機械学習エンジニア■フルリモート/正社員■機械学習・AIモデルの開発から運用を一貫してリード

■場所：フルリモート
※京都オフィスへ出社が可能な方も歓迎しております
出社場所：
京都府京都市左京区田中門前町73番 百万遍ビル 3F

■時間：平日9:00~18:00
※実働8時間、休憩1時間
※時間外労働：有

■形態：正社員

━━━━━━━━━━━━━━━━
概要
━━━━━━━━━━━━━━━━
Athena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。企業が抱える課題は、最初から「どのAI技術を使えば解決できるか」が明確になっているとは限りません。業務やデータの状況を理解し、解決すべき課題を整理したうえで、適切なモデルやシステムへ落とし込む必要があります。

私たちは、生成AI・LLM、画像認識、深層学習、数理最適化、需要予測などの技術を組み合わせ、顧客ごとの課題に応じたオーダーメイド型のAIシステムを開発しています。
課題の整理や要件定義から、データ設計、モデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で関わり、AIを技術検証やPoCで終わらせず、実際の業務で使われる状態にすることを重視しています。

本ポジションでは、顧客の業務課題を理解し、適切な機械学習技術を選定したうえで、モデルやAI機能の設計・開発・運用を担っていただきます。

━━━━━━━━━━━━━━━━
業務内容
━━━━━━━━━━━━━━━━
・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価・改善
・データセットの構築、前処理、アノテーション設計、特徴量設計
・課題に応じたアルゴリズムやモデルの選定、チューニング、精度検証
・API、バックエンド、データ基盤と連携したAI機能の実装
・クラウド環境（AWS、GCP等）へのモデルのデプロイ・運用
・モデルのモニタリングおよび継続的な改善
・MLOpsの導入による学習・評価・改善サイクルの構築
・クライアントとの要件定義、技術提案、フィジビリティスタディ
・現場ヒアリングや業務分析を通じた課題の特定
・バックエンドメンバー、フロントエンドメンバー、顧客と連携したプロダクト開発
・技術内容や検証結果に関する顧客への説明
・提案から実装、本番運用までのプロジェクト推進
・コードレビュー、コード品質向上、レビュー制度の構築
・ご経験に応じたチームリードや将来的なメンバー育成

■業務内容の変更範囲
AIアルゴリズム・モデル開発業務、ならびに付随する業務、など
※全ての業務への配置転換あり

━━━━━━━━━━━━━━━━
プロジェクト例
━━━━━━━━━━━━━━━━
【キッコーマン様：食材と調味料の相性を予測するAIモデルの共同研究】

キッコーマン様と、食材と調味料の組み合わせに対し、人がどの程度「おいしい」と感じるかを予測するAIモデルを共同で開発しました。味覚の評価は人によって異なり、モデル開発に使用できるデータが最初から存在していたわけではありません。そのため、どのような質問や評価方法でデータを収集するかという設計段階から取り組み、アンケートデータの収集・分析、モデル構築を進めました。このようなプロジェクトでは、モデルを実装するだけでなく、顧客の専門知識を理解し、データの作り方や検証方法を設計するところから関わります。まだ正解やデータが定まっていない課題を、顧客とともに機械学習で扱える形へ整理し、モデルとして実現する経験を得られます。

参考：キッコーマン様 味覚予測AI共同研究
https://athenatech.jp/case/kikkoman-taste-prediction

【長谷工コーポレーション様：外壁タイル接着率判定システム】

建設現場における外壁タイルの検査業務に対し、画像認識技術を用いて接着剤の充填状況を判定するモデルを開発・提供しました。スマートデバイスで撮影したタイル裏面の画像から、接着剤が塗布された部分をセグメンテーションモデルで抽出・分類し、接着率を数値として算出します。人の目視や色彩だけに依存していた検査をAIで支援し、検査精度の向上と記録業務の効率化につなげた事例です。このようなプロジェクトでは、現場で取得される画像データの特性を理解し、データセットの構築、モデル開発、精度検証、業務システムへの組み込みまで関わります。

参考：外壁タイル接着率判定システム
https://athenatech.jp/case/haseko-adheresive-segmentation

━━━━━━━━━━━━━━━━
仕事のやりがい
━━━━━━━━━━━━━━━━
Athenaの機械学習エンジニアは、あらかじめ決められたモデルを実装するだけの役割ではありません。顧客へのヒアリングや業務分析を通じて、「どの課題を解決するのか」「AIをどの工程に適用するのか」「どのようなデータが必要か」を整理し、モデル、データ、システム構成を設計します。

生成AIやLLMに限らず、画像認識、数理最適化、時系列予測など、顧客の課題に応じて異なる技術を扱えることが特徴です。また、モデルの精度検証だけでなく、APIやバックエンドへの組み込み、クラウド環境へのデプロイ、モニタリング、継続的な改善まで担当します。顧客の曖昧な課題を、実際に利用できるAIシステムへ変える一連の経験を得られるポジションです。

━━━━━━━━━━━━━━━━
必須条件
━━━━━━━━━━━━━━━━
・機械学習／深層学習を用いたプロダクト開発経験（3年以上を目安）
・Python、PyTorchまたはTensorFlow、Scikit-Learn等のライブラリを用いた実装経験
・クラウド環境（AWS、GCP等）でのモデル運用・展開経験
・API、バックエンド、データ基盤と連携した経験（Webサービス形式）
・フルタイム勤務が可能な方（実働8時間／日、週5日）

━━━━━━━━━━━━━━━━
歓迎条件
━━━━━━━━━━━━━━━━
・生成AI・LLM関連の研究または実装経験
・画像認識、物体検出、セグメンテーション等の実装経験
・MLOpsツール（MLflow、Kubeflow等）を用いた運用経験
・強化学習、時系列予測、数理最適化、需要予測などの応用経験
・データ収集、アノテーション、評価指標の設計経験
・チームリード、プロダクトオーナー、技術リードの経験
・セキュリティ・ガバナンスの観点を踏まえたAI運用経験

━━━━━━━━━━━━━━━━
求める人物像
━━━━━━━━━━━━━━━━
・課題やビジネスゴールから逆算し、適切な技術やアーキテクチャを選択できる方
・新しい論文や技術を継続的に学び、自ら実装・検証へ移せる方
・担当範囲を限定せず、案件の品質向上に必要な課題を見つけて行動できる方
・顧客の業務要件と技術的な制約を整理し、関係者との合意形成を進められる方

・Reworker運営事務局による推薦可否判断
・書類選考
・面接2-3回
・内定
※基本は面接のみですが場合によっては技術課題の発生可能性がございます

・履歴書
・職務経歴書
※選考フロー、必要書類は変更する可能性がございます