AIエンジニア

Nishikaとは

当社は 「テクノロジーですべての人が誇りを持てる社会を」 をビジョンに掲げ、AIをコア技術とするプロダクトを開発・提供するスタートアップです。 具体的には、「AIに任せられることはAIに任せて、人は人にしかできない仕事に邁進できるような社会を実現したい」という思いのもと、テクノロジーを、普段テクノロジーからは縁の遠い人にとっても当たり前の存在にしていきたいと考えています。 社名に込めた想いや実現したいビジョンの詳細については下記をご一読頂けると嬉しいです。 AI革命の真っ只中で「人にしかできないこと」にフォーカスし、ビジョンを実現する(/AI革命の真っ只中で「人にしかできないこと」にフォーカスし、ビジョンを実現する) Nishikaでは現在、以下の事業に取り組んでいます。 AIプロダクト事業 ・オフラインで利用可能なAI議事録ソフトウェア「SecureMemo」 ・AI議事録SaaS「SecureMemoCloud」 AIソリューション事業 ・LLM/SLMをコア技術としたお客様向けコンサルティング・開発 現在PMFを超えて事業拡大のフェーズに入っており、二つの事業を拡大させていくために多くの仲間を募集しています。

SecureMemo/SecureMemoCloudとは

主力事業である AI議事録プロダクトSecureMemo/SecureMemoCloud は、昨年比200%以上の成長を遂げています。 SecureMemoは警察・防衛系国家機関を中心としたガバメントセクターへ、SecureMemoCloudはエンタープライズ企業への導入がそれぞれ進んでおり、 急成長事業でありながら安定的な事業基盤が構築できている のも特徴です。 プロダクトの最大の強みは、高い性能を誇る 音声認識AI・話者認識AI・議事録作成機能を担うLLM/SLM です。AIそのものの性能の高さだけでなく、ユーザー体験を最適化するためのAIの活用方法にもこだわり、以下のような強みを実現しています。

Nishikaの強み

SecureMemo / SecureMemoCloud には様々な技術的な強みや差別化要素があります。 世界最高水準の音声認識精度を達成する独自音声認識AI「shirushi」

特許取得

音声AIと生成AIの組み合わせにより、ユーザーの専門用語・社内用語を認識

特許取得

ユーザーの修正履歴を利用し音声認識結果を改善するパーソナライズ校正 業界随一の高精度・高速を両立した半教師あり話者認識AI LLMのコンテキストエンジニアリングにより高度に構造化された議事録を自動生成する「ほぼ完議事録」 SecureMemoをご利用いただける層を拡充すべく、ロースペック環境でも高い性能を発揮する要約特化SLM（小規模言語モデル）を開発しており、本テーマの社会実装の価値を認めいただき、 経済産業省・NEDOによる国産LLM開発プロジェクト「GENIAC」に採択(https://prtimes.jp/main/html/rd/p/000000061.000052152.html) されています。 上記の技術的な強みを発揮出来ている背景には、事業としてAIソリューション事業も有しているため、技術力の高いデータサイエンティスト/AIエンジニアが多く在籍していることがあります。

Nishikaが目指す世界

SecureMemo/SecureMemoCloudはAI議事録ソフトウェアとして広く導入いただいていますが、Nishikaは「AI議事録をつくる会社」が最終ゴールではありません。 SecureMemoシリーズが目指すものは、 会議を全てデータ化すれば、圧倒的な発展を遂げる生成AIの力で多くの価値を引き出せる。そんな世界を実現したい。 です。 SecureMemoシリーズはAI議事録ではなく、会議AIアシスタントとなることを目指しています。会議AIアシスタントの一丁目一番地は高い精度であると考えており、そこに精度に強みを持つ我々が取り組む意義があると捉えています。 精度こそが会議AIの一丁目一番地 ― SecureMemoシリーズの展望(https://note.com/nishika_inc/n/n022a826becbb) 社名の「Nishika」は「自分にしかできない」「あなたにしかできない」「その人にしかできない」の「にしか」が由来です。 AIというテクノロジーの力を使ったプロダクトを広く提供し「◯◯にしかできない」を実現するのに欠かせないパートナーとなることを目指しています。 AI革命の真っ只中で「人にしかできないこと」にフォーカスし、ビジョンを実現する(https://note.com/nishika_inc/n/ne8e3db41f8be) より中長期的な視点としては、議事録アプリで培った音声認識や生成AI活用等の要素技術を活用した新たなアプリケーションを順次開発・ローンチしていく考えです。複数プロダクトにより、広範な業務のDXを支援できるような企業へと進化することが、ビジョンの実現に近づいていく道だと考えています。

Nishikaのカルチャー

文字通りフラットである点が最大の特徴で、ビジネスサイド・エンジニアサイド、正社員・業務委託・SES・インターンなど立場に関係なく、各人に意見を求め・また言い合える文化があります。 例えば、エンジニアサイドが行なっている社内勉強会である「AIよもやま研究定例」には、正社員エンジニアはもちろん、業務委託・SES・外部の会社の方も参加することがあります。立場は関係なく、誰が言うかではなく何を言うかが重要であると考え、積極的な情報共有・学習を行っています。 より大きな事業に仕立てる・より良いプロダクトをつくることが、当然最も重要な目標です。この目標に向かって、スタートアップらしく素早い意思決定で大きな成長を実現しにいきつつ、職場環境としては、 建設的に意見を戦わせながら最先端技術を活用した仕事をしていきたい方にフィットする環境 だと考えています。 上記のような文化の礎として、Nishikaでは 5つのValue（価値観） を大切にしています。 Respect：立場や役割を超えて相手を尊重する姿勢 建設性：建設的なコミュニケーション、業務遂行 GRIT：プロフェッショナリズム、粘り強くやり遂げる執念、責任感、主体性 価値提供：ユーザー、顧客、仲間、組織に対する価値提供の意識 先見性：先端技術、ユーザートレンド、ビジネス環境に対する先見性、アンテナの高さ

Nishikaのチーム

Nishikaは多様なバックグラウンドのメンバーが集ったチームです。 テックチームの紹介資料を用意しました。テックチームのメンバー、私たちが大切にしているもの、技術課題、技術スタックなどまとめています。是非弊社の雰囲気を感じていただければと思います。 テックチーム紹介資料(https://speakerdeck.com/nishikainc/nishika-techteam-introduction)

募集背景

主力事業であるAI議事録ツール「SecureMemo/SecureMemoCloud」は昨年比200%成長を遂げており、政府系機関からエンタープライズ企業まで、幅広い組織にプロダクトを提供しています。 事業拡大に伴い、音声認識・話者認識・LLMを活用したプロダクトの開発スピードを加速させるとともに、本番環境での安定運用とスケーラブルなML基盤の構築が急務となっています。 そこで、AIモデルのプロダクト実装から運用基盤の整備まで、一気通貫で担えるAIエンジニアを募集します。

仕事内容

本ポジションのミッションは、「研究開発されたAIモデルをプロダクションレベルで実装し、安定的かつスケーラブルに運用できる基盤を構築すること」です。 音声認識・話者認識・LLMを実際のプロダクトに組み込むプロダクトのMLOps/LLMOps関連の領域と、顧客向けのプライベートAI・ソリューションの開発の両面で活躍いただきます。 ※ご本人の適性や希望、案件状況を総合的に鑑みて、担当を決めます。

事業・ポジションの魅力

技術が事業の中核にあるプロダクト AI技術がプロダクトの競争力そのもの 業界最高水準の精度を実現する音声認識・話者認識技術をプロダクションで運用 特許を取得したLLMによる校正技術の実装・運用に携わる 最新のAI技術をプロダクションレベルで実装する経験が積める 成長性と安定性を併せ持つ事業基盤 昨年比200%成長のスタートアップフェーズ 官公庁向け大規模案件を通じた安定した事業基盤 国のインフラを支える責任あるシステムで使用されるAIの運用に関われる環境 政府系機関からエンタープライズまで、多様な顧客への導入実績 知見共有が盛んで高いレベルで切磋琢磨できる環境 AIエンジニア・リサーチエンジニアはKaggleでメダル獲得、上位入賞の実績のあるメンバーで構成 毎週水曜には「よもやま定例」という名の技術勉強会でR&Dやエンジニアリングのナレッジや意見交換を実施 最新の論文・技術トレンドをキャッチアップし、実務に活かす文化 AIエンジニアとして幅広い経験が積める モデル実装からインフラまで一気通貫で担当 オンプレミス・クラウド両方の環境での開発経験 AWS/Azure/GCPのマルチクラウド環境での運用経験 0→1のフェーズでML基盤を構築できる

プロダクトのMLOps/LLMOps

モデル実装・最適化 音声認識モデル・話者分離モデルのプロダクション実装 LLMを活用した機能（要約、校正、翻訳等）の実装・最適化 推論パフォーマンス最適化（量子化、蒸留、バッチ処理等） ML/LLM基盤・パイプライン構築 モデル学習パイプラインの構築・自動化 実験管理基盤の整備（MLflow, Weights & Biases等） モデル・プロンプトテンプレートのバージョン管理 データバージョニング・管理基盤の整備 CI/CD・デプロイメント モデル・プロンプトのテスト自動化（精度検証、出力品質評価） デプロイパイプラインの構築・運用 モニタリング・インフラ運用AIモデルのパフォーマンス監視（精度、レイテンシ、スループット） プロンプト・出力品質の継続的評価 ダッシュボード構築・運用（Langfuse, Grafana等） AWS/GCPでのインフラ運用・コスト最適化 コンテナオーケストレーション（ECS, Kubernetes）

プライベートAI/ソリューション開発

カスタマイズ開発 顧客要件に応じた音声認識AI・LLM処理のカスタマイズ エンタープライズ向けAIソリューションの設計・実装 コンサルティングプロジェクト推進 課題ヒアリング・要件定義 データ分析・モデル構築・評価 技術レポーティング・提案資料作成 プロトタイプ開発・PoC実施 ソリューション開発案件事例 小売系企業 課題：ドキュメント・チャット履歴からFAQを自動生成し、変更に追従してメンテナンスを効率化・品質向上したい 支援内容：生成AIによるFAQ自動生成システムを構築。ドキュメント更新を検知してFAQの追加・更新・削除を自動判断。画像理解によるドキュメント構造解析で高品質化を実現 化粧品企業 課題：製品広告の薬機法・景表法チェックに工数がかかり、見落としを減らして確認品質を向上したい 支援内容：Few-shot learningにより、使用体験談中の法令抵触表現（効果効能訴求等）を自動検出する生成AIアプリケーションを開発

技術スタック

SecureMemo（オンプレミス版） プログラミング言語・フレームワーク: Python, FastAPI, Flutter AI/ML: 音声認識AI、話者分離AI、大規模言語モデル、自然言語処理 開発ツール: Git, Docker インフラ: Windows OS, AWS（LLM Fine-Tuning用途） SecureMemoCloud（クラウド版） プログラミング言語・フレームワーク: Python, FastAPI, TypeScript, React, Next.js AI/ML: 音声認識AI、話者分離AI、大規模言語モデル、自然言語処理 開発ツール: Git, Docker, Langfuse インフラ: AWS（ECS, RDS, S3, SageMaker, Lambda）, Azure（Azure OpenAI Service）, GCP（BigQuery）

こんな人と働きたい

「最終的にエンドユーザーに届いたものの価値が最重要」という意識のもとで、技術選定・実装を行える方 研究開発されたモデルをプロダクションレベルに落とし込み、安定運用させることにやりがいを感じる方 いち早くプロダクトに実装しユーザーに価値を届けることと、技術的負債を作らない設計のバランスを取れる方 新たな技術（特にMLOps/LLMOps）について、関心を持ち、触って楽しみ、プロダクトに取り込もうという気持ちのある方 他のエンジニアやプロダクトマネージャーと協働し、合意形成しながらプロジェクトを進められる方 自ら学び続け、技術的な課題に対して主体的に取り組める方

キャリアパス

入社直後〜中期モデルのプロダクション実装やML基盤構築を通じて、以下のスキルを伸ばしていただきます。 音声認識・話者認識・LLMのプロダクション実装スキル MLOps（CI/CD、モニタリング、インフラ管理）のスキル チームで協働するスキル（技術的なコミュニケーション、コードレビュー等） 顧客折衝スキル（技術提案、アーキテクチャ設計の説明等） 将来ご本人の志向性に応じて、以下のキャリアパスを想定しています。 プロダクト開発チーム・ソリューション開発プロジェクトのリード 開発チームのマネジャー

選考プロセス

カジュアル面談 ▼ 書類選考 ▼ 技術面接（1回） ▼ 最終面接（代表との面接） ▼ 内定

特許取得

音声AIと生成AIの組み合わせにより、ユーザーの専門用語・社内用語を認識 ユーザーの修正履歴を利用し音声認識結果を改善するパーソナライズ校正 業界随一の高精度・高速を両立した半教師あり話者認識AI LLMのコンテキストエンジニアリングにより高度に構造化された議事録を自動生成する「ほぼ完議事録」 SecureMemoをご利用いただける層を拡充すべく、ロースペック環境でも高い性能を発揮する要約特化SLM（小規模言語モデル）を開発しており、本テーマの社会実装の価値を認めいただき、 経済産業省・NEDOによる国産LLM開発プロジェクト「GENIAC」に採択(https://prtimes.jp/main/html/rd/p/000000061.000052152.html) されています。上記の技術的な強みを発揮出来ている背景には、事業としてAIソリューション事業も有しているため、技術力の高いデータサイエンティスト/AIエンジニアが多く在籍していることがあります。Nishikaが目指す世界SecureMemo/SecureMemoCloudはAI議事録ソフトウェアとして広く導入いただいていますが、Nishikaは「AI議事録をつくる会社」が最終ゴールではありません。SecureMemoシリーズが目指すものは、 会議を全てデータ化すれば、圧倒的な発展を遂げる生成AIの力で多くの価値を引き出せる。そんな世界を実現したい。 です。SecureMemoシリーズはAI議事録ではなく、会議AIアシスタントとなることを目指しています。会議AIアシスタントの一丁目一番地は高い精度であると考えており、そこに精度に強みを持つ我々が取り組む意義があると捉えています。精度こそが会議AIの一丁目一番地 ― SecureMemoシリーズの展望(https://note.com/nishika_inc/n/n022a826becbb)社名の「Nishika」は「自分にしかできない」「あなたにしかできない」「その人にしかできない」の「にしか」が由来です。AIというテクノロジーの力を使ったプロダクトを広く提供し「◯◯にしかできない」を実現するのに欠かせないパートナーとなることを目指しています。AI革命の真っ只中で「人にしかできないこと」にフォーカスし、ビジョンを実現する(https://note.com/nishika_inc/n/ne8e3db41f8be)より中長期的な視点としては、議事録アプリで培った音声認識や生成AI活用等の要素技術を活用した新たなアプリケーションを順次開発・ローンチしていく考えです。複数プロダクトにより、広範な業務のDXを支援できるような企業へと進化することが、ビジョンの実現に近づいていく道だと考えています。Nishikaのカルチャー文字通りフラットである点が最大の特徴で、ビジネスサイド・エンジニアサイド、正社員・業務委託・SES・インターンなど立場に関係なく、各人に意見を求め・また言い合える文化があります。例えば、エンジニアサイドが行なっている社内勉強会である「AIよもやま研究定例」には、正社員エンジニアはもちろん、業務委託・SES・外部の会社の方も参加することがあります。立場は関係なく、誰が言うかではなく何を言うかが重要であると考え、積極的な情報共有・学習を行っています。より大きな事業に仕立てる・より良いプロダクトをつくることが、当然最も重要な目標です。この目標に向かって、スタートアップらしく素早い意思決定で大きな成長を実現しにいきつつ、職場環境としては、 建設的に意見を戦わせながら最先端技術を活用した仕事をしていきたい方にフィットする環境 だと考えています。上記のような文化の礎として、Nishikaでは 5つのValue（価値観） を大切にしています。 Respect：立場や役割を超えて相手を尊重する姿勢 建設性：建設的なコミュニケーション、業務遂行 GRIT：プロフェッショナリズム、粘り強くやり遂げる執念、責任感、主体性 価値提供：ユーザー、顧客、仲間、組織に対する価値提供の意識 先見性：先端技術、ユーザートレンド、ビジネス環境に対する先見性、アンテナの高さ NishikaのチームNishikaは多様なバックグラウンドのメンバーが集ったチームです。テックチームの紹介資料を用意しました。テックチームのメンバー、私たちが大切にしているもの、技術課題、技術スタックなどまとめています。是非弊社の雰囲気を感じていただければと思います。テックチーム紹介資料(https://speakerdeck.com/nishikainc/nishika-techteam-introduction)募集背景主力事業であるAI議事録ツール「SecureMemo/SecureMemoCloud」は昨年比200%成長を遂げており、政府系機関からエンタープライズ企業まで、幅広い組織にプロダクトを提供しています。 事業拡大に伴い、音声認識・話者認識・LLMを活用したプロダクトの開発スピードを加速させるとともに、本番環境での安定運用とスケーラブルなML基盤の構築が急務となっています。 そこで、AIモデルのプロダクト実装から運用基盤の整備まで、一気通貫で担えるAIエンジニアを募集します。仕事内容本ポジションのミッションは、「研究開発されたAIモデルをプロダクションレベルで実装し、安定的かつスケーラブルに運用できる基盤を構築すること」です。音声認識・話者認識・LLMを実際のプロダクトに組み込むプロダクトのMLOps/LLMOps関連の領域と、顧客向けのプライベートAI・ソリューションの開発の両面で活躍いただきます。※ご本人の適性や希望、案件状況を総合的に鑑みて、担当を決めます。事業・ポジションの魅力技術が事業の中核にあるプロダクト AI技術がプロダクトの競争力そのもの 業界最高水準の精度を実現する音声認識・話者認識技術をプロダクションで運用 特許を取得したLLMによる校正技術の実装・運用に携わる 最新のAI技術をプロダクションレベルで実装する経験が積める 成長性と安定性を併せ持つ事業基盤 昨年比200%成長のスタートアップフェーズ 官公庁向け大規模案件を通じた安定した事業基盤 国のインフラを支える責任あるシステムで使用されるAIの運用に関われる環境 政府系機関からエンタープライズまで、多様な顧客への導入実績 知見共有が盛んで高いレベルで切磋琢磨できる環境 AIエンジニア・リサーチエンジニアはKaggleでメダル獲得、上位入賞の実績のあるメンバーで構成 毎週水曜には「よもやま定例」という名の技術勉強会でR&Dやエンジニアリングのナレッジや意見交換を実施 最新の論文・技術トレンドをキャッチアップし、実務に活かす文化 AIエンジニアとして幅広い経験が積める モデル実装からインフラまで一気通貫で担当 オンプレミス・クラウド両方の環境での開発経験 AWS/Azure/GCPのマルチクラウド環境での運用経験 0→1のフェーズでML基盤を構築できる 具体的に期待する役割プロダクトのMLOps/LLMOps モデル実装・最適化 音声認識モデル・話者分離モデルのプロダクション実装 LLMを活用した機能（要約、校正、翻訳等）の実装・最適化 推論パフォーマンス最適化（量子化、蒸留、バッチ処理等） ML/LLM基盤・パイプライン構築 モデル学習パイプラインの構築・自動化 実験管理基盤の整備（MLflow, Weights & Biases等） モデル・プロンプトテンプレートのバージョン管理 データバージョニング・管理基盤の整備 CI/CD・デプロイメント モデル・プロンプトのテスト自動化（精度検証、出力品質評価） デプロイパイプラインの構築・運用 モニタリング・インフラ運用AIモデルのパフォーマンス監視（精度、レイテンシ、スループット） プロンプト・出力品質の継続的評価 ダッシュボード構築・運用（Langfuse, Grafana等） AWS/GCPでのインフラ運用・コスト最適化 コンテナオーケストレーション（ECS, Kubernetes） プライベートAI/ソリューション開発 カスタマイズ開発 顧客要件に応じた音声認識AI・LLM処理のカスタマイズ エンタープライズ向けAIソリューションの設計・実装 コンサルティングプロジェクト推進 課題ヒアリング・要件定義 データ分析・モデル構築・評価 技術レポーティング・提案資料作成 プロトタイプ開発・PoC実施 ソリューション開発案件事例 小売系企業 課題：ドキュメント・チャット履歴からFAQを自動生成し、変更に追従してメンテナンスを効率化・品質向上したい 支援内容：生成AIによるFAQ自動生成システムを構築。ドキュメント更新を検知してFAQの追加・更新・削除を自動判断。画像理解によるドキュメント構造解析で高品質化を実現 化粧品企業 課題：製品広告の薬機法・景表法チェックに工数がかかり、見落としを減らして確認品質を向上したい 支援内容：Few-shot learningにより、使用体験談中の法令抵触表現（効果効能訴求等）を自動検出する生成AIアプリケーションを開発 技術スタック SecureMemo（オンプレミス版） プログラミング言語・フレームワーク: Python, FastAPI, Flutter AI/ML: 音声認識AI、話者分離AI、大規模言語モデル、自然言語処理 開発ツール: Git, Docker インフラ: Windows OS, AWS（LLM Fine-Tuning用途） SecureMemoCloud（クラウド版） プログラミング言語・フレームワーク: Python, FastAPI, TypeScript, React, Next.js AI/ML: 音声認識AI、話者分離AI、大規模言語モデル、自然言語処理 開発ツール: Git, Docker, Langfuse インフラ: AWS（ECS, RDS, S3, SageMaker, Lambda）, Azure（Azure OpenAI Service）, GCP（BigQuery） 必須要件 Python を用いた機械学習モデルのプロダクション実装経験（2年以上） Web APIなどのサーバーサイドの設計・開発経験 Docker を用いたコンテナ化の経験 Git を用いたチーム開発の経験 クラウドサービス（AWS/Azure/GCP）の利用経験 歓迎要件 AIエンジニアリング 音声処理・自然言語処理モデルの実装経験 LLMを活用したアプリケーション開発経験 モデルの推論最適化経験（量子化、TensorRT、ONNX等） FastAPI / Flask での本番運用経験 MLOps/LLMOps Kubernetes / ECS でのコンテナオーケストレーション経験 CI/CD パイプラインの構築経験（GitHub Actions, GitLab CI等） MLflow / Weights & Biases 等の実験管理ツールの運用経験 LangfuseなどのLLMのモニタリングツールの運用経験 その他 オンプレミス環境でのシステム構築・運用経験 AWS, GCP, Azureでの開発経験 エンタープライズ向けシステム開発経験 コンサルティング・受託開発案件の遂行経験 こんな人と働きたい 「最終的にエンドユーザーに届いたものの価値が最重要」という意識のもとで、技術選定・実装を行える方 研究開発されたモデルをプロダクションレベルに落とし込み、安定運用させることにやりがいを感じる方 いち早くプロダクトに実装しユーザーに価値を届けることと、技術的負債を作らない設計のバランスを取れる方 新たな技術（特にMLOps/LLMOps）について、関心を持ち、触って楽しみ、プロダクトに取り込もうという気持ちのある方 他のエンジニアやプロダクトマネージャーと協働し、合意形成しながらプロジェクトを進められる方 自ら学び続け、技術的な課題に対して主体的に取り組める方 キャリアパス入社直後〜中期モデルのプロダクション実装やML基盤構築を通じて、以下のスキルを伸ばしていただきます。 音声認識・話者認識・LLMのプロダクション実装スキル MLOps（CI/CD、モニタリング、インフラ管理）のスキル チームで協働するスキル（技術的なコミュニケーション、コードレビュー等） 顧客折衝スキル（技術提案、アーキテクチャ設計の説明等） 将来ご本人の志向性に応じて、以下のキャリアパスを想定しています。 プロダクト開発チーム・ソリューション開発プロジェクトのリード 開発チームのマネジャー 選考プロセス カジュアル面談 ▼ 書類選考 ▼ 技術面接（1回） ▼ 最終面接（代表との面接） ▼ 内定

職種 / 募集ポジション

AIエンジニア

雇用形態

正社員

給与

年収 7,000,000円 〜 10,000,000円〈モデル年収例〉 例1）年収840万円の場合 月給700,000円（基本給:513,600円+固定残業代:186,400円） 例2）年収900万円の場合 月給750,000円（基本給:550,200円+固定残業代:199,700円） ※月45時間分の固定残業代を支給します。 ※45時間を超過した場合の時間外労働分については割増賃金にて追加支給します。

勤務地

141-0022 東京都品川区東五反田1丁目25番11号 THE GATE GOTANDA EAST 4階五反田駅（JR山手線、都営浅草線、東急池上線）徒歩6分 大崎駅（JR山手線、JR埼京線）徒歩9分 リモートワーク：週2回（火曜・木曜）

諸手当

交通費一律支給（上限30,000円）会社情報

会社名

Nishika株式会社

代表者

代表取締役CEO 山下 達朗 代表取締役CTO 松田 裕之

設立

2019年5月7日

資本金

70,184千円

所在

東京都品川区東五反田1丁目25番11号 THE GATE GOTANDA EAST 4階

株主

- サイバーエージェントキャピタル - リヴァンプ - グロービス

事業内容

- AIプロダクト事業 - AIソリューション事業

福利厚生

- ストックオプション付与実績あり - リファラル補助制度 - 健康診断費用補助（毎年） - AIツール費用、書籍購入、自己研鑽費用補助 - インフルエンザワクチン接種費用補助 - 育児支援

事業内容

- AIプロダクト事業 - AIソリューション事業

必須要件

Python を用いた機械学習モデルのプロダクション実装経験（2年以上） Web APIなどのサーバーサイドの設計・開発経験 Docker を用いたコンテナ化の経験 Git を用いたチーム開発の経験 クラウドサービス（AWS/Azure/GCP）の利用経験

歓迎要件

AIエンジニアリング 音声処理・自然言語処理モデルの実装経験 LLMを活用したアプリケーション開発経験 モデルの推論最適化経験（量子化、TensorRT、ONNX等） FastAPI / Flask での本番運用経験 MLOps/LLMOps Kubernetes / ECS でのコンテナオーケストレーション経験 CI/CD パイプラインの構築経験（GitHub Actions, GitLab CI等） MLflow / Weights & Biases 等の実験管理ツールの運用経験 LangfuseなどのLLMのモニタリングツールの運用経験 その他 オンプレミス環境でのシステム構築・運用経験 AWS, GCP, Azureでの開発経験 エンタープライズ向けシステム開発経験 コンサルティング・受託開発案件の遂行経験

必須スキル

• Python を用いた機械学習モデルのプロダクション実装経験（2年以上） Web APIなどのサーバーサイドの設計 開発経験 Docker を用いたコンテナ化の経験 Git を用いたチーム開発の経験 クラウドサービス（AWS/Azure/GCP）の利用経験

歓迎スキル

• AIエンジニアリング 音声処理 自然言語処理モデルの実装経験 LLMを活用したアプリケーション開発経験 モデルの推論最適化経験（量子化、TensorRT、ONNX等） FastAPI / Flask での本番運用経験 MLOps/LLMOps Kubernetes / ECS でのコンテナオーケストレーション経験 CI/CD パイプラインの構築経験（GitHub Actions, GitLab CI等） MLflow / Weights & Biases 等の実験管理ツールの運用経験 LangfuseなどのLLMのモニタリングツールの運用経験 その他 オンプレミス環境でのシステム構築 運用経験 AWS, GCP, Azureでの開発経験 エンタープライズ向けシステム開発経験 コンサルティング 受託開発案件の遂行経験