Dockerを活かせる仕事、機械学習（6件）

検索結果

：6件

（）

  • 【機械学習/PyTorch/AWS/フルリモート可】ファンクラブSNSのMLエンジニア
  • 4,500 ～ 6,000 円 /時給
  • 恵比寿（フルリモートOK）※出社可能な方は尚可（可能な頻度をご教示ください。）　
  • 作業内容
    クリエイタープラットフォーム（ファンクラブSNS）のAIチームにおいて、コンテンツモデレーション（利用規約やガイドラインに沿った不適切な内容の削除・非表示・制限）向けAIシステムの開発・運用を担っていただくポジションです。 モデル開発・評価設計・推論パイプライン改善のいずれか、または複数領域を担当いただきます。 主な業務内容 ・セグメンテーション・物体検出・分類モデルの開発・学習・評価 ・推論パイプラインの設計・実装・本番運用 ・アノテーションデータの品質管理・データセット設計 ・既存パイプラインの改善・最適化(精度・速度) ・アノテーターチームへの技術的サポート・ガイドライン整備 ・プロダクト開発チームと連携した機能開発・技術的支援 開発体制は少数精鋭。自ら提案・改善しながらプロダクト成長に関われる環境です。
  • 必須スキル
    ■機械学習・モデル開発 ・PyTorchを用いたモデルの学習・評価・デバッグの実務経験 ・セグメンテーション・物体検出・分類モデルのいずれかの実装経験 ・ビジネス要件に基づいた評価指標(IoU・Precision・Recall・F1等)を自分で設計・実装できる ・学習パイプラインのバグを自力で特定・修正できる(データ前処理バグ・ラベル不整合等) ・実運用を想定したデータセットの設計ができる(Train/Val/Test分割・クラス不均衡対応) ■データ処理 ・画像・動画データの前処理ができる(OpenCV・ffmpeg等) ・アノテーションガイドラインの作成、およびデータの品質管理ができる ・Pythonで再現性のあるデータパイプラインを実装できる ■インフラ・クラウド ・AWSの実務経験がある(S3 / EC2 / ECS / Batch / Lambda などのいずれか) ・Dockerを用いた環境構築・再現性のある実験実行ができる
  • 尚可スキル
    ■モデル・アーキテクチャ ・セグメンテーションモデルの実装経験(SAM2・SegFormer・Mask2Former等) ・物体検出モデルの実装経験(GroundingDINO・YOLO系等) ・トラッキングモデルの実装経験(ByteTrack・DeepSORT等) ・動画処理パイプラインの設計・実装経験 ・fine-tuning・転移学習の実務経験 ■MLOps ・実験管理ツールの使用経験(MLflow・Weights & Biases等) ・モデルのバージョン管理の経験(Gitタグ・セマンティックバージョニング) ・推論パイプラインの本番運用経験 ・バッチ推論・GPU最適化の経験
株式会社GLITTERS
更新日：2026年5月11日
案件ID：657927

検索条件を変更

検索条件が選択されていません

該当案件数

6件

他のスキルから探す

他のテクノロジーから探す

他のテクノロジーで絞り込む

他のスキルで絞り込む