【フルリモート／週5／Python】LegalTech・AI特許文書解析＆侵害リスク自動判定プラットフォーム開発

お任せしたいこと
［役割］
Python (3.12+) を用いた、国際特許事務所・企業知財部門向けAI特許明細書解析および類似特許検索・権利侵害リスク予測エンジンのバックエンド開発
［役割に対して求める成果］
pgvector / Milvus を用いたベクトル検索（Vector Search）インデックスのパフォーマンス最適化および vLLM / LangChain による特許請求範囲（Claims）抽出パイプラインの高速化により、数十万件の特許データベースに対する類似度検索レスポンスを 0.5秒以下へ短縮し、特許調査業務の工数を 60% 削減

具体的な業務内容
Python 3.12+ / FastAPI を用いた、特許解析エンジンおよびバックエンド REST / gRPC API の設計・開発
vLLM / OpenAI API / LangChain を活用した、多言語特許明細書からの構造化データ抽出（請求項、技術課題、実施例）処理の実装
Milvus / PostgreSQL (pgvector) を用いた、高次元ベクトルデータベースのインデックス構成・ハイブリッド検索（BM25 + Semantic Search）の最適化
Celery / Redis を用いた、特許PDF/XMLのバッチ取り込みおよび非同期テキスト前処理（MeCab / spaCy）パイプラインの構築
Pytest / DeepEval を用いた、LLM抽出結果精度および検索精度（MRR / NDCG）の評価自動テスト環境の確立

必須スキル・経験
Python を用いたバックエンド API または非同期データ処理システムの開発・運用経験（4年以上）
Vector DB（Milvus, Qdrant, Pinecone, pgvector 等）を用いたベクトル検索または RAG システムの構築・チューニング実績
FastAPI または Django / Flask 等を用いた高パフォーマンスな API 設計経験
LLM（OpenAI API, LangChain, LlamaIndex 等）を活用したプロダクションレベルの自然言語処理実装知見

歓迎スキル・経験
LegalTech、リーガルテック、特許・知的財産（IP）、法務論文解析領域での開発実績
vLLM や TensorRT-LLM を用いたローカル LLM 推論サーバーのホスティング・最適化経験
MeCab, GiNZA, spaCy 等を用いた大規模テキスト形態素解析・自然言語処理パイプラインの構築知見
AWS (ECS, Bedrock) や GCP (Vertex AI) を活用した AI インフラ運用実績

開発環境
言語/環境: Python 3.12+, FastAPI, LangChain, vLLM, spaCy
データ/DB: PostgreSQL (pgvector), Milvus, Redis, Amazon S3
テスト/ツール: Pytest, Ruff, Poetry, Docker, Kubernetes
クラウド/CI: AWS (ECS, Bedrock, S3), GitHub Actions
コミュニケーション: Slack, Notion, Jira, GitHub

働き方
リモート環境
[フルリモート] フルリモートで働いていただけます。