機械学習エンジニア【業務委託】 at 株式会社エムニ — Japan

← Back to job listings

About The Role

機械学習エンジニア【業務委託】フルリモート可｜製造業特化の京大×松尾研発急成長AIスタートアップで新規メンバー募集！
仕事概要
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️本ポジションについて
エムニでは、製造業を中心とした顧客向けに、オーダーメイドAIの開発・導入を行っています。
MLエンジニアには、データサイエンティストやAIプロジェクトマネージャーが整理した顧客課題・検証テーマをもとに、機械学習モデルの設計、学習、評価、改善、本番実装、運用設計まで担っていただきます。
扱うテーマは、外観検査画像を用いた不良検知、設備ログを用いた異常検知・予兆保全、生産実績や需要データを用いた予測、文書や記録データを用いた分類など、多岐にわたります。
また、LLM/RAG/AIエージェントなどの生成AI技術と、従来型の機械学習モデルを組み合わせることで、より高度な業務支援システムを構築する機会もあります。
Webエンジニア、インフラエンジニア、AI/LLMエンジニアと連携しながら、モデルを本番環境で安定して届けるところまで責任を持っていただくポジションです。
◼️仕事のやりがい

製造業の現場で実際に使われる機械学習モデル・AIシステムを開発できる
画像認識、異常検知、時系列予測、需要予測など、産業課題に直結するテーマに挑戦できる
PoCで精度を示すだけでなく、API化・本番導入・監視・継続改善まで担える
データサイエンティスト、Webエンジニア、インフラエンジニア、PMと連携して社会実装を進められる
MLOps、推論基盤、再学習、モデル監視など、運用を見据えたML開発に関われる
LLM/RAG等の生成AIと機械学習を組み合わせた、新しいAIシステムに挑戦できる
将来的にはMLテックリード、MLOps責任者、AIソリューションの技術リードを目指せる

◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。

製造業を中心とした顧客課題に対する機械学習モデル・アルゴリズムの設計、開発、評価
画像認識、異常検知、時系列予測、需要予測、分類、回帰、最適化等のモデル開発
データ前処理、特徴量設計、学習データ設計、評価指標設計
モデル精度の改善、エラー分析、ロバスト性向上
推論速度、処理性能、コスト、安定性を踏まえたモデル・処理方式の改善
機械学習モデルのAPI化、Webアプリケーション・業務システムへの組み込み
学習・推論パイプライン、バッチ処理、再学習フローの設計・開発
モデル監視、性能劣化検知、データドリフト検知、バージョン管理
クラウド・GPU環境を活用した学習・推論基盤の構築支援
インフラエンジニアと連携したMLOps・運用基盤の整備
AI/LLMエンジニアと連携した、LLM/RAGと機械学習モデルを組み合わせた機能開発
PM・データサイエンティスト・顧客への技術説明、検証結果共有
最新論文・技術トレンドの調査、実装検証、社内ナレッジ共有

◼️取り組むテーマ例

検査画像・外観画像を用いた不良検知・分類モデルの開発
設備ログ・センサーデータを用いた異常検知・予兆保全モデルの開発
受注・生産・在庫データを用いた需要予測・生産計画支援モデルの開発
品質データを用いた不良発生予測・品質改善支援
作業データや工程データを用いた効率化・最適化モデルの開発
文書・帳票・記録データを活用した分類・抽出モデルの開発
学習済みモデルの推論API化と業務アプリケーションへの組み込み
本番導入後のモデル監視・再学習・性能改善
LLM/RAGと予測モデル・分類モデルを組み合わせた業務支援AI
複数顧客・複数案件に横展開可能なML開発・運用基盤の整備

◼️このポジションで期待する成果

顧客課題に対して、適切なモデル方式・評価方法を設計できる
PoCでのモデル検証から、本番システムへの組み込みまで推進できる
精度だけでなく、推論速度、コスト、可用性、保守性を意識して開発できる
運用開始後の性能監視や再学習を含め、継続的に改善できる仕組みをつくれる
Webエンジニアやインフラエンジニアと連携し、AIモデルを安定した機能として提供できる
技術的な検討内容や制約を、顧客・PM・非技術者にもわかりやすく説明できる

◼️開発環境

言語：Python、SQL、TypeScript
機械学習・深層学習：PyTorch、TensorFlow、scikit-learn、Hugging Face
データ処理：Pandas、NumPy、SciPy
API・アプリケーション：FastAPI、Next.js、React、Streamlit
AI/生成AI：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI
クラウド：AWS、Google Cloud、Azure
コンテナ・運用：Docker、CI/CD、各種監視サービス
データベース・データ基盤：PostgreSQL、MySQL、BigQuery
コード管理：GitHub
コミュニケーション：Slack、Notion
その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot など

※利用技術はプロジェクトや課題に応じて柔軟に選定します。
必須スキル
◼️ミッション
エムニは、「AIを、あらゆる産業の実装力にする」ことを目指す、製造業特化のAIスタートアップです。
日本の製造業には、熟練者の暗黙知、紙・PDF・図面・帳票に蓄積された情報、属人的な判断プロセスなど、まだAIによって解決できる余地が数多く残されています。
本ポジションでは、LLM・RAG・AIエージェント・機械学習などの技術を活用し、製造業を中心としたクライアントの本質的な業務課題を解決するAIシステムの設計・開発・実装を担っていただきます。
単なる技術検証やPoCにとどまらず、実際の業務で使われ、事業成果につながるAIの社会実装を推進することがミッションです。
◼️本ポジションについて
エムニでは、製造業を中心とした顧客向けに、オーダーメイドAIの開発・導入を行っています。
MLエンジニアには、データサイエンティストやAIプロジェクトマネージャーが整理した顧客課題・検証テーマをもとに、機械学習モデルの設計、学習、評価、改善、本番実装、運用設計まで担っていただきます。
扱うテーマは、外観検査画像を用いた不良検知、設備ログを用いた異常検知・予兆保全、生産実績や需要データを用いた予測、文書や記録データを用いた分類など、多岐にわたります。
また、LLM/RAG/AIエージェントなどの生成AI技術と、従来型の機械学習モデルを組み合わせることで、より高度な業務支援システムを構築する機会もあります。
Webエンジニア、インフラエンジニア、AI/LLMエンジニアと連携しながら、モデルを本番環境で安定して届けるところまで責任を持っていただくポジションです。
◼️仕事のやりがい

製造業の現場で実際に使われる機械学習モデル・AIシステムを開発できる
画像認識、異常検知、時系列予測、需要予測など、産業課題に直結するテーマに挑戦できる
PoCで精度を示すだけでなく、API化・本番導入・監視・継続改善まで担える
データサイエンティスト、Webエンジニア、インフラエンジニア、PMと連携して社会実装を進められる
MLOps、推論基盤、再学習、モデル監視など、運用を見据えたML開発に関われる
LLM/RAG等の生成AIと機械学習を組み合わせた、新しいAIシステムに挑戦できる
将来的にはMLテックリード、MLOps責任者、AIソリューションの技術リードを目指せる

◼️業務内容
スキルやご経験、ご志向に応じて、以下のような業務をお任せします。

製造業を中心とした顧客課題に対する機械学習モデル・アルゴリズムの設計、開発、評価
画像認識、異常検知、時系列予測、需要予測、分類、回帰、最適化等のモデル開発
データ前処理、特徴量設計、学習データ設計、評価指標設計
モデル精度の改善、エラー分析、ロバスト性向上
推論速度、処理性能、コスト、安定性を踏まえたモデル・処理方式の改善
機械学習モデルのAPI化、Webアプリケーション・業務システムへの組み込み
学習・推論パイプライン、バッチ処理、再学習フローの設計・開発
モデル監視、性能劣化検知、データドリフト検知、バージョン管理
クラウド・GPU環境を活用した学習・推論基盤の構築支援
インフラエンジニアと連携したMLOps・運用基盤の整備
AI/LLMエンジニアと連携した、LLM/RAGと機械学習モデルを組み合わせた機能開発
PM・データサイエンティスト・顧客への技術説明、検証結果共有
最新論文・技術トレンドの調査、実装検証、社内ナレッジ共有

◼️取り組むテーマ例

検査画像・外観画像を用いた不良検知・分類モデルの開発
設備ログ・センサーデータを用いた異常検知・予兆保全モデルの開発
受注・生産・在庫データを用いた需要予測・生産計画支援モデルの開発
品質データを用いた不良発生予測・品質改善支援
作業データや工程データを用いた効率化・最適化モデルの開発
文書・帳票・記録データを活用した分類・抽出モデルの開発
学習済みモデルの推論API化と業務アプリケーションへの組み込み
本番導入後のモデル監視・再学習・性能改善
LLM/RAGと予測モデル・分類モデルを組み合わせた業務支援AI
複数顧客・複数案件に横展開可能なML開発・運用基盤の整備

◼️このポジションで期待する成果

顧客課題に対して、適切なモデル方式・評価方法を設計できる
PoCでのモデル検証から、本番システムへの組み込みまで推進できる
精度だけでなく、推論速度、コスト、可用性、保守性を意識して開発できる
運用開始後の性能監視や再学習を含め、継続的に改善できる仕組みをつくれる
Webエンジニアやインフラエンジニアと連携し、AIモデルを安定した機能として提供できる
技術的な検討内容や制約を、顧客・PM・非技術者にもわかりやすく説明できる

◼️開発環境

言語：Python、SQL、TypeScript
機械学習・深層学習：PyTorch、TensorFlow、scikit-learn、Hugging Face
データ処理：Pandas、NumPy、SciPy
API・アプリケーション：FastAPI、Next.js、React、Streamlit
AI/生成AI：OpenAI API、Azure OpenAI Service、Anthropic Claude、Gemini、Amazon Bedrock、Vertex AI
クラウド：AWS、Google Cloud、Azure
コンテナ・運用：Docker、CI/CD、各種監視サービス
データベース・データ基盤：PostgreSQL、MySQL、BigQuery
コード管理：GitHub
コミュニケーション：Slack、Notion
その他：Cursor、ChatGPT、Claude、Gemini、GitHub Copilot など