前処理、特徴量エンジニアリング、モデル構築・評価おびよび改善
・機械学習モデルのパフォーマンス最適化
・プロダクト内および社内へのAI導入

・開発言語：Python、Typescript
・機械学習・統計モデリング：scikit-learn、LightGBM、pandas、numpy etc.
・クラウドプラットフォーム：Google Cloud Platform
・分析基盤：BigQuery
・アプリケーション：Next.js、FastAPI
・構成管理ツール：Terraform、Cloud Build
・データモデリング：Dataform
・データビジュアライゼーション：Metabase/Redash
・その他：Docker、GitHub、Slack、Github Copilot etc.

・営業活動の効率化と成果最大化を目的としたプロダクト事業の創出～グロースを担っている部門にて、バックエンドエンジニアとして参画していただきます。
・その中で、生成AIベースのアバターと会話のトレーニングが可能なAIプロダクト開発を担当いただきます。
・主な業務内容として、AIを用いた営業職向けのサービスの機能開発として、システム全般（主にバックエンド）の改善提案・設計・実装や、コードレビュー、コーディング規約、ユニットテストなどを通してコードの品質向上に携わっていただきます。

◆主な開発環境・ツール
言語：Kotlin(サーバーサイド),TypeScript,Python,Go,Ruby
FW：Django,React.JS,FastAPI,Next.JS,Node,JS
DB：MySQL,PostgreSQL,Cassandra,S3
その他：GitHub,JIRA,Teams,Confluence,GitHubActions,ChatGPT