機械学習エンジニア【新卒博士】

研究で培った専門性を、企業で使われるAIへ変える新卒機械学習エンジニアを募集！

仕事概要

◾️ 私たちが目指すこと

Athena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。生成AI・LLM、画像認識、深層学習、数理最適化、需要予測などの技術を組み合わせ、課題定義からモデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で関わっています。
本ポジションでは、博士課程で培った研究力や専門性を生かし、企業の実際の業務課題を解決するAIシステムの設計・開発を担当していただきます。研究テーマと完全に一致する技術だけを扱うのではなく、顧客の課題に応じて必要な技術を学び、検証し、実装へつなげます。論文や実験で示した技術的な可能性を、企業の現場で継続的に利用できる仕組みへ変える仕事です。


◾️ 仕事のやりがい

顧客が持つ課題は、研究課題のように条件や評価方法が整理されているとは限りません。ヒアリングやデータ分析を通じて課題を整理し、何を予測・分類・最適化すべきか、どのようなデータや評価指標が必要かを考えます。博士課程で培った実験設計や評価の力を生かしながら、顧客、PM、バックエンドメンバーなどと連携し、モデルをプロダクトへ組み込む経験を得られます。また、PoCだけでなく、本番環境へのデプロイ、モニタリング、改善まで担当するため、研究成果とプロダクトの違いを実務を通じて理解できます。


◾️ 業務内容

・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価
・顧客課題に関する技術調査、先行研究調査
・仮説設定、実験設計、評価指標の設計
・データセットの構築、前処理、アノテーション設計、特徴量設計
・アルゴリズムやモデルの選定、チューニング、精度改善
・モデルの推論速度、計算量、運用条件を踏まえた検証
・API、バックエンド、データ基盤と連携したAI機能の実装
・クラウド環境（AWS、GCP等）へのモデルのデプロイ・運用
・モデルのモニタリングおよび継続的な改善
・MLOpsによる学習・評価・改善サイクルの構築
・クライアントとの要件定義、技術提案への参加
・技術内容や検証結果に関する資料作成・説明
・コードレビュー、技術共有、開発品質の向上


◾️ 具体的なプロジェクト例
【長谷工コーポレーション様・スパイダープラス様：外壁タイル接着率判定システム】
建設現場における外壁タイルの検査業務に対し、画像認識技術を用いて接着剤の充填状況を判定するモデルを開発・提供しました。スマートデバイスで撮影したタイル裏面の画像から、接着剤が塗布された部分をセグメンテーションモデルで抽出・分類し、接着率を数値として算出します。
このようなプロジェクトでは、現場で取得される画像データの特性を理解し、データセットの構築、モデル開発、評価方法の設計、精度改善、業務システムへの組み込みまで関わります。

参考：外壁タイル接着率判定システム
https://athenatech.jp/case/haseko-adheresive-segmentation

必須スキル

◾️ 私たちが目指すこと

Athena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。生成AI・LLM、画像認識、深層学習、数理最適化、需要予測などの技術を組み合わせ、課題定義からモデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で関わっています。
本ポジションでは、博士課程で培った研究力や専門性を生かし、企業の実際の業務課題を解決するAIシステムの設計・開発を担当していただきます。研究テーマと完全に一致する技術だけを扱うのではなく、顧客の課題に応じて必要な技術を学び、検証し、実装へつなげます。論文や実験で示した技術的な可能性を、企業の現場で継続的に利用できる仕組みへ変える仕事です。


◾️ 仕事のやりがい

顧客が持つ課題は、研究課題のように条件や評価方法が整理されているとは限りません。ヒアリングやデータ分析を通じて課題を整理し、何を予測・分類・最適化すべきか、どのようなデータや評価指標が必要かを考えます。博士課程で培った実験設計や評価の力を生かしながら、顧客、PM、バックエンドメンバーなどと連携し、モデルをプロダクトへ組み込む経験を得られます。また、PoCだけでなく、本番環境へのデプロイ、モニタリング、改善まで担当するため、研究成果とプロダクトの違いを実務を通じて理解できます。


◾️ 業務内容

・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価
・顧客課題に関する技術調査、先行研究調査
・仮説設定、実験設計、評価指標の設計
・データセットの構築、前処理、アノテーション設計、特徴量設計
・アルゴリズムやモデルの選定、チューニング、精度改善
・モデルの推論速度、計算量、運用条件を踏まえた検証
・API、バックエンド、データ基盤と連携したAI機能の実装
・クラウド環境（AWS、GCP等）へのモデルのデプロイ・運用
・モデルのモニタリングおよび継続的な改善
・MLOpsによる学習・評価・改善サイクルの構築
・クライアントとの要件定義、技術提案への参加
・技術内容や検証結果に関する資料作成・説明
・コードレビュー、技術共有、開発品質の向上


◾️ 具体的なプロジェクト例
【長谷工コーポレーション様・スパイダープラス様：外壁タイル接着率判定システム】
建設現場における外壁タイルの検査業務に対し、画像認識技術を用いて接着剤の充填状況を判定するモデルを開発・提供しました。スマートデバイスで撮影したタイル裏面の画像から、接着剤が塗布された部分をセグメンテーションモデルで抽出・分類し、接着率を数値として算出します。
このようなプロジェクトでは、現場で取得される画像データの特性を理解し、データセットの構築、モデル開発、評価方法の設計、精度改善、業務システムへの組み込みまで関わります。

参考：外壁タイル接着率判定システム
https://athenatech.jp/case/haseko-adheresive-segmentation

歓迎スキル

・AI、機械学習に関する査読付き論文や学会での発表経験
・生成AI・LLM関連の研究または実装経験
・画像認識、時系列予測、数理最適化、需要予測等の研究経験
・共同研究、産学連携、企業との研究プロジェクトの経験
・クラウド環境を利用した開発経験
・WebアプリケーションやAPIの開発経験
・Kaggle、競技プログラミング、データ分析コンペ等への参加経験
・インターン、アルバイト等でのソフトウェア開発経験
・研究室やチームでのコードレビュー、技術指導の経験

求める人物像

・研究で培った専門性を、企業や社会の課題解決へ生かしたい方
・自身の研究テーマ以外の技術も、必要に応じて学べる方
・正解の決まっていない課題に対し、仮説と検証を繰り返せる方
・実験結果が想定と異なる場合に、原因を整理して次の検証を考えられる方
・技術的な新規性だけでなく、利用者や事業にとっての価値も考えられる方
・エンジニア、PM、顧客など、異なる専門性を持つ相手と連携できる方
・モデルを作るだけでなく、プロダクトへの組み込みや運用まで経験したい方

応募概要

給与

年収520万円〜1,200万円
※研究実績、専門性、開発経験等を踏まえて決定します。

勤務地

京都オフィス：
京都府京都市左京区田中門前町73番 百万遍ビル3F
※リモート併用可／フルリモート勤務可
※業務内容やチーム体制に応じて、柔軟な働き方を推奨しています。

雇用形態

正社員

勤務体系

試用期間

あり（3ヶ月）

福利厚生

・各種社会保険完備
・通勤交通費支給（会社規定に基づく上限あり）
・住宅手当（会社規定に基づく）
・借上社宅制度（会社規定に基づく）
・業務用PC貸与
・業務用AIツール利用料の全額負担（ChatGPT、Claude、Cursor等／上限なし）
・書籍購入支援
・資格取得支援
・社内勉強会
・メンターとのランチ交流制度