• フリーランス案件一覧

PyTorchの案件一覧

過去に募集したエンジニア、データサイエンティスト、マーケターの案件を中心に掲載しています。
非公開案件を多数保有していますので、ご希望のイメージに近い案件をクリックして無料サポートにお申込みください。
専門コンサルタントがヒアリングを通じて最適な案件をご提案いたします。
単価や稼働日数などの条件面についてもお気軽にご相談ください。

該当件数：3件

PyTorchの案件を探す

New

【Python】製造業向けSaaS展開企業におけるAI・機械学習エンジニアの求人・案件

フルリモート
案件内容

日本のものづくりを支える中小製造業のデジタル化を支援するSaaS型サービスを展開する企業にて、AI・機械学習エンジニアとして参画いただきます。
【業務内容】
製造業データを活用した検索・AI機能について、技術検証からプロダクション実装まで幅広く担当いただきます。

  • 画像・ドキュメントを対象とした検索パイプラインの設計・実装
  • 埋め込みモデルを用いた検索手法の検証
  • Vision / Multimodalモデルの評価・活用
  • 画像・テキスト・構造化データを組み合わせた検索
  • データ前処理・特徴抽出手法の検証
  • 検索・モデル品質を継続的に評価する評価基盤の構築
  • 技術検証で有効性を確認したアルゴリズムのWeb API化・プロダクション実装
  • 推論速度・コスト・拡張性を考慮したシステム最適化
  • 本番運用を通じた継続的な改善
    開発環境の傾向
  • フロントエンド：TypeScript / 外部フレームワーク
  • バックエンド：Webフレームワーク / スクリプト言語
  • インフラ：AWS/GCP/Azure等（コンテナ実行環境, RDBMS, IaCツール）
  • その他：ドキュメント管理ツール / コミュニケーションツール / デザインツール / GitHub
必須スキル

– ベクトル検索 / RAG / 画像検索 / レコメンドの実プロダクト実装経験
– Pythonを用いたAI・機械学習モデルの実装経験
– PyTorch等を用いたディープラーニングモデル（特に画像処理・コンピュータビジョン領域）の実装・評価経験
– 仮説検証（PoC）から精度評価、プロダクション環境（コンテナ技術/AWS/GCP/Azure等）へのWeb API化までを自律的に推進した経験

【Python】金融領域向け機械学習モデル開発および運用支援の求人・案件

リモート・常駐 併用
案件内容

大手ITサービス企業の機械学習チームにおいて以下のような業務を担当いただきます。

  • 与信モデルの開発・運用・改善
  • 評価設計：オフライン指標だけでなく、重要なビジネスKPIやリスク指標、ユーザー体験を含めた評価設計
  • 運用設計：モデル性能変化や不具合の検知から恒久対応まで含む、サービスレベル目標および運用設計
  • モデル構築：データ分析、特徴量設計、テーブルデータ向けの機械学習モデルの設計・実装、推論／学習パイプライン整備、再現性担保、実験管理、モデルの品質保証を含む設計・実装
  • プロダクト／ビジネス／法務／コンプライアンス等の関係者を巻き込んだ合意形成
  • 次世代与信モデルの検討および開発 等
必須スキル

– PyTorchを用いた深層学習モデルの研究開発・実装経験（実務3年以上目安）
– PythonおよびSQLを用いたデータ処理・分析・特徴量設計の実務経験（2年以上）
– 実験管理ツールを用いた体系的なモデル評価・実験の経験
– チームメンバーや関係者との円滑な連携および技術的根拠を論理的に説明できるコミュニケーション力

【Python】AI分野におけるモデル開発・データ解析の求人・案件

常駐
案件内容

■業務内容
AI分野の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
•ベースライン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I/Oや再現性を考慮した研究開発フローの整備
•運用自動化 / 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・データサイエンティスト・エンジニアとの協働
必須スキル

– 以下1, 2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。
– 1.アーキテクチャ設計と事前学習の実務経験
– •各種モデルを用いた大規模モデルの設計・実装経験。
– •基盤モデルに基づき、大規模データ学習に必要な計算リソースを定量的で見積もる能力
– •一定規模のモデルにおける事前学習のハイパーパラメータ・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
– •各種ライブラリを、モデルの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GPU間の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
– •各種並列化技術の実装を通じた、単一GPUメモリに収まらないコンテキストの学習最適化

検索結果3件中1-3件