【機械学習】ヘルスケア領域における基盤モデル開発リサーチャーの求人・案件

• データアナリスト

本ポジションでは、研究者・技術者と連携しながら、生体情報領域における基盤モデル開発の主要メンバーとして、以下のようなテーマに取り組んでいただきます。

• 大規模生体データの解析・前処理・品質評価
• 機械学習 / 深層学習モデルの研究開発
• 生体分子・遺伝情報の特性を加味した基盤モデルの実装・評価・改善
• 分散学習基盤やML開発基盤の構築・最適化
  一般的なテキストや画像だけでなく、新規性の高い生体データ形式を対象に、研究開発から実装・運用まで一連の工程に関わるポジションです。
  このポジションの魅力
• 大規模データを活用した基盤モデル開発に取り組める
• 百億単位のパラメータ規模のモデル学習・改善に関われる
• 計算機クラスタを活用した分散学習・高速化に挑戦できる
• ライフサイエンス×AIという領域で研究開発できる
• 研究に留まらず、ヘルスケア応用まで見据えた開発に携われる
  業務内容
  AI × 生体情報研究開発プロジェクトにおいて、以下の業務を担当します。

1. データ解析・研究開発

• 大規模生体分子 / 医療データの前処理・品質評価
• 探索的データ分析・可視化・仮説検証
• 特徴量設計・データ表現の設計
• 学習用データセットおよび評価用データセットの整備

2. 機械学習 / 深層学習モデル開発

• 機械学習モデルの設計・実装・評価
• 基準モデル構築およびモデル改善
• 表現学習 / 自己教師あり学習 / 基盤モデル開発
• GPU環境を用いたモデル学習・実験運用
• モデル性能評価、誤差分析、改善提案

3. 大規模学習・開発基盤

• 分散学習ジョブの設計・運用・最適化
• 学習パイプライン / 開発基盤 / 実験管理基盤の構築
• 大規模データ入出力や再現性を考慮した研究開発フローの整備
• MLOps / 機械学習システム観点での改善

4. 研究プロセス・チーム連携

• 評価指標設計・ベンチマーク設計
• 実験の再現性担保、ログ管理、ドキュメント化
• 分析結果のドキュメント化・社内共有
• 研究者・データアナリスト・技術者との協働

以下のいずれかの領域において実装・最適化の経験を有すること
– アーキテクチャ設計と事前学習の実務経験（特定深層学習構造を用いた大規模モデルの設計・実装経験、スケーリング則に基づき学習に必要な計算リソースを定量的に見積もる能力、事前学習のパラメータ調整および学習安定化の経験）
– 大規模分散学習のエンジニアリング（分散学習フレームワークをモデル規模やネットワーク帯域に合わせてチューニングした経験、複数ノード環境における計算資源間通信ボトルネックの解消および効率的なデータ入出力パイプラインの設計経験、並列化手法の実装を通じたメモリ制約下での学習最適化）

– チーム開発の経験（バージョン管理運用、コードレビュー文化）
– クラウドプラットフォーム（AWS/GCP/Azure等）の利用経験
– 表現学習 / 自己教師あり学習 / 主要モデル構造 / 大規模言語モデルの研究開発経験
– GPU環境でのモデル学習の経験
– 分散学習 / 高性能計算環境の利用経験
– 統計モデリング / 因果推論 / ベイズ統計などの知識
– 不均衡データ / 時系列 / 複数種別データ解析の経験
– 論文実装・研究再現・ベンチマーク構築

• Python

• AWS
• GCP
• Git

• DeepSpeed
• PyTorch

• LLM