【Machine Learning Engineer】機械学習、データサイエンスにおけるモデルの開発および、それらを継続的にサービスに対して提供できる基盤の構築、保守、運用を行います。

【仕事内容】 Machine Learning Engineerは、機械学習、データサイエンスにおけるモデルの開発および、 それらを継続的にサービスに対して提供できる基盤の構築、保守、運用を行います。キャディの持つデータを活用し、 プロダクトに価値を提供できる高い精度でのモデリング技術、およびチームでの安定したシステム開発を期待します。 以下に業務例を示します。実際の業務はこれに限定されるものではありません。 入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。 【業務例】図面に対する画像認識システムの構築 図面画像を解析し、図面上に記載された情報を抽出する技術開発を行います。 ・画像からの特徴抽出、それらを用いた類似画像検索システムの構築、保守、運用 ・画像認識モデルの構築、アノテーションの仕組み作り ・大規模言語モデル(LLM)や大規模視覚モデル(LVM)の活用検討 ・作成した画像認識モデルのデモやレポートの作成および社内外への技術説明 ・高いモデル精度を保証するための実験、分析、可視化 ・図面上の情報抽出を行うバッチ処理、APIの開発とデプロイ 【業務例】CADデータに対する解析システムの構築 CADデータを解析し、CAD内の情報や3D形状情報から必要な情報を抽出する技術開発を行います。 ・CAD解析モデル・アルゴリズムの構築、アノテーションの仕組み作り ・作成したCAD解析モデルのデモやレポートの作成および社内外への技術説明 ・高いモデル精度を保証するための実験、分析、可視化 ・CADデータから情報抽出を行うバッチ処理、APIの開発とデプロイ 【業務例】機械学習プロジェクトマネジメント 図面解析モデルをはじめとした機械学習モデル開発のプロジェクトマネジメントを行います。 ・図面情報に関する課題の社内外からのヒアリングおよび要件を満たせるタスク定義 ・プロダクトマネージャーと議論し、機械学習モデルのKPI詳細化・スケジュール合意 ・必要に応じてアノテーションを定義し、アノテーションチームと適宜連携しデータセット作成 ・図面解析・CAD解析に記載の業務例を自身 or チームの機械学習エンジニアとともに推進 【開発環境】 ・言語 ※フロントエンド: TypeScript ※バックエンド: Rust, TypeScript, Python ・フレームワーク・ライブラリ ※フロントエンド: React, Next.js, WebGL, WebAssembly ※バックエンド: Rust (axum), Node.js (Express, Fastify, NestJS), PyTorch ・インフラ: Google Cloud, Google Kubernetes Engine, Anthos Service Mesh ・データベース・データウェアハウス: CloudSQL(PostgreSQL), AlloyDB, Firestore, BigQuery ・API: GraphQL, REST, gRPC ・監視・モニタリング： Datadog, Sentry, Cloud Monitoring ・環境構築：Terraform ・CI/CD：Github Actions ・認証: Auth0 ・開発ツール: GitHub, GitHub Copilot, Figma, Storybook ・コミュニケーションツール: Slack, Discord, JIRA, Miro, Confluence