VLM ソリューションエンジニア

必須

• 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
• コンピュータビジョンに関する研究または実務経験
• 特定タスク向けの画像認識モデル（分類・物体検出・セグメンテーション等。CNN・Transformer ベースを問わない）の活用・実装経験
• VLM の活用・実装経験
• 社内外のステークホルダーと協働し、顧客の課題を解決した経験
• 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できること
• PyTorch 等の深層学習フレームワークを用いた、Pythonによる実装経験
• 数学、自然科学（物理、化学など）に関する、大学教養課程程度の知識（もしくは学習により習得可能なこと）
• チームでの課題解決の経験
• 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

• オープンソースの VLM／LLM（例：LLaVA、Qwen-VL、InternVL 等）の評価・改善・ファインチューニング経験
• VLM／LLM の推論最適化・サービング・分散学習・量子化等、効率的なモデル運用に関する経験
• VLM の評価設計・ベンチマーク構築、あるいは学習・評価用データセット構築（合成データ含む）の経験
• 医療画像、外観検査、自動運転、リモートセンシング いずれかの分野における専門的な画像認識・コンピュータビジョンの実務経験
• エンターテインメント（映像・アニメーション等）分野における画像・映像データ活用の知見
• 動画理解、物体検出・トラッキング、OCR 等、周辺技術の実務経験
• ロボティクスや VLA（Vision-Language-Action Model）に関する知見・関心
• アプリケーション開発もしくは運用経験（Web／クライアント／スマホ等、機種問わず）
• ライブラリの開発経験
• Unix／Linux サーバ運用経験
• 英語での技術文書作成・コミュニケーション能力

求める人物像

• 画像認識からキャリアを始め、オープンなVLMの活用・実装へとスキルを広げてきた方の応募を歓迎します。
• また、特定のドメインに強みを持ちながら、複数の産業領域に応用可能な広い視野を持ち、顧客と対話しながら課題を解決することを楽しめる方の応募を歓迎します。

使用ツール

募集背景

• 当社は、多様な産業分野の顧客企業と共同して課題解決に取り組み、当社の計算基盤を用いた研究開発・実装を通じて「現実世界を計算可能にし、共に未来を創り出す」というミッションの実現を目指しています。 近年、画像・映像データを対象とした顧客の課題に対し、特定のタスクに特化した画像認識モデルから、柔軟な指示により幅広いタスクへ対応できる VLM（Vision Language Model）まで、課題に応じて技術を使い分け、組み合わせるソリューションの需要が急速に拡大しています。この需要に応えるため、本ポジションでは、VLMを用いた価値提供に知見を持つエンジニアを募集します。 また、当社はオープンな VLM の活用に加え、自社 VLM「PLaMo-VL」をスクラッチから開発しており、モデル開発チームと近い距離で連携しながら、その知見とモデルを顧客課題に直接適用できることも特徴です。 画像認識からキャリアを始め、オープンなVLMの活用・実装へとスキルを広げてきた方の応募を歓迎します。また、特定のドメインに強みを持ちながら、複数の産業領域に応用可能な広い視野を持ち、顧客と対話しながら課題を解決することを楽しめる方の応募を歓迎します。

業務内容

• 以下に業務例を示しますが、実際の業務はこれに限定されるものではありません。入社後にご担当いただく案件・業務内容は、専門的知識・経験を考慮のうえ決定します。
• 問題領域や顧客の事業領域に応じて、画像認識・VLMを組み合わせた解決を行います。
• VLMのファインチューニング・プロンプト設計・評価によるタスクへの適用
• 古典的な画像処理、特定タスク向けの認識モデル（検出・セグメンテーション等）、VLMを顧客要件に応じて組み合わせたソリューション設計
• 外観検査・異常検知、動画要約・検索、画像・映像データからの構造化情報抽出
• 実データまたはシミュレーションに基づく、画像認識・VLMモデルの評価
• 案件に応じて、VLA を用いたロボティクス・自動化領域の課題への適用
• 画像・映像データを対象とした課題解決プロジェクトを運営・推進します。
• 新規案件の立ち上げ、顧客ヒアリング、要件定義、エンジニアリング、およびレポーティング
• 対象となる画像・映像データおよびその取得環境・業務プロセス等の観察および分析
• 技術的実現可能性が高く、かつ顧客を満足させるタスクの定義
• 顧客に対するモデルの挙動や実験結果の説明