【東大松尾研発AIベンチャー】AI/MLエンジニア（Vision Language Model・動画認識）
| 掲載会社名 | 株式会社Ollo |
|---|---|
| 業種 | その他IT・Webサービス |
| 職種 | AIエンジニア・データサイエンティスト |
| 勤務地 | 東京都文京区 |
| 雇用形態 | 正社員 |
| 勤務時間 | 10:00〜18:00 夜間勤務:なし 月間平均残業時間:20時間以下 |
| 理論年収 | 700万円～1000万円 |
| 給与詳細 | ■ストックオプション制度あり ■賞与1ヶ月分（業績に応じて変動） |
| 仕事内容 | 【募集背景】 当社のコア技術である動画認識AIは、世界中の製造現場で日々膨大な作業映像を解析しています。このポジションでは、動画認識モ デル（Vision Language Model、VLM）の開発・改善を中心に担っていただきます。 具体的には、以下のような方向でモデルを進化させていきます。 モデルの精度や実行スピードの向上 動画を対象としたRAG（Video RAG）による現場ナレッジの検索・活用 エッジデバイス上での大規模モデルの実行 製造ラインでのリアルタイム推論 研究と実装の両面で取り組むべきテーマが多く、中心メンバーとして関わっていただけるポジションです。 【業務内容】 ・製造現場の作業動画を解析するVision Language Modelの研究開発・改善 ・行動認識・姿勢推定・物体検出など、Computer Vision領域のモデル設計・学習・評価 ・多様な現場環境（照明・カメラ角度・作業内容）に対応するロバスト性の向上 ・エッジデバイス上での大規模モデルの最適化・デプロイ ・製造ラインにおけるリアルタイム推論パイプラインの構築 ・モデルの量子化・蒸留・プルーニングによる軽量化 【開発環境】 ・Webフロントエンド: TypeScript, Vue, Nuxt.js ・バックエンド: Go, GraphQL, Python(FastAPI) ・デザイン: figma ・データベース: MySQL ・コミュニケーションツール: Slack ・ドキュメント管理: Notion ・コード管理: GitHub ・laC: Terraform ・インフラ: AWS ・IDE: vscode ・CI/CD: GitHub Actions ・コーディング支援: Github Copilot |
| 応募必須項目 | 以下のいずれか、または複数の実務経験（1年以上）もしくはそれに準ずる研究実績 ・動画・画像認識（物体検出、行動認識、セグメンテーション等） ・VLM / マルチモーダルモデル（Vision-Language系モデルの学習・活用） ・LLM（ファインチューニング、RAG、プロンプトエンジニアリング等） ・Python を用いたソフトウェア開発経験（1年以上） ・Deep Learningフレームワーク（PyTorch 等）の実践的な利用経験 【歓迎（WANT）】 ・Video Understanding / Action Recognition 分野の研究・開発経験 ・Vision-Language Modelの学習・活用経験 ・LLM / VLM の post-training 経験（SFT、instruction tuning、RLHF・DPO 等の強化学 習ベースのアライメント） ・動画や画像を対象としたRAGシステムの設計・構築経験 ・エッジ推論の最適化（TensorRT、ONNX Runtime、量子化・蒸留等）の経験 ・リアルタイム映像処理パイプラインの設計・実装経験 ・製造業ドメインの知見 ・論文の執筆・国際学会での発表実績 ・英語でのコミュニケーション能力（グローバル展開に伴い活用機会あり）[. 【求める人物像】 ・最新のAI技術動向を積極的にキャッチアップし、プロダクトに応用できる方 ・技術で社会に貢献したいという意欲のある方 ・不確実性の高い環境でも自律的に仮説を立て、検証・改善を繰り返せる方 |
| 学歴 | 大卒以上 |
| 休日休暇 | 〈休⽇休暇〉
休⽇：土⽇祝休み 年間休⽇：123⽇ 休暇制度：夏季休暇、GW休暇、年末年始休暇、有給休暇 補足情報： |
| 福利厚生 | 交通費支給、社会保険完備、健康診断
補足情報：・交通費支給 |
求人ID：D51_260421