AI・機械学習の案件一覧

大手小売チェーンのEC・実店舗データを活用し、商品の「需要予測」および「動的価格設定」の機械学習モデルを構築・改善するプロジェクトです。アルゴリズムの選定から実装、ビジネス層への効果説明までを主導していただきます。

• 大規模な購買履歴や販促データのデータ前処理および特徴量エンジニアリング
• 機械学習アルゴリズムを用いた需要予測モデルの設計、実装、評価
• 予測結果に基づく最適な値引き率や価格設定ロジックのモデリングとシミュレーション
• 本番環境へのモデル組み込みを見据えたパイプラインの設計支援
• 事業サイド向けの報告資料作成およびプレゼンテーション

– Pythonを用いた機械学習モデル（回帰、時系列予測等）の設計・開発・運用経験（3年以上）
– SQLを用いた大規模データの抽出・加工スキル
– 需要予測、価格最適化、レコメンデーションなど、小売・EC領域での実務経験
– 数理モデルのロジックや分析結果を、非エンジニアへ分かりやすく説明できる高いコミュニケーション能力

AI技術を用いた先端科学・医療分野のデータ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

• 大規模な専門データ・医療情報の前処理、品質評価、探索的データ分析（EDA）、可視化、および仮説検証
• 特徴量設計、データ表現の最適化、学習・評価用データセットの整備

1. 機械学習 / 深層学習モデル開発

• 深層学習モデルの設計・実装・評価、およびベースライン構築と継続的改善
• 表現学習、自己教師あり学習、またはドメイン特化型基盤モデルの開発
• アクセラレータ（GPU等）環境を用いたモデル学習・実験運用、性能評価、および誤差分析

1. 大規模学習・開発基盤

• 分散学習ジョブの設計・運用・最適化、および学習パイプライン・実験管理基盤の構築
• 大規模データI/Oや再現性を考慮した研究開発フローの整備、およびMLOpsの推進

1. 研究プロセス・チーム連携

• 評価指標・ベンチマークの設計、実験の再現性担保、ログ管理、およびドキュメント化
• 各分野の研究者、データサイエンティスト、エンジニアとの緊密な協働

以下1、2のいずれかの領域において、「実装および最適化」の実務経験を有すること。
1. アーキテクチャ設計と事前学習の実務経験
– Transformerベースのモデル、または最新の動的状態空間モデル（SSM等）を用いた大規模モデルの設計・実装経験
– 基盤モデルの拡張則（Scaling Laws）に基づき、数千億〜兆規模のトークン学習に必要な計算リソースを定量的に見積もる能力
– 数十億〜数百億パラメータ規模のモデルにおける事前学習のチューニングおよび学習安定化の経験
2. 大規模分散学習のエンジニアリング
– 主要な分散学習ライブラリ（PyTorch FSDPやDeepSpeed等）を、モデル規模やネットワーク帯域に合わせてカスタマイズ・チューニングした経験
– マルチノード環境における通信ボトルネックの解消、および大規模データに対する効率的なI/Oパイプラインの設計経験
– シーケンス並列（Sequence Parallelism）等の実装を通じた、単一メモリに収まらないコンテキスト長に対する学習最適化経験

AIシステム基盤開発および研究開発業務
先端のAI技術を統合した高度なシステム基盤の開発や、データ分析・最適化業務をご担当いただきます。

主な業務内容

• 最新の技術論文や研究に基づく、大規模言語モデル・検索拡張生成・視覚言語モデル等を統合した複合的なAI基盤の開発
• 確率論や統計学の知見を用いた、AI出力結果の信頼性評価およびアルゴリズムの最適化
• データベース言語等を用いた、AIの学習や検索処理に最適化された大規模データの構築および管理

– AIシステム領域におけるプログラミング実務経験、およびPython等を用いた高い開発能力
– 機械学習、深層学習、または各種アルゴリズムに関する基本的な知識
– 技術論文の読解や海外動向の調査、グローバルなコミュニケーションが可能なビジネスレベルの英語力

AIプロダクトを開発するベンチャー企業にて、下記業務をお願いします。

・AIプロダクトのバックエンド開発
・アーキテクチャの設計・構築
・インフラ環境の設計・構築
・機械学習開発 etc.

◆主な開発環境・ツール◆
・言語(FW等)：Python・TypeScript(Next.js・React.js)
・OS：Linux
・コミュニケーションツール：Slack・Google Workspace・Confluence
・クラウド：GCP
・ソースコード・バージョン管理：Github
・タスク管理ツール：Jira
・CI/CD：Circle CI・Github・Jenkins etc.

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(VertexAI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

DjangoやFastAPIなどのフレームワークを用いたRESTful APIの設計・構築

デプロイしたアプリケーションの徹底的なテスト、デバッグ、最適化を実施

■開発環境■
Python, Django, FastAPI, SQL, Influx, Prometheus

・Pythonでの開発経験3-5年
・AIおよびデータ処理に関連するPythonライブラリおよびフレームワークの使用経験
・DjangoまたはFastAPIの知識
・SQL、Influx、Prometheusデータベースの使用経験
アジャイル環境での実務経験
・英語によるコミュニケーション(TOEIC800点以上が理想)

大手総合商社のDX推進プロジェクトにて、生成AI（RAG等）を活用した意思決定支援システムの開発を担当。
技術選定から設計・開発・チームリードまで一気通貫で推進し、顧客折衝や開発プロセス構築も担う。

＜主な業務内容＞
・生成AI（RAG等）を活用した意思決定支援システムのアーキテクチャ設計/開発
・事業部門との要件定義、仕様調整
・Python（FastAPI） / React　Next.js）によるクラウドネイティブ開発
・開発メンバーへの技術指導、コードレビュー
・生成AIツール（Claude / Gemini / Devin等）を活用した開発プロセス構築

・プロジェクトリード経験（技術選定、メンバーマネジメント等）
・顧客折衝を含む要件定義経験
・Python／Reactを用いた開発経験
・AWS／GCP／Azure等クラウド環境での設計～構築経験
・コードレビュー経験

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

ライブ配信事業における、データ分析業務に携わっていただきます。

・切り抜き動画・ショート動画の因果効果分析（PSM/ATE推定）
・エコシステム分析・KPI因果構造の設計支援
・分析手法のレビューと再現性確保

【開発環境】
使用言語: Python, SQL, HCL（Terraform）
ETL：dbt, Trocco
データストア: MySQL, snowflake
インフラ: AWS, GCP
プロジェクト管理ツール: GitHub, Slack, Notion

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