【フルリモート／週5】シニア機械学習エンジニア・AIリサーチャー（深層学習によるコアアルゴリズムの開発とビジネス課題の極限解決）

お任せしたいこと

自社で展開する数千万ユーザー規模の大規模プラットフォーム、または複雑な課題を抱えるエンタープライズ領域において、事業の心臓部となる機械学習（Machine Learning）および深層学習（Deep Learning）モデルの設計・開発・評価を牽引するシニア機械学習エンジニアをお任せします。
「流行りのライブラリをただインポートして学習させるだけのKaggle的なお遊び」や「ビジネスインパクトを無視して永遠に終わらないPoC（概念実証）」を徹底的に排除し、PyTorch等を駆使した最新論文（arXiv等）のアーキテクチャの独自実装から、数億レコードに潜むノイズと向き合う泥臭い特徴量エンジニアリング（Feature Engineering）までを遂行することで、AIの力を「実世界のビジネス価値」へと昇華させる中核的なポジションです。

具体的な業務内容

・PyTorch、TensorFlow等を活用した、画像認識（CV）、自然言語処理（NLP）、または時系列予測・レコメンドエンジンにおける深層学習モデルのスクラッチ設計と学習
・Pandas、NumPy、およびPySparkを利用した、数億〜数百億レコードのビッグデータに対する泥臭いデータクレンジング、欠損値補完、および高度な特徴量エンジニアリング
・XGBoostやLightGBM等の勾配ブースティングツリーを用いた、テーブルデータに対する高精度な予測モデルの構築と、SHAP値等を利用した予測結果の解釈性（XAI：Explainable AI）の担保
・最新の学術論文（NeurIPS、CVPR、ACL等）の継続的なキャッチアップと、実運用に耐えうるアーキテクチャの選定・プロトタイピング
・MLOpsエンジニアと密に連携した、学習済みモデルのONNX/TensorRT化による推論速度の極限の最適化、および本番環境への安全なデプロイ
・A/Bテストを通じたオンラインメトリクス（CTR、CVR等）と、オフライン評価指標（AUC、F1-score等）のギャップの泥臭い原因究明とアルゴリズムの改善
・データセットのバイアス（偏り）やアノテーション品質の低下をシステム的に検知し、Active Learning等を活用した効率的なアノテーションループの構築
・ビジネスサイド（PdMや事業責任者）と協調し、抽象的なビジネス課題を数理最適化や機械学習の定式化（Loss関数の設計等）へと泥臭く落とし込む要件定義

必須スキル・経験

・Pythonを用いた機械学習モデル（Deep Learning含む）の開発実務経験（目安として3年以上）
・PyTorch、TensorFlow、Keras等の深層学習フレームワークを用いた本番環境向けのモデリング経験
・線形代数、微分積分、確率統計論などの数学的知識に基づく、機械学習アルゴリズムの原理に対する深い理解
・SQLおよびPandas/PySpark等を用いた、大規模データの抽出・前処理（データラングリング）の実務経験
・Git / GitHubを用いたチーム開発、およびJupyter Notebook等の属人的なコードをプロダクションコードへリファクタリングした経験

歓迎スキル・経験

・Kaggle等のデータ分析コンペティションにおける入賞実績（Master、Grandmaster等）
・トップティアの国際会議（NeurIPS, CVPR, ACL, KDD等）での論文採択、または登壇実績
・画像処理（CNN, ViT）、自然言語処理（Transformer, BERT）、または推薦システム（GNN, Factorization Machines）の特定領域における極めて深い専門知識
・Docker、Kubernetes、MLflow等を利用したMLOpsの基礎的な理解
・AWS（SageMaker）やGCP（Vertex AI）を利用した大規模な分散学習（Distributed Training）の経験

開発・業務環境

開発言語：Python 3.11+, SQL
MLフレームワーク：PyTorch, TensorFlow, Scikit-Learn, LightGBM, XGBoost
データ処理：Pandas, NumPy, PySpark, Polars
クラウド・インフラ：AWS または GCP, NVIDIA GPU (A100, V100等), Docker
実験管理・MLOps：MLflow, Weights & Biases (W&B)
コミュニケーション・管理：GitHub, Jira, Slack, Zoom, Notion

プロジェクトチームについて

「どんなに最先端のアルゴリズムも、プロダクトのKPIを動かせなければただのコードの塊に過ぎない」と確信し、研究（Research）と開発（Engineering）の境界線を溶かしながら価値創造に執念を燃やすAI・機械学習チームへの配属となります。
「データが汚いから精度が出ない」というデータサイエンティスト特有の責任転嫁を極めて嫌い、データが汚いのであれば自ら前処理の泥臭いロジックを書き直し、ドメインエキスパートにヒアリングを行ってでも意味のある特徴量を絞り出す手堅いカルチャーです。本番環境でモデルの精度が突然劣化した際にも、単に再学習を回すのではなく、入力データの分布変化（データドリフト）やユーザー行動の変化を論理的にプロファイリングし、パズルを解き明かす実直なメンバーが集まっています。

求める人物像

・「最新の論文を実装すること」以上に、「その技術を使ってエンタープライズの複雑な業務課題を泥臭く解決すること」に研究者・エンジニアとしての美学を持てる方
・Jupyter Notebook上で美しい学習曲線を描いて満足するのではなく、推論のレイテンシやメモリ消費量という厳しいインフラの制約の中で、実利に基づいたトレードオフ判断ができる方
・数式やアルゴリズムの裏にある「ユーザーの真の意図」を想像し、数理モデルという無機質なものに血を通わせる知的好奇心と圧倒的な当事者意識を持った方

仕事の魅力

AIが単なるバズワードから「実社会のインフラ」へと移行した現代において、ビジネスドメインを深く理解し、ゼロからモデルを定式化して本番稼働させられる本物の機械学習エンジニアは極めて希少です。ペタバイト級のリアルデータと強大なGPUリソースを武器に、未解決のビジネス課題を泥臭くハックする経験を通じて、単なる「分析屋」や「PoC要員」を完全に凌駕し、世界中のメガベンチャーやAIスタートアップが最も高額なオファーで渇望する「シニア機械学習エンジニア / AIリサーチャー」としての圧倒的な市場価値を築くことができます。

働き方

リモート環境

[フルリモート] 基本的にフルリモートで働いていただけます。