シニア機械学習エンジニア（Applied Research Engineer）

必須

• 機械学習、自然言語処理、画像処理、音声処理のいずれかの分野における、実課題に対する仮説検証・モデリングの実務、または研究開発経験（3年以上）
• 「歓迎スキル」のうち、いずれか複数の領域にまたがる知識や経験があること
• 論文ベースの手法を実装・検証し、実際の課題解決に適用した経験
• Pythonによる機械学習モデルの開発経験
• 日本語でのビジネスレベルのコミュニケーションスキル / Native-level Japanese proficiency

歓迎

• ドメイン特化モデル開発

  • 特定ドメイン（医療・金融・行政等）のデータを用いたLLMのファインチューニング・継続事前学習の経験
  • ドメイン特化タスクに対するベンチマーク構築・評価・改善の経験
  • ドメイン特有のデータ形式の理解と前処理の実装経験

• ドメイン固有のデータ解析

  • 機密性の高い文書の匿名化・構造化・情報抽出などのテキスト処理システムの開発経験
  • 人流データなど大規模時系列データの解析・可視化・予測モデル構築の経験
  • LLMと時系列データ・信号処理を組み合わせた分析システムの開発経験

• AIエージェント

  • AI Agent/Multi Agent Systemの設計・実装経験
  • Tool Use/Function Calling/MCP等を活用した外部ツール、Agent間連携
  • Agentic WorkflowやAgentic RAGの構築

• LLM軽量化・最適化・リアルタイム推論

  • LLMの量子化・蒸留・プルーニング等の軽量化技術の実装経験
  • 推論高速化のための最適化技術（モデル並列化、バッチ処理等）の実装経験
  • 限られた計算リソースでの高精度LLMの構築経験（小型化と性能のトレードオフ設計）
  • リアルタイム推論が求められるシステムの設計・実装経験
  • エッジデバイスやローカルPC環境で動作する小型LLMの開発・最適化経験

• マルチモーダルLLM

  • マルチモーダルLLMを用いた、テキストと非テキストデータを統合した解析システムの開発経験
  • 音声認識・ボイスボット等の音声LLMシステムの開発経験

• その他

  • 特定ドメイン（医療・金融・行政等）での業務経験や深い知識
  • クライアント折衝・プロジェクトマネジメントの経験
  • チーム開発の経験
  • 顧客課題の理解・要件定義・技術提案の経験

求める人物像

• "Long Term Greedy"（目先の利益を追い求めるのではなく、 より広い視野で、より長期的な視点で最適化を行う）というELYZAのバリューに共感し、実践できる方
• 新技術を「研究的に試す」だけでなく「社会で活きる形」に変換することに喜びを感じる方
• 抽象的な課題に対して自ら仮説を立て、検証を回すことが好きな方
• チームと共に知を積み重ね、挑戦し続けられる方

使用ツール

募集背景

• 金融・製造・医療・行政など、高い専門性やセキュリティ、精度、運用要件が求められる領域では汎用モデルをそのまま利用するだけでなく、ドメインに応じたモデルの適応や評価、マルチモーダル化、軽量化などが必要になるケースがあります。
• 本ポジションでは、ELYZAがこれまで培ってきた基盤モデルの研究開発・社会実装の知見を活かしながら、顧客課題に応じて「ドメイン特化モデル開発」「マルチモーダル」「軽量化・推論最適化」などのアプローチを検討・実装し、実際の価値創出までを技術面からリードしていただきます。

求める期待・役割

• API利用に留まらず、LLM・音声・VLMのモデル開発など、MLエンジニアリングが求められるテーマを幅広くリードし、顧客課題を解決していただきます。
• コンサルタントやソフトウェアエンジニアと協働し、先端技術の社会実装に向けて以下のフェーズを推進します。
• 顧客の事業・業務課題を理解・構造化し、LLMなどの先端技術を活用した解決策を設計・検証する
• 論文や最新技術動向を追いながら、エンタープライズ領域の実課題に適用可能な形に翻訳・カスタマイズする
• 顧客とともにPoC、本番導入、運用改善まで進め、AIが実際の業務で継続的に利用される状態をつくる
• コンサルタントやソフトウェアエンジニアと協働し、ユーザー体験に直結するアプリケーションを構築する
• チーム横断的に知見共有や仕組み化を進め、再現性のある社会実装の加速に貢献する

本ポジションの魅力

• 研究成果と実際の顧客課題の間に立ち、先端技術を社会で使われる形へ変えていくポジションです。
• 研究成果を実課題へ適用するApplied Research** 論文や研究成果をそのまま適用するのではなく、顧客データや業務要件に応じて手法を選択・改良し、実環境で有効性を検証します
• モデル開発から社会実装まで関われる** モデルの学習・評価だけでなく、PoC、アプリケーションへの組み込み、本番導入、運用後の改善まで、技術が実際に価値を生むところまで関わることができます
• 幅広いAI技術を実課題で扱える** LLM、VLM、音声、AIエージェント、モデル軽量化・最適化など、顧客課題に応じて複数の技術領域を横断しながら開発できます
• ResearchとSolutionを横断したキャリア** Researcher、Software Engineer、Consultantなどと協働しながら、研究開発と実装プロジェクトの双方に関わることができます

開発環境

• セキュリティ意識を高く保ちつつ、利用可能な場面では Claude Code、Devin などの最新のAI開発ツールをフルに活用しています。**
• バックエンド (ML)：Python , Haystack
• データベース：Amazon OpenSearch Service
• インフラ：Google Cloud (実験環境) , AWS (本番環境) , Terraform
• 開発周辺ツール：Google Drive , Figma , GitHub , VS Code (任意)
• コミュニケーションツール：Slack , Notion , Google Meet