【機械学習エンジニア】エッジAI・モデル最適化担当（京都勤務）

仕事内容

機械学習エンジニアとして以下、業務をご担当いただきます。 ■業務詳細 ・PyTorchで実装された画像解析モデルの構造・推論処理を理解し、エッジデバイス上で動作可能な形式へ実装を修正・最適化する ・INT8量子化、ONNXエクスポート、推論ランタイム・変換ツールに対応したモデル変換対応を行う ・エッジデバイス向け変換ツールでサポートされないPyTorch演算や実装を特定し、対応可能な演算のみを用いた実装へ置き換える ・PyTorchモデルおよびエッジデバイス上にデプロイしたモデルの推論精度・速度・メモリ使用量などの性能評価を行う ・Precision、Recall、IoU、mAPなどの評価指標を用いた画像解析モデルの評価スクリプトをPythonで実装する ・評価データセット、前処理、推論結果、評価条件を整理し、再現性のある評価環境を構築・運用する ・Git / GitHubを用いたコード管理、レビュー、チーム開発を行う ・モデル変換・量子化・評価結果について、課題や改善案をドキュメント化し、関係者へ共有する ■ポジションメリット ・PyTorchモデルの「作った先」である、実社会（エッジデバイス）で動かすための最先端の最適化・高速化スキルが身につく点 ・量子化やONNX変換、未サポート演算の代替など、AIエンジニアの中でも市場価値が特に高い「エッジAIの専門性」を確立できる点 ・精度・速度・メモリのトレードオフを定量的に評価し、検証の再現性を担保するような、質の高いMLOps（機械学習基盤）の実務経験が積める点 ・研究開発にとどまらず、自分が最適化したAIモデルが実機に組み込まれ、現場でリアルタイムに動作する手応え（社会実装）を感じられる点 ・スマート工場やIoTの普及に伴い、今後世界中でさらに需要が高まる「エッジAIのスペシャリスト」としてのキャリアパスが広がる点 ■このポジションにマッチする方 ・既存のPyTorch実装を丁寧に読み解き、モデル精度を維持しながらエッジデバイス向けに最適化できる方 ・モデル変換や量子化における制約・エラーに対して、原因を切り分けながら粘り強く解決できる方 ・精度、速度、モデルサイズ、実装制約などのトレードオフを意識して開発できる方 ・評価条件や実験結果を整理し、再現性のある形で作業を進められる方 ・チームメンバーと適切にコミュニケーションを取りながら、課題・進捗・リスクを共有できる方 ・実装だけでなく、評価結果をもとに改善方針を考えられる方 ・新しい変換ツール、推論ランタイム、エッジAI技術に対して自ら調査・検証できる方 【開発環境】 ■言語・フレームワーク ・フロントエンド 　- フレームワーク：Vue.js／Nuxt.js 　- デザインフレームワーク：Vuetify 　- Android ・iOS開発：Flutter ・バックエンド 　- 言語：Python 3.x, Node.js 　- フレームワーク：Fast API／Flask／Strapi ■開発基盤・インフラ ・DevOps：GitLab ・クラウド：AWS ・EC2／Fargate／ECS／Lambda／RDS／S3／CloudFront／StepFunctions／SageMaker／Amplify など ・構成管理：Ansible - その他開発ツール：Docker, Adobe, Figma 等 - コミュニケーションツール：Slack, Google Meet, Zoom