機械学習エンジニア条件を変える閉じる
クライアント向け特化LLM開発エンジニア
給与
記載なし※ 募集要項に金額の記載がありません
- 勤務地
- 記載なし
- 雇用形態
- 正社員
- 働き方
- ハイブリッド勤務
- 年間休日
- 記載なし
在宅勤務あり
要約求人票をもとにAIがまとめたものです
特化LLM開発エンジニアは、PLaMoや用途に応じた各種LLMに追加学習を行い、ドメインおよびクライアント固有の課題に適合した実用モデルを構築します。クライアントと協働して課題を見極め、案件に応じて要件定義から学習・評価・提供までを推進します。業務例には、学習・評価データの設計と生成、評価指標・ベンチマークの設計、クライアントへのヒアリングや技術検証が含まれます。
応募資格
必須
- コンピュータサイエンスの知識を活用した課題解決の経験
- コンピューターサイエンスのすべての分野への精通を目指し、常に最先端の技術を追いかけ続けていること
- 特に、機械学習に関する研究または実務の経験および実績
- 機械学習・深層学習モデルの学習やファインチューニングに携わった経験
- 実データに基づく問題解決の経験（業界・分野不問）
- 特に、顧客を満足させ技術的に解決可能である適切なタスク定義を行う能力
- ソフトウェア開発経験(Python, Go, C, C++, Java, 等)
- コンピューターアーキテクチャーを理解し、ソフトウェアの実行効率や、計算量を意識したプログラムの作成が出来る
- 特にPythonまたはC++によるプログラミング能力
- 顧客と協働して課題を解決した経験（顧客と議論しながら本質的な課題を整理・定義した経験を含む）
- 数学、自然科学（物理、化学など）に関する、大学卒業程度の知識（もしくは学習により習得可能なこと）
- 社内のチームメンバーと協働して課題を解決した経験
- ビジネスレベルの日本語能力（日本語非母語話者においてはJLPT試験でN1レベル相当）
歓迎
- 製造業・エネルギー・金融・公共などの産業分野または学術領域に関する専門的知識・経験または実績
- コンピューターサイエンスのすべての分野に精通していること
- ソフトウェアの開発経験
- リードエンジニアとして開発プロジェクトを牽引した経験
- OSSへのコントリビューション経験
- AWSやGCPなどのクラウドサービスを用いたシステムの開発経験
- CI/CDの構築経験
- その他、プログラミング能力/ハードウェア設計能力が秀でていることが証明できること
- LLMの追加学習の経験
- 継続事前学習や、事後学習（指示学習・強化学習）などの実装・運用経験
- 分散学習フレームワーク（FSDPやDeepSpeedなど）を使った開発経験
- データ生成、学習、評価までのパイプラインの構築経験
- データセットやベンチマークなどの作成経験
- 多言語の自然言語処理や、多言語向けのコーパス構築・モデル学習の経験
- 研究開発の経験
- 自分の専門分野に関する深い知見と経験
- 英語論文の調査・読解およびサーベイ資料作成経験
- 英語論文執筆経験
- 開発プロジェクトにおける5名以上のチームのリーダーシップ経験
- ビジネスレベルの英語能力（CEFR C1相当以上）
求める人物像
- 多様な産業領域におけるドメイン特化LLMの開発と社会実装に携わりたい方、熱意のある方のご応募をお待ちしています。
募集要項最終確認 9/26
- 職種
- 機械学習エンジニア
- 雇用形態
- 正社員（試用期間3ヶ月、本採用と同条件）
- 給与
- 記載なし
- 手当
- 通勤手当在宅勤務手当
- 勤務地
- 記載なし
- 働き方
- ハイブリッド勤務（オフィス出社と在宅勤務を組み合わせての勤務）
- 勤務時間
- 専門労働型裁量労働制（みなし労働時間：8時間）もしくはフレックス制
- 休日・休暇
- 土曜日日曜日国民の祝日国民の休日年末年始当社規定による年次有給休暇制度（入社時26日付与）育児休暇慶弔休暇など
- 福利厚生
- 確定拠出年金制度ラップトップPC購入補助定期健康診断実施
- 社会保険
- 社会保険完備（厚生年金保険、健康保険、雇用保険、労災保険）
- 掲載日
- 2026/07/19 00:17（72日前）
- 最終確認
- 2026/09/26 01:16（3日前）
仕事内容
職務内容
特化LLM開発エンジニアは、PLaMoや、用途に応じた各種LLMを起点に、対象ドメインへの継続事前学習や、事後学習（指示学習・強化学習）などの追加学習を通じて、ドメインおよびクライアント固有の課題に適合した実用モデルを構築します。
自社モデルの追加学習とドメイン適合、そしてそれによるクライアントの課題解決が中核となります。
クライアントと密にコミュニケーションを取りながら、追加学習が有効な課題の見極めや、他の手法との組み合わせも含めた提案を行い、案件に応じて要件定義から学習・評価・提供までを推進します。
実際の業務はこれに限定されるものではありません。
入社後に実際にご担当いただく業務内容は、専門的知識・経験を考慮のうえ決定します。
業務例
業界のデータやクライアント提供データを用いた、PLaMoをはじめとするLLMの継続事前学習・事後学習（参考: [日本語農業大規模言語モデルの構築](https://www.preferred.jp/ja/industries/public/614)）
多言語を含む、クライアントのドメインやタスクに特化した高品質かつスケールする学習データ・評価データの設計と生成
追加学習の効果を測るドメイン固有の評価指標・ベンチマークの設計と、それを軸にした反復的な精度向上
クライアントへのヒアリング・要件定義、技術検証、および結果のレポーティング
PLaMo翻訳を始めとするタスク特化モデルの構築
この求人は株式会社Preferred Networksの採用ページの掲載内容をもとに構成しています。応募条件の最新情報は募集元をご確認ください。
募集元の採用ページから応募できます
応募は株式会社Preferred Networksの採用ページで受け付けています。このページは採用ページの掲載内容をもとに構成しているため、最新の応募条件は募集元でご確認ください。