Python(機械学習・AI系)の案件一覧

大規模エピゲノムデータを学習させた基盤モデル（Large Epigenome Model, LEM）の開発を担当していただきます。ゲノム領域の潜在表現を獲得することで、さまざまな生物学的タスク（バイオマーカー予測、予防医療AIなど）への応用を可能にするプロジェクトです。
主な業務内容：
大規模エピゲノムデータを用いた自己教師あり学習・表現学習モデルの設計・実装
Autoencoder 系モデル、Transformer、大規模言語モデルを活用したゲノム領域の潜在表現獲得
Long context 処理可能なモデルのアーキテクチャ設計と事前学習の高速化アルゴリズム研究
PyTorch / JAX などを用いた深層学習フレームワークでのモデル実装
大規模 GPU 学習、分散トレーニング、HPC 環境での運用
PyTorch Distributed、CUDA、クラウド環境（AWS 等）での学習・運用

・表現学習、自己教師あり学習、Autoencoder 系モデル、Transformer、大規模言語モデルの実務経験
・PyTorch / JAX など深層学習フレームワークでの実装経験
・Long context モデルや大規模言語モデルのアーキテクチャ設計経験
・大規模 GPU 環境での学習・分散トレーニング経験

ヘルスケア系スタートアップの研究開発部門にて、
DNAメチル化（エピゲノム）データを活用した統計解析・データ分析業務を担当いただきます。

本プロジェクトでは、以下のデータを統合し、
生物学的年齢（Biological Age）や疾患発症リスク・死亡リスクの予測モデルの研究開発を進めています。

・DNAメチル化データ（CpGサイト：約27万特徴量）
・人間ドック・健康診断データ
・大学研究機関の長期追跡研究データ（20年スパンの死亡率・疾患発症データ）

チーフサイエンティストおよびバイオインフォマティクスチームと連携しながら、
研究開発に必要なデータ前処理・探索的分析・統計解析・可視化を担っていただきます。

また解析結果は、
医学論文・学会発表・研究レポート等で利用されるため、Publication Qualityのデータ可視化が重要なミッションとなります。

【主な業務内容】
・DNAメチル化データ／医療データのクレンジング・整形
・探索的データ分析（EDA）
・統計解析（回帰分析、生存時間解析など）
・医療研究向けデータ可視化（論文・学会用図表作成）
・Python / Rを用いた解析パイプライン構築
・研究チームとの仮説検証ディスカッション

LLMを活用した次世代AIエージェントの開発案件
文字、音声を含むマルチモーダルデータを統合的に解析するシステム構築を担当
プロトタイプ開発からプロダクト実装まで幅広く対応

＜主な業務内容＞
・LLMを活用したAI機能開発、評価、最適化
・AIエージェントの実装
・RAG（RetrievalAugmentedGeneration）およびベクトル検索の実装
・FastAPIベースのバックエンド開発、AI推論API設計
・OpenAI／Gemini／Claude／vLLM等の統合運用
・AWS環境構築およびパフォーマンス最適化

使用技術：Python、FastAPI、OpenAI API、Gemini API、AWS（ECS／Fargate、S3）、Docker、GitHub

大手銀行の法人営業支援AIツール開発プロジェクト

■業務内容・期待役割
大手銀行における法人営業支援用AIツール構築にあたり、Azureサービスを用いたLLMアプリケーションのアルゴリズムに関する設計・開発・検証を中心にご担当いただきます。
ソフトウェア開発を担当するエンジニアと連携し、熟練の法人営業担当者の知見をAIに落とし込む開発をします。
具体的には下記の業務を推進していただきます：
・Azureサービスを利用したLLMアプリケーションアルゴリズムの詳細設計（利用想定サービス：Azure OpenAI、CosmosDB、Azure AI Search）
・LLMアプリケーションアルゴリズムの開発・検証
・既存アルゴリズムの改善
・開発ドキュメントの作成、仕様調整
・他メンバーとの技術連携
・コードレビュー対応

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

・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

大手情報・通信業のお客様にて AI/生成AI を活用した業務効率化案件が推進されております。
アイディア・方針に沿って実際の開発業務を担って頂ける方を募集しております。

画像生成AI技術の開発・実装をご担当いただきます。

【具体的な業務内容】
・画像生成モデルのファインチューニング（LoRA等の手法を使用）
・AIエージェントベースのデザインソリューションの構築・開発
・カスタム画像検索ロジックの設計・実装
・人物顔検出システムの開発・改善
・画像処理・解析アルゴリズムの研究・実装
・生成AI技術を活用した新機能の企画・開発
・モデルの性能評価・最適化
・他部署・開発チームとの技術連携

◆開発環境
フロントエンド: TypeScript, Next.js, React
バックエンド: Python
インフラ : GCP, GPU cloud Services
開発ツール : Slack, Confluence, Jira, Google Workspace, Github

◆作業環境
・Mac (Appleシリコン)
・Github Copilotと社内GPT利用可能
・モニター2台まで利用可能

業務整理担当が顧客へのヒアリングを通じて作成した業務フロー図に基づき、各マルチエージェントの実装をPythonで行っていただきます。

実装後は、業務整理担当が用意したテストシナリオに沿って、各マルチエージェントの動作確認（テスト）を実施していただきます。

テストで不具合が見つかった場合には、デバッグ作業を行っていただきますが、その際には全体構成を俯瞰したうえで、
修正方針についてご提案いただけるとより望ましいです。

【求める人物像】
・チームとの連携を重視し、自発的な報連相ができる方
・技術やプロジェクト状況の変化に対して前向きかつ柔軟に対応できる方
・プロジェクト内テックリードの設計思想を理解し、それに基づいた実装ができる方

・Python, Gitを用いた開発経験（一人称で対応できるレベル）
・AzureのAppService, CosmosDB, AI Searchの知識